北京——2025年12月4日 亞馬遜云科技在2025 re:Invent全球大會上，宣布Amazon Bedrock AgentCore推出多項新功能。該平臺旨在支持企業(yè)在大規(guī)模環(huán)境中以安全的方式構建和部署Agent。Policy in Amazon Bedrock AgentCore功能幫助團隊為Agent的工具使用設定明確邊界;AgentCore Evaluations功能使團隊能夠了解Agent在實際場景中的表現。此外，亞馬遜云科技還推出了增強版記憶功能，使Agent能夠基于過往經驗進行改進，從而在后續(xù)交互中提供更貼合需求的洞察。

打造既具備自主能力又遵循行為邊界的企業(yè)級Agent

盡管Agent具備自主推理和行動的能力，使其極具價值，但企業(yè)必須建立健全的控制機制，以防止未授權的數據訪問、不當交互以及可能影響業(yè)務運營的系統級錯誤。即便經過謹慎設計的提示詞，Agent在實際應用中仍可能出現導致嚴重后果的失誤。

今天，亞馬遜云科技正式推出Policy in Amazon Bedrock AgentCore功能，用于幫助企業(yè)為Agent的操作設定清晰的邊界。團隊可以使用自然語言，通過定義Agent可訪問的工具和數據、可執(zhí)行的操作以及適用條件，為其劃定具體范圍。這些工具可能包括API、Lambda函數、MCP服務器，或Salesforce、Slack等主流第三方服務。為保持Agent的響應速度，Policy in Amazon Bedrock AgentCore已集成至AgentCore Gateway中，可在毫秒級對Agent的操作進行校驗，以確認其是否符合既定策略要求，從而確保Agent在自主運行的同時始終處于設定范圍內。自然語言策略編寫方式進一步降低了策略創(chuàng)建的門檻，使客戶無需編寫正式策略代碼即可構建精細化規(guī)則。例如：“當退款金額高于1000美元時，阻止所有客戶退款操作”這樣的規(guī)則，可以直接用自然語言表述并得到一致執(zhí)行，體現了亞馬遜一貫的“信任，但要驗證”原則，從而讓Agent在保持自主性的同時，始終處在合理的監(jiān)管之下。

Druva是一家領先的數據安全解決方案提供商。Druva產品AI副總裁David Gildea表示：“在以往，當數據備份失敗時，客戶往往需要花費數小時，在數十個系統中手動排查日志。通過我們的AI Agent，客戶可以獲得即時分析和分步數據恢復補救方案。我們對在AgentCore中使用Policy功能感到非常期待，它可以幫助客戶為Agent訪問內部工具和數據(如備份系統、安全日志和監(jiān)控看板)設定清晰邊界。有了適當的策略，開發(fā)人員便能在確保Agent始終符合合規(guī)邊界的前提下大膽創(chuàng)新，這使我們能夠在擴展Agent平臺的同時，保持企業(yè)客戶所期望的嚴格安全標準?！?

全面掌握AI Agent的行為與結果

與傳統軟件指標不同，評估AI Agent的質量往往需要復雜的數據科學流程、主觀判斷以及持續(xù)的實時監(jiān)控，而且每一次Agent更新或模型變更都會進一步加大這一挑戰(zhàn)。

AgentCore Evaluations功能簡化了原本復雜的評估流程，并免去了對評估基礎設施的管理需求，提供13個預置評估器，覆蓋正確性、實用性、工具選擇準確性、安全性、目標達成率和上下文相關性等常見質量維度。此外，開發(fā)者還可基于偏好的LLM和提示詞編寫自定義評估器。此前，僅構建一套評估系統就可能需要數月的數據科學投入。這項新功能會持續(xù)采樣Agent的實時交互數據，并根據正確性、實用性、安全性等預置標準分析Agent行為。開發(fā)團隊可設置預警機制實現主動質量監(jiān)控，評估功能可用于測試與生產階段。例如，當客服Agent的滿意度評分在8小時內下降10%時，系統會立即觸發(fā)預警，以便在用戶體驗受到影響前及時采取措施。

Natera是一家領先的基因檢測與診斷企業(yè)。Natera軟件工程負責人Mirko Buholzer表示：“在Natera，我們正在借助AI Agent重塑腫瘤患者的診療體驗。目前，我們的團隊正投入大量精力，以確保在嚴格的醫(yī)療合規(guī)標準下，所有AI Agent都能保持穩(wěn)定一致的質量與性能。AgentCore Evaluations將在這一過程中發(fā)揮關鍵作用，它通過準確率、實用性和患者滿意度等關鍵指標持續(xù)監(jiān)控Agent表現。我們期待這些實時質量情報能夠幫助我們提前發(fā)現并解決問題。借助AgentCore Evaluations，我們有信心在大規(guī)模部署時，仍能保持對Agent可靠性的高標準要求，從而為患者提供更具變革性的醫(yī)療服務?！?

打造越交互越智能的Agent

當下，大多數AI Agent在“記憶”能力上依然存在明顯短板。所謂記憶，往往只是在有限上下文窗口內保存短期信息，并會在每一次新交互時被重置，這使得Agent難以真正從生產環(huán)境中的過往成敗中學習。

AgentCore Memory填補了這一關鍵能力空白，使Agent能夠隨著時間推移形成對用戶的連貫認知。今日，AgentCore Memory的episodic記憶功能正式可用，使Agent能夠從過往經驗中學習，并將這些信息應用于后續(xù)交互。episodic記憶功能會以結構化方式記錄上下文、推理過程、操作及結果，隨后由另一Agent自動分析其中的模式，以優(yōu)化決策。當Agent遇到類似任務時，可快速調取相關歷史信息，縮短處理時間，并減少對復雜自定義指令的依賴。例如，當用戶獨自出行時，Agent可能會在航班起飛前45分鐘安排前往機場的交通;三個月后，當用戶攜帶家人前往相同目的地時，Agent會根據以往家庭出行情況，將接送時間自動調整為提前兩小時。通過這種基于經驗的學習方式，Agent能夠根據實際表現數據做出更一致的決策，而不僅依賴預設規(guī)則。

S&P Global Market Intelligence為機構投資者、銀行和企業(yè)提供洞察以及領先的數據與技術解決方案。S&P Global Market Intelligence MI 企業(yè)技術和可持續(xù)發(fā)展技術負責人Helene Astier,表示：“我們近期構建了內部通用的Agentic工作流平臺Astra，但在整個分布式組織內編排復雜的多Agent工作流時面臨巨大挑戰(zhàn)。隨著數百個專門構建的Agent出現，狀態(tài)管理和上下文一致性維護變得愈發(fā)困難，這凸顯了對統一記憶層的需求。Amazon Bedrock AgentCore Memory通過在多Agent協調棧中實現集中式狀態(tài)檢查點，為我們提供了有效的解決方案。有了全新的eposodic記憶功能，我們的Agent可以從以往分析中學習，生成更加智能的洞察。過去，在Astra平臺上部署一個Agent往往需要數周時間;現在借助AgentCore，我們可以在幾分鐘內創(chuàng)建并部署一個Agent或MCP服務器。”

今天發(fā)布的這些創(chuàng)新，為客戶提供了專門為Agent設計的基礎設施，使團隊可以將時間和精力集中在業(yè)務創(chuàng)新上，而不是反復從零搭建AI基礎能力。