AWS Bedrock

 AWS Bedrock 最主要的功能是什么?

Amazon Bedrock 最核心的功能，可以简单理解为：

AWS 提供的一个“企业级生成式 AI 平台”——让你通过统一的 AWS 服务/API 使用不同厂商的大模型，并把它们接入企业数据、Agent 和现有 AWS 系统。

它主要解决下面几个问题：

1. 统一访问多种大模型
   不需要自己部署 GPU 或维护模型。Bedrock 提供托管的 Foundation Models，可以通过 API 调用不同模型，并根据成本、性能和任务进行选择。AWS 当前文档列出的模型生态已经覆盖 Amazon、Anthropic、OpenAI、DeepSeek、xAI 等。
2. Knowledge Bases / RAG
   把公司的文档、数据库等私有数据连接给 LLM。用户问问题时，Bedrock 先检索企业数据，再把相关内容交给模型生成答案，也就是典型的 RAG（Retrieval-Augmented Generation）。
3. Agents
   不只是让 LLM “回答问题”，而是让 AI 执行任务。Agent 可以理解用户要求、拆解步骤、查询 Knowledge Base、调用 API/企业系统，然后完成多步骤 workflow。
4. 模型定制和评估
   可以做 fine-tuning、continued pre-training、distillation，以及模型评估，从而针对企业自己的 use case 调整模型。
5. 企业安全与 Guardrails
   Bedrock 与 AWS 的 IAM、KMS、PrivateLink、CloudWatch、CloudTrail 等体系集成，同时提供 Guardrails 来控制敏感信息、不合适内容以及模型输入输出。

所以从架构角度，可以把它记成：

Amazon Bedrock = Model Platform + RAG + Agent + Guardrails + AWS Enterprise Integration

例如企业内部做一个 AI Assistant：

用户 → App → Bedrock Agent → Claude/GPT/Nova 等模型
　　　　　　　　　↓
　　　　　Knowledge Base（RAG）
　　　　　　　　　↓
　　　　　企业 API / Database

如果你是在比较云厂商的 GenAI 产品，我也可以进一步给你解释 AWS Bedrock vs Azure OpenAI vs Google Vertex AI 的核心区别。

AWS Bedrock AgentCore 最主要的功能是什么?

AWS 的 Amazon Bedrock AgentCore 最主要的功能，是帮助你把 AI Agent 从“能运行的原型”，变成“能在生产环境中安全、稳定、规模化运行的应用”。 它提供 Agent 所需的运行环境、工具连接、记忆、权限控制和监控能力，减少你自行搭建这些基础设施的工作。

可以把它理解为：大模型负责理解和推理，AgentCore 提供让 Agent 实际执行任务、并受到管理的基础平台。

核心功能

功能	主要组件	解决什么问题
部署和运行 Agent	Runtime	托管 Agent 代码，提供自动扩缩容、会话隔离和长时间任务支持，减少底层服务器管理。
连接企业系统和工具	Gateway	把 API、Lambda 函数等接入为 Agent 可调用的工具，也能连接已有的 MCP 服务器，提供统一的工具访问入口。
保存上下文和记忆	Memory	管理当前对话的短期记忆，以及跨会话的长期记忆，例如用户偏好和历史交互信息。
控制身份、权限和行为边界	Identity + Policy	管理 Agent 访问其他服务的身份与凭证，并在工具执行前检查规则，限制它能调用什么、执行什么操作。
操作网页、执行代码	Browser + Code Interpreter	提供托管浏览器和隔离的代码执行环境，用于网页交互、数据分析等任务。
监控、排错和评估质量	Observability + Evaluations	查看执行步骤、工具调用和失败位置，并评估 Agent 完成任务的效果。

此外，官方目前还提供 Harness：你指定模型、系统提示词和工具，由它托管 Agent 的执行循环，包括编排、工具执行和记忆管理。

举个例子

假设你要做一个“企业工单助手”，让它查询工单、分析问题并提交更新。可以用 Runtime 运行助手，Gateway 连接工单系统，Memory 保留上下文，Identity / Policy 限制可执行的操作，再通过 Observability 排查某次更新为什么失败。这是这些组件的一种典型组合方式。

一个容易误解的点：虽然名字里有 Bedrock，AgentCore 并不要求只使用 Bedrock 内的模型。 它支持 Bedrock 内外的模型，以及 LangGraph、CrewAI、Strands 等框架；各组件也可以按需独立使用，不必整套采用。

AWS Bedrock AgentCore Gateway 最主要的功能是什么?

AWS Bedrock AgentCore Gateway 最主要的功能，是为 AI Agent 提供统一、安全的外部能力接入入口。 最典型的用途，就是把已有的 API、Lambda 函数和业务服务，转换或接入为 Agent 能发现、能调用的工具。

围绕“让 Agent 使用工具”，它主要做三件事：

1. 协议转换：把业务接口变成 Agent 工具。
   例如，根据 OpenAPI 描述把 REST API 暴露为 MCP（模型上下文协议）工具。Agent 发起工具调用，Gateway 将其转换为实际的 API 请求或 Lambda 调用，减少你自己编写协议适配代码的工作。
2. 工具聚合与发现：一个入口访问多种工具。
   把不同 API、Lambda 和已有 MCP Server 的工具汇集到统一的 MCP 入口，并支持语义搜索，帮助 Agent 从大量工具中找到适合当前任务的工具。
3. 统一安全接入：处理两端的身份与凭据。
   一端验证调用网关的客户端身份、控制访问；另一端处理访问后端服务所需的 OAuth、API Key 或 IAM 等认证配置。

**举个例子：**你已有一个“查询订单”的 REST API，可以通过 AgentCore Gateway 把它作为工具提供给客服 Agent。Agent 负责理解用户问题、选择工具；Gateway 负责把工具调用转换成后端请求。已有的 Amazon API Gateway 也可以接在它后面，两者不是替代关系。

另外，按 AWS 当前文档，它已经不只限于 MCP 工具接入，还支持转发到其他 Agent／HTTP 服务，以及跨模型提供商的推理请求路由。因此，更完整的定位是“面向 Agent 的统一 AI 网关”。

AWS Bedrock AgentCore Identity 最主要的功能是什么?

AWS Bedrock AgentCore Identity 最主要的功能，是为 AI Agent 提供身份、授权和凭证管理，让 Agent 能以应用自身身份，或代表已授权的用户，安全地访问 AWS 资源及第三方服务。 它解决的核心问题是：“这个 Agent 是谁、它代表谁、应该用什么凭证访问资源？”

具体可以分为以下几项：

核心功能	解决什么问题
管理 Agent 身份	为 Agent 建立独立的工作负载身份（Workload Identity），集中管理和识别不同 Agent。
让 Agent 代表用户访问工具	协调 OAuth 2.0 授权流程，让 Agent 在用户同意后访问 Google Drive、Slack、GitHub 等服务；也支持不需要用户参与的机器对机器认证。
安全保管和获取凭证	通过凭证库加密保存 OAuth 令牌、客户端凭证和 API Key，避免在代码里写死密钥；在服务方提供刷新令牌时，自动刷新访问令牌。
配合入站认证	与 AgentCore Runtime 集成，使用 IAM 或 JWT 等认证机制控制谁可以调用 Agent，与 Agent 向外访问工具的认证形成完整流程。

**举个例子：**你让 Agent “读取我的 Google Drive 文件并总结”。AgentCore Identity 可以协调你的 Google 授权流程，安全保存相应令牌，再让获准的 Agent 获取令牌来调用 Google Drive。登录 Agent 应用的身份凭证，与访问 Google Drive 的凭证，是分开处理的，并不是登录一次就自动获得所有外部系统的访问权限。