Wood Mackenzie 如何在 Amazon Bedrock AgentCore 上构建企业级共享智能体平台

构建一个可运行的智能体原型只需半天时间，但将其推向生产环境却是另一回事。一旦智能体需要服务多个用户，并发控制、会话隔离、身份管理、持久化状态、弹性扩缩容和安全护栏等工程层级便接踵而至。行业调查数据显示，截至 2026 年初，企业 AI 实验几乎已经普及，但仅有约四分之一的组织在哪怕一个业务职能中实现了智能体的规模化落地。Forrester 的研究将智能体失败的主要原因归结为目标模糊、协调失当和系统行为不可预测，而非普通的代码缺陷。

在 APEX 出现之前，Wood Mackenzie 内部的三款应用——面向内部用户的 Woody、外部消费者平台 Lens AI 以及 ST Trading App——各自走在独立搭建智能体技术栈的道路上。这意味着同样的基础设施成本将被重复支付三次，三套系统之间无法共享内存、工具或评估结果。这种碎片化格局不仅浪费资源，也让跨团队的治理和审计几乎无从实现。共享平台的核心价值正在于此：由一套运行时统一处理编排、安全、可观测性、身份和连接，各团队则专注于真正差异化的业务逻辑。

Wood Mackenzie 在评估 AgentCore 时，将其与 LangChain、CrewAI、n8n 以及直接调用前沿模型 API 等方案进行了系统比较，考察维度涵盖托管模式、成本结构、模型无关性、可扩展性、治理能力和企业级支持。AgentCore 作为 AWS 托管平台，在自动扩缩容、原生护栏与策略管理、IAM 集成以及企业级 SLA 方面具有明显优势，最终成为唯一满足全部生产级要求的选项。平台于 2025 年 10 月正式 GA，同步支持 Amazon VPC、AWS PrivateLink、CloudFormation 和资源标签。

AgentCore 的模型无关性是 APEX 架构的关键支柱之一。团队可以用一个模型做规划、用另一个模型执行任务，也可以在不丢失对话上下文、不修改业务逻辑的前提下切换模型供应商，进行价格与性能的横向对比。平台同时支持模型上下文协议（MCP）和智能体间通信协议（A2A），为未来多智能体系统的协作奠定了互操作基础。内容过滤、PII 检测和策略执行均作为托管能力提供，策略规则通过自然语言编写后自动转换为 Cedar 格式，开发、合规和安全团队无需编写自定义代码即可完成审计。

APEX Studio 作为统一控制平面，为内部和外部用户提供一致的交互体验，同时通过身份感知的权限体系确保不同用户只能访问其被授权的数据和工具。平台的可观测性能力填补了企业智能体项目中最常被提及的评估盲区——团队可以在真实流量上持续监控智能体行为，而不再依赖无法捕捉非确定性错误的传统回归测试。随着多智能体系统逐渐成为默认架构，APEX 的共享基础设施模式也为 Wood Mackenzie 下一阶段的智能体协作网络提供了可扩展的起点。

要点

• 企业 AI 项目失败的主因是架构重复建设而非模型能力，共享智能体平台可将基础设施成本从多次支付降为一次
• AgentCore 的模型无关性允许团队在不修改业务逻辑的情况下自由切换 Claude、GPT-4.1、Amazon Nova 等模型供应商
• 原生护栏与 Cedar 策略引擎让合规和安全团队无需编写代码即可实时拦截和审计每一次工具调用
• 自动扩缩容支持数千个并发智能体调用，单次执行窗口长达 8 小时，彻底消除容量规划负担
• 可观测性和评估能力是弥合 AI 实验与生产落地之间鸿沟的关键，也是 APEX 平台设计的核心优先级