Amazon Bedrock 中的政策 AgentCore：控制代理互动

Amazon Bedrock 中的政策 AgentCore 使开发人员能够通过围绕代理操作创建保护边界，为 AI 代理与工具的交互定义和实施安全控制。AI 代理可以动态调整以解决复杂的问题，从处理客户询问到跨多个工具和系统实现工作流程自动化。但是，这种灵活性带来了新的安全挑战，因为代理可能会无意中误解业务规则，或者超出其预期权限行事。

启用策略后 AgentCore，开发人员可以创建策略引擎，在其中创建和存储确定性策略，并将策略引擎与网关关联起来。中的策略 AgentCore 拦截通过 Amazon Bedrock AgentCore Gateways 的所有代理流量，并在允许工具访问之前，根据策略引擎中定义的策略对每个请求进行评估。

策略是使用 Cedar 语言构建的，这是一种用于编写和执行授权策略的开源语言。这使开发人员能够精确指定代理可以访问哪些以及他们可以执行哪些操作。Policy in AgentCore 还允许开发人员用通俗易懂的英语描述规则，而不是用 Cedar 编写正式的策略代码，从而使用自然语言编写策略。基于自然语言的策略制定可以解释用户的意图，生成候选策略，根据工具架构对其进行验证，并使用自动推理来检查安全条件，例如识别过于宽松、过于严格或包含永远无法满足的条件的政策，确保客户在执行策略之前发现这些问题。

中的政策 AgentCore 还支持在 Dogwood Policy 网站（一种开源政策语言）上使用 Dogwood 编写策略。单个 Dogwood 策略可以组合多种授权条件。在最简单的层面上，您可以编写基于输入的规则，根据当前请求本身（委托人是谁、他们在调用哪个工具、涉及的资源以及该调用的输入参数）来允许或禁止工具调用。然后，您可以添加会话感知的时间条件，这些条件根据同一个会话中早些时候已经发生的事情来决定，例如，要求在转移之前获得批准，在操作运行了设定的次数后将其阻止，或者将运行总额保持在预算之下。您还可以咨询在评估时发出信号（例如内容安全或即时攻击分数）的信息提供商，例如Guardrails，并根据发出的分数做出决策。由于基于输入、临时和基于提供者的条件都在同一个策略中，采用相同的许可和禁止模式，因此您可以将它们分层以表达代理所需的控制——从简单的访问规则到多步骤的会话感知保护措施。

中的策略 AgentCore 支持基于用户身份和工具输入参数的精细权限，从而可以在企业规模上安全地部署自主代理。通过将安全控制转移到代理代码之外，开发人员可以专注于构建创新的代理功能，同时保持强大的安全保障，从而消除对自定义安全实施的需求，并降低通过代理操纵而绕过策略的风险。

主要优势

Policy in AgentCore 提供了三个主要好处，可在企业环境中安全、可扩展地部署 AI 代理：

主要功能

Policy in 为基于策略的代理交互管理 AgentCore 提供了全面的功能，包括以下关键功能：