Amazon Bedrock AgentCore 的合规新能力

AI 智能体的自主决策能力在提升效率的同时，也带来了合规风险。Amazon Bedrock AgentCore 的 Policy 功能正是为此而生——它允许团队在智能体运行层面统一施加控制，而非依赖事后审计。此次更新将策略能力从静态参数约束扩展至时间维度，支持对工具调用的时序关系、频率上限和前置条件进行精细管控，使合规规则能够真正跟上智能体的动态行为。

Policy Authoring 的核心定位是「翻译器」而非「摘要器」。它接收一份已经写好的自然语言规则文档，结合智能体的 MCP 工具清单自动生成的 Schema（包含工具名称、参数和返回值），将规则精确映射为 Dogwood 策略。这意味着合规团队可以继续使用他们熟悉的文档格式，无需学习形式化语言，也无需手动对齐工具参数名称。最佳实践是在提交前将文档精简为纯规则列表，去除背景说明和注释，以获得最准确的转换结果。

以一家零售银行的客服智能体为例，该智能体拥有身份验证、发起转账、发放退款、提交争议和请求审批等五项工具。针对「退款仅限工作日 UTC 9:00–17:00 且金额不超过 2500 美元」这一规则，Policy Authoring 生成了一条带有两个独立条件的 permit 策略：一个检查当前系统时间是否在业务时段内，另一个验证 issue_refund 调用的 amount 参数是否满足上限。两个条件必须同时成立，退款操作才会被放行。

时序约束是此次更新的重要亮点。针对「转账前必须在 15 分钟内完成同账户身份验证」这一规则，生成的策略使用了 formerly within 15m 语法，检查过去 15 分钟内是否存在针对同一账户且返回 verified: true 的 verify_identity 完成事件。策略中通过 input.account 引用历史事件的字段，通过 context.input.account 引用当前调用的字段，两者相等才能精确匹配「同一账户」的语义，避免跨账户验证被误判为合规。

Dogwood 采用默认拒绝机制，forbid 规则优先级高于 permit，这一设计使策略体系天然偏向保守。Policy Authoring 生成的策略完全遵循这一逻辑：授权类规则转化为带条件的 permit，限制类规则转化为 forbid。结合 Amazon Bedrock Guardrails 的语义内容检测能力，策略不仅能约束结构化参数，还能对自由文本的语义含义进行合规检查，为金融、医疗等强监管行业的智能体部署提供了更完整的防护层。

对于希望快速落地智能体合规管控的团队而言，Policy Authoring 降低了形式化策略的编写门槛，但前期的规则梳理工作仍不可省略。清晰、无歧义的自然语言规则是高质量 Dogwood 策略的前提。AWS 建议将现有操作规程中的规则部分直接作为输入，并在生成后结合实际工具 Schema 进行验证，确保参数单位、账户标识等细节与智能体实现保持一致。

要点

• Policy Authoring 可将自然语言合规文档自动转换为 Dogwood 形式化策略，无需手动编写形式化规范，显著降低合规团队的技术门槛。
• 新增的时序约束能力支持速率限制、工具调用前置条件和顺序控制，使策略能够覆盖智能体跨多步骤的动态行为。
• Dogwood 默认拒绝、forbid 优先的机制确保策略体系天然保守，结合 Amazon Bedrock Guardrails 可同时约束结构化参数和自由文本的语义内容。
• 最佳实践是在提交前将文档精简为纯规则列表，并在生成后验证参数名称和单位与实际工具 Schema 的一致性。
• 该功能通过 AgentCore Gateway 内置的 Dogwood 监控器实时执行策略，适用于金融、医疗等对智能体行为有严格合规要求的场景。