AWS推出AgentCore Gateway，为AI智能体工具访问提供集中治理入口

Amazon Web Services 在其官方机器学习博客中，详细介绍了基于 Amazon Bedrock AgentCore 的智能体工具访问治理方案。随着编码智能体、自主智能体与人机交互类智能体在企业环境中大规模落地，「哪些 AI 智能体能访问客户数据、由谁授权、凭证泄露后的暴露面有多大」已经成为安全团队无法在一分钟内回答的共性问题。当 AI 智能体通过 Model Context Protocol（MCP）直连内部工具、却缺乏集中治理时，企业将面临凭证散落、策略漂移、审计空白、成本不透明以及影子 IT 五类结构性风险。

AgentCore Gateway：单一受控入口

AWS 提出的核心方案是 Amazon Bedrock AgentCore Gateway，它为组织内部的智能体流量提供「一扇受控的门」。在该架构中：

AgentCore Identity 负责身份认证、授权与凭证管理；
AgentCore Policy 用于定义并强制执行智能体与工具交互时的安全策略；
Amazon Bedrock Guardrails 叠加安全与隐私控制；
AWS Agent Registry 提供工具的集中编目、策展与发现能力。

博客同时点出可自托管的替代方案，包括 Kong Gateway、Open Policy Agent、NeMo Guardrails 与 LangFuse，供不同部署偏好客户参考。

四阶段治理成熟度路径

针对企业 MCP 部署常见的「先花数月搭一座完整网关、再放行 AI 使用」的反模式，AWS 给出按痛点分阶段推进的成熟度路径，每一阶段都能独立交付价值：

Scope 1 Connect：建立最小可用受控网关，启用 SSO 认证、集中凭证与 CloudTrail 审计，适用于 1–20 名试点用户与低风险工具。
Scope 2 Control：在网关上叠加 Cedar RBAC/ABAC、PII 脱敏、3LO 同意与 DCR，回答「谁在何时按何策略调用了哪个工具」。
Scope 3 Catalog：通过 Registry、Resources MCP、OPA 与按工具的成本归因，让团队自助发布与发现工具，包括本地部署系统。
Scope 4 Harden：在用户规模超过 1000、缺乏熔断与多区域容灾时，补充私有连接、治理仪表盘、弃用工作流与多区域故障切换。

配套工具与前置条件

方案兼容 Kiro、Claude Code、Cursor、Amazon Quick 等 MCP 客户端。落地 Scope 1 需要以下前置条件：拥有可创建 Amazon Bedrock AgentCore 与 Amazon Cognito 资源的 AWS 账户，熟悉 OAuth 2.0 与 IAM，具备 AWS CLI 基本使用经验，并理解 Model Context Protocol。博客随后以「先在网关上注册一个低风险只读 Lambda 目标（例如只读工单搜索）」为示例，演示如何用 Cognito 颁发的 JWT 完成最粗粒度的认证授权，为后续阶段打好基础。

整体来看，这篇博客既是 AWS 对 AgentCore 治理能力的官方说明，也是一份面向架构师与安全团队的可操作蓝图，强调「按实际治理痛点分阶段演进」而非一次性大建设。