☁️AWS Machine Learning Blog•最新收集於 29m
將自然語言轉換為代理程式政策
💡了解如何將自然語言治理規則轉換為可執行的 AgentCore policies。
⚡ 30-Second TL;DR
有什麼變化
Policy Authoring 可將自然語言政策文件轉換為 Dogwood policies。
為什麼重要
這降低了企業團隊將治理要求轉換為可執行代理程式控制措施的門檻。時間規則可協助組織限制代理程式執行敏感操作的時段，提升營運安全性與合規性。
下一步行動
檢視現有的代理程式治理文件，並使用 AgentCore Policy Authoring 將其中一項政策轉換為 Dogwood policy 進行測試。
誰應關注：Enterprise & Security Teams
關鍵要點
- •Policy Authoring 可將自然語言政策文件轉換為 Dogwood policies。
- •AgentCore Policy 可跨 AI 代理程式強制執行控制措施。
- •現在支援時間限制，讓政策執行更加精確。
- •文章提供政策撰寫的實作範例與最佳實務。
🧠 深度解析
背景與延伸：來自公開資料，非原文內容。引用 18 個來源。
🔑 增強重點摘要
- •Dogwood 是一種開源政策語言，它擴展了 Cedar，增加了時間條件，允許政策在決定是否允許當前動作之前，參考代理程式會話中先前的工具呼叫和回應。
- •Dogwood 政策支援更進階的模式，例如工作流程排序、人工審批門檻、參數匹配、資料新鮮度檢查以及跨並發請求的總體傳輸限制。
- •AgentCore 中的政策執行是在 Gateway 層級運作，獨立於代理程式自身的程式碼之外，這確保了決策的確定性，並防止代理程式透過提示注入或程式碼錯誤來規避政策。
- •AgentCore 政策撰寫支援直接以 Cedar 語言編寫，也支援從純英文語句自動生成，並會對生成的政策進行驗證和分析，以避免過於寬鬆或過於嚴格的政策。
- •Amazon Bedrock AgentCore 是一個全面的平台，用於安全地大規模部署和操作 AI 代理程式，提供 Runtime、Memory、Gateway、Identity 和 Observability 等服務。
🛠️ 技術深入
- Dogwood 政策語言 (
.dw) 是一個領域特定語言，旨在表達細粒度、有狀態的授權邏輯，它透過增加對時間邏輯（基於歷史的約束）和外部資訊提供者（計算事實）的一流支援來擴展 Cedar 政策語言。 - Dogwood 政策使用
when temporal { ... }區塊來引用事件歷史，以實現會話感知規則。 - 事件對應於工具呼叫請求及其結果，攜帶輸入參數和請求主體。
- 時間條件會被轉換為一個 Cedar 上下文欄位，解釋器會從事件歷史中填充該欄位，然後 Cedar 做出決策。
- Dogwood 基於度量一階時間邏輯 (MFOTL)，支援
formerly within W（檢查過去窗口中某條件是否至少為真一次）、previous within W（檢查事件流中緊接的事件）和left since within W right（檢查自錨定事件以來某條件是否持續為真）等運算符。 - Dogwood 政策遵循預設拒絕模型，並具有拒絕優先的原則，即
forbid規則始終優先於permit規則。 - 代理程式的動作模式是從其模型上下文協議 (MCP) 工具清單中生成的。
- Dogwood 的參考解釋器是開源的，採用 Apache 2.0 許可證，但 AWS 聲明其旨在用於探索和測試，而非生產用途。
- 政策執行發生在 AgentCore Gateway 的邊界，獨立於代理程式自身的程式碼，確保代理程式無法攔截或操縱政策。
- AgentCore Policy 能夠從自然語言語句生成 Cedar 程式碼，並在執行前對其進行驗證和分析，以發現過於寬鬆或嚴格的政策。
- AgentCore 包含多個核心服務，例如 AgentCore Runtime（提供無伺服器或 EC2 實例的執行環境）、AgentCore Memory（管理短期和長期記憶）、AgentCore Gateway（將 API 和 Lambda 函數轉換為代理程式工具）、AgentCore Identity（提供安全存取控制）、AgentCore Observability（透過 CloudWatch 提供監控和追蹤，並與 OTEL 相容）、AgentCore Browser（提供託管的網頁瀏覽器實例）和 AgentCore Code Interpreter（提供隔離的程式碼執行環境）。
🔮 前景展望AI analysis grounded in cited sources
AI 代理程式將在受監管行業中獲得更廣泛的採用。
獨立於代理程式程式碼定義和執行複雜、有狀態政策（如 Dogwood）的能力，解決了敏感操作的關鍵合規性和安全問題。
AI 代理程式框架的開發將越來越多地整合外部政策執行層。
外部政策引擎（如 AgentCore Policy）的確定性和可審計性，特別是其時間邏輯，提供了一個強大的安全網，這是代理程式開發人員難以在其自身程式碼中複製或保證的。
用於政策撰寫的自然語言介面將成為 AI 治理平台的標準功能。
簡化從自然語言創建複雜授權規則的過程，降低了非技術利益相關者定義和管理 AI 代理程式行為的門檻，從而加速了採用和合規性。
⏳ 時間線
2023-07
Amazon Bedrock 代理程式預覽版發布
2025-07
Amazon Bedrock AgentCore 預覽版發布
2025-10
Amazon Bedrock AgentCore 正式上市
2026-03
Amazon Bedrock AgentCore 中的政策功能推出，支援 Cedar 和自然語言生成
2026-06
AgentCore harness（託管代理程式編排循環）正式上市
2026-08
AWS 推出 Dogwood 開源政策語言，擴展 Cedar 並支援時間條件，並整合到 Amazon Bedrock AgentCore 中
📎 來源 (18)
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 ↗
每週 AI 簡報
每週一封，可隨時退訂。