Amazon Bedrock AgentCore 推出时序策略与速率限制，从基础设施层管控 AI 智能体行为

当前大多数安全护栏的设计逻辑源自传统软件——行为可预测、路径固定。智能体则不同，它在运行时自主决定每一步操作，导致每个单独请求看似合规，但整体行为模式却可能越界。一个典型场景是：智能体查询客户账户后将资金转入错误账号，或将多笔订单拆分至审批阈值以下分批提交，抑或在工具调用失败后彻夜重试直至耗尽 Token 预算。这些问题的根源在于缺乏跨步骤的整体视角。

为此，AWS 在 AgentCore 网关中引入了时序策略机制。与现有的无状态授权检查不同，时序策略引擎会在评估当前请求时同步审视该会话内智能体已执行的历史操作序列。策略可以要求某次调用传入的参数必须与前一次调用的返回值匹配，可以累计会话内的总支出并在触达预算上限时拦截后续操作，还可以强制执行步骤顺序或要求重要操作必须留存人工审批记录。当用户离线后，权限范围还能自动收窄。

驱动时序策略的是 AWS 专为 AI 智能体设计的开源策略语言 Dogwood。Dogwood 以 Cedar 为基础构建，在其之上增加了面向智能体治理的时序语义，包括速率限制、时间窗口、前置步骤校验和升级触发器。整套规范和参考实现已在 Apache 2.0 协议下开源，客户可完整审查策略评估逻辑，生态系统也可在此基础上构建配套工具链，兼顾透明度与可扩展性。

成本治理是智能体规模化落地的另一道关卡。Forrester 的研究指出，成本不可控是智能体 AI 难以规模化的首要原因。智能体的消耗方式多样：重试循环体现为请求量激增，推理密集型任务体现为 Token 大量消耗，长时间研究任务则体现为连接长期占用而流量极低。单一维度的限制很容易被绕过，因此 AgentCore 网关的速率限制同时覆盖请求数、Token 数和连接时长三个维度，并支持按秒和按分钟两种时间窗口粒度。

速率限制与企业现有的身份体系深度集成，支持通过 OAuth 或 IAM 管理的用户身份进行精细化配额分配，覆盖网关背后的所有工具、模型和智能体。这意味着团队无需为每个智能体单独配置限制逻辑，而是在统一入口处完成一次性配置，策略即对所有流量生效。结合时序策略的行为管控与速率限制的成本上限，AgentCore 将安全与治理能力从应用代码层下沉至基础设施层，使企业审批新智能体从逐案谈判转变为平台级标准化流程。

要点

• 时序策略将授权判断从单次请求扩展至整个会话行动序列，可拦截跨步骤的异常模式，如分批绕阈、错误转账和无限重试
• Dogwood 是专为 AI 智能体设计的开源策略语言，基于 Cedar 扩展时序语义，已在 Apache 2.0 协议下开放规范与参考实现
• 网关速率限制同时覆盖请求数、Token 消耗量和连接时长三个维度，防止智能体通过任意单一路径耗尽资源
• 所有策略均在基础设施层强制执行，与智能体代码解耦，决策结果确定性强、默认拒绝，并附带完整上下文审计日志
• 两项能力共同将企业对智能体的审批从逐案协商转变为平台级标准化治理，有望加速自主智能体的规模化落地