☁️AWS Machine Learning Blog•較早收集於 26m
擴展 Amazon Bedrock AgentCore Gateway 的 MCP 支援

💡為 AWS 基礎設施上的 MCP 部署提供企業級的安全與治理能力。
⚡ 30-Second TL;DR
有什麼變化
大規模 MCP 伺服器的集中化憑證管理
為什麼重要
此更新簡化了企業環境中管理代理式 AI 架構的營運負擔。它使團隊能夠在不犧牲治理或可見性的情況下,安全地擴展 MCP 部署。
下一步行動
檢視您目前的 MCP 伺服器架構,並評估 Amazon Bedrock AgentCore Gateway 是否能取代您的自訂中介軟體,以實現集中化的安全與日誌記錄。
誰應關注:Enterprise & Security Teams
關鍵要點
- •大規模 MCP 伺服器的集中化憑證管理
- •增強跨企業團隊的工具使用可觀測性
- •防止生產環境資料外洩的安全功能
- •基於 MCP 代理工作流程的細粒度存取控制
🧠 深度解析
Web-grounded analysis with 24 cited sources.
🔑 增強重點摘要
- •Amazon Bedrock AgentCore Gateway 能夠將現有的 REST API、OpenAPI 規範、Smithy 模型和 AWS Lambda 函數轉換為 MCP 相容的工具,從而簡化 AI 代理的工具整合,無需大量客製化程式碼和基礎設施管理。
- •Model Context Protocol (MCP) 是由 Anthropic 開發的開放標準,提供了一種標準化的方式,讓 AI 系統(如大型語言模型)能夠與外部資料來源、工具和服務進行通訊,解決了傳統上每個整合都需要客製化程式碼的瓶頸。
- •Gateway 採用雙向安全架構,處理對 Gateway 的入站存取(遵循 MCP 授權規範,使用 OAuth 授權)和對目標服務的出站連線(使用 AWS IAM、API 金鑰或 OAuth 權杖),確保了企業級的安全性。
- •AgentCore Gateway 支援有狀態的 MCP 會話,允許 MCP 客戶端在初始化時接收唯一的
Mcp-Session-Id,並在整個會話中追蹤狀態,這為互動式、需要人機協作的工作流程(如引導式傳遞和回應串流)奠定了基礎。 - •除了集中化憑證管理,AgentCore Gateway 還透過與 Amazon CloudWatch 和 AWS CloudTrail 的整合提供增強的可觀測性,詳細監控閘道操作的各個維度,包括使用量、調用、效能指標和錯誤率。
📊 競品分析▸ Show
| 功能/平台 | Amazon Bedrock AgentCore Gateway | Google Vertex AI Agent Builder + ADK | Microsoft Azure AI Foundry Agent Service + Copilot Studio |
|---|---|---|---|
| 核心理念 | 全託管服務,強調配置而非編碼,內建防護措施和多代理協調。 | 開源、框架無關的開發體驗 (ADK),搭配託管雲端執行環境 (Vertex AI Agent Builder)。 | 整合 Semantic Kernel 和 AutoGen,原生連接 Microsoft 365 生態系統,提供開發者 SDK 和低程式碼平台。 |
| 工具整合 | 將現有 API (OpenAPI, Smithy, Lambda) 轉換為 MCP 工具,支援 Salesforce, Slack 等一鍵整合。 | 透過 Vertex AI 整合 Google Cloud 服務,提供 AutoML 和 MLOps 功能。 | 深度整合 Microsoft 365、Dynamics 和 Power Platform,支援 OpenAI 模型。 |
| 安全與存取控制 | 集中式憑證管理,雙向安全架構 (OAuth, IAM),細粒度存取控制,VPC 和 PrivateLink 支援。 | 透過 Google Cloud IAM 和其他安全服務提供存取控制。 | 提供全面的安全和合規認證,與 Microsoft 的企業安全生態系統深度整合。 |
| 可觀測性 | 與 Amazon CloudWatch 和 AWS CloudTrail 整合,提供詳細的閘道操作指標。 | 透過 Vertex AI 提供強大的 MLOps 功能,包括模型監控。 | 顯著的可觀測性優勢,支援追蹤決策、分析行為和偵測風險。 |
| 目標用戶 | 尋求企業級 AI 基礎設施、安全執行環境和可擴展性的開發者和企業。 | 偏好 GCP 生態系統或需要跨組織互操作性的團隊。 | 深度使用 Microsoft 生態系統的組織,提供開發者和業務用戶的解決方案。 |
| 定價模式 | 依據閘道請求、資料處理和相關 AWS 服務使用量計費,無預付費用或最低承諾。 | 依據模型使用、運算資源和平台服務計費。 | 依據模型使用、運算資源和平台服務計費。 |
🛠️ 技術深入
- Model Context Protocol (MCP) 架構: MCP 採用客戶端-伺服器架構,包含 MCP 主機 (AI 應用程式,如 Bedrock 聊天機器人)、MCP 客戶端 (將請求轉換為 JSON-RPC 2.0 格式並轉發)、MCP 伺服器 (接收請求並透過呼叫外部 API、查詢資料庫或執行計算來執行) 和外部服務 (AWS API、內部系統、第三方 API 或自訂腳本)。
- AgentCore Gateway 的工具轉換能力: Gateway 能夠將現有的 REST API (支援 OpenAPI 規範)、Smithy 模型和 AWS Lambda 函數轉換為 MCP 相容的工具。這意味著企業可以將其現有的企業 API 無縫轉換為 MCP 相容工具。
- 雙向安全架構: Gateway 實施複雜的雙向安全架構。對於入站請求,它遵循 MCP 授權規範,使用基於 OAuth 的授權來驗證和授權傳入的工具呼叫,作為 OAuth 資源伺服器。對於出站連線,它針對 AWS Lambda 和 Smithy 模型目標使用基於 AWS Identity and Access Management (IAM) 的授權;對於 OpenAPI 目標 (REST API),則支援 API 金鑰或 OAuth 權杖。
- 細粒度存取控制: Gateway 支援使用 Cedar 策略進行細粒度存取控制,這些策略可以表示為基於身份屬性、動作識別符和請求上下文的邏輯條件。這允許限制特定角色可以調用的工具,並阻止某些用戶組存取敏感操作。
- MCP 會話管理與 MicroVM 黏性: MCP 使用
Mcp-Session-Id標頭來管理會話狀態並路由請求。Amazon Bedrock AgentCore 利用此標頭將請求路由到相同的 MicroVM 實例,以確保會話親和性並減少冷啟動延遲。它支援無狀態和有狀態的 MCP 伺服器,後者適用於需要跨多個請求維護會話上下文的場景。 - 可觀測性整合: AgentCore Gateway 透過與 Amazon CloudWatch 和 AWS CloudTrail 的整合提供可觀測性。它提供多維度的閘道操作指標,包括使用量 (TargetType, IngressAuthType, EgressAuthType, RequestsPerSession)、調用 (Invocations, ConcurrentExecutions, Sessions)、效能 (Latency, Duration, TargetExecutionTime) 和錯誤率 (Throttles, SystemErrors, UserErrors)。
🔮 前景展望AI analysis grounded in cited sources
企業將加速採用 AI 代理,實現更複雜的自動化工作流程。
集中化管理、增強的安全性、簡化的工具整合和可觀測性降低了部署障礙,使企業能夠更自信地擴展 AI 代理應用。
Model Context Protocol (MCP) 將成為 AI 代理與外部工具和資料來源互動的行業標準。
AWS Bedrock AgentCore Gateway 的強化支援將推動 MCP 的廣泛採用,解決 AI 代理整合的碎片化問題,並促進跨行業的互操作性。
對於 AI 代理的細粒度存取控制和可觀測性解決方案的需求將持續增長。
隨著 AI 代理承擔更多關鍵業務職責並處理敏感資料,確保其行為符合預期、防止資料外洩並滿足合規性要求變得至關重要。
⏳ 時間線
2023-04
Amazon Bedrock 首次發布預覽版,提供基礎模型服務。
2023-12
Agents for Amazon Bedrock 正式推出,支援代理規劃、API 呼叫和資料檢索。
2025-07
Amazon Bedrock AgentCore 預覽版發布,作為企業級 AI 代理基礎設施的集合。
2025-08
Amazon Bedrock AgentCore Gateway 推出,作為集中式工具伺服器,支援將 API 轉換為 MCP 工具。
2025-10
Amazon Bedrock AgentCore 正式推出,包含 Runtime、Memory、Identity、Gateway、Code Interpreter、Browser 和 Observability 等服務。
2025-11
AgentCore Gateway 擴展支援現有 MCP 伺服器作為新的目標類型,進一步統一工具整合。
📎 來源 (24)
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: AWS Machine Learning Blog ↗
