📚InfoQ中国•最新收集於 0m
AWS 開源 Dogwood，規範 AI 智能體工具調用
#ai-agents#tool-calling#interoperabilitydogwooddogwoodamazon-web-services
💡了解 AWS 開源的 Dogwood 如何讓 AI 智能體的工具調用更一致。
⚡ 30-Second TL;DR
有什麼變化
Dogwood 是 Amazon Web Services 開源的專案。
為什麼重要
一致的工具調用方式可能降低智能體應用程式之間的整合差異。若能獲得廣泛採用，Dogwood 或可協助開發者建立更可預期、互通性更高的智能體工作流程。
下一步行動
檢視 Dogwood 儲存庫，並先依照其工具調用規範製作一個現有智能體工作流程的原型，再考慮導入生產環境。
誰應關注：Developers & AI Engineers
關鍵要點
- •Dogwood 是 Amazon Web Services 開源的專案。
- •其核心目標是為 AI 智能體的工具調用行為建立標準。
- •該專案面向需要讓智能體與外部工具互動的系統開發者。
🧠 深度解析
背景與延伸：來自公開資料，非原文內容。引用 8 個來源。
🔑 增強重點摘要
- •Dogwood 採用度量一階時序邏輯（MFOTL）作為理論基礎，實現對 AI 智能體行為的運行時形式化驗證。
- •該專案是 AWS 開源授權語言 Cedar 的擴展，並與 Cedar 完全向後兼容，無需遷移既有策略。
- •Dogwood 具備處理時序約束的能力，能針對智能體的歷史事件軌跡執行速率限制、前置條件檢查及累計預算管理。
- •AWS 已將 Dogwood 整合至 Amazon Bedrock AgentCore Policy，於閘道層進行強制執行以防止安全繞過。
- •開發者可利用自然語言編寫策略，系統會自動將其轉換為 Dogwood 形式化代碼，降低策略定義門檻。
📊 競品分析▸ Show
| 特性 | Dogwood (AWS) | OPA (Open Policy Agent) | Microsoft Entra Verified ID / Policy |
|---|---|---|---|
| 核心定位 | AI 智能體時序工具調用治理 | 通用策略即代碼 (Policy-as-Code) | 身份與存取權限管理 |
| 邏輯基礎 | MFOTL (時序邏輯) | Rego (宣告式語言) | RBAC/ABAC |
| 針對性 | 專注於 AI 智能體行為軌跡 | 通用雲端基礎設施 | 企業級身份驗證 |
| 授權模式 | Apache 2.0 | Apache 2.0 | 專有/混合 |
🛠️ 技術深入
- 核心架構：基於 Cedar 語言擴展，引入時序邏輯運算子以評估事件序列。
- 執行模型：支援對智能體歷史事件軌跡（Event Trace）進行狀態追蹤。
- 整合層級：部署於 Amazon Bedrock 的閘道層（Gateway Layer），確保在工具調用發送至外部 API 前進行攔截與驗證。
- 參考實作：目前提供的參考解釋器（Reference Interpreter）僅供評估使用，生產環境需自行建構高效能執行引擎。
🔮 前景展望AI analysis grounded in cited sources
AI 智能體治理將從靜態權限轉向動態時序審計。
Dogwood 的出現證明了單點授權已不足以應對複雜的智能體鏈式調用，時序邏輯將成為安全標準。
自然語言轉策略代碼將成為企業 AI 安全的標配。
透過將自然語言轉換為 Dogwood 形式化代碼，降低了複雜安全策略的維護門檻，將加速企業採用進階治理工具。
⏳ 時間線
2025-11
AWS 將 Cedar 授權語言貢獻給 CNCF。
2026-08
AWS 正式開源 Dogwood，並將其整合至 Amazon Bedrock AgentCore Policy。
📎 來源 (8)
Factual claims are grounded in the sources below. Forward-looking analysis is AI-generated interpretation.
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： InfoQ中国 ↗
每週 AI 簡報
每週一封，可隨時退訂。