AWS 最近公布了一套面向企业内网的连接方案,并已在弗吉尼亚北部区域完成测试。它值得关心之处在于,智能体落地的瓶颈正从模型能力转向网络治理:企业如何让 AI 安全调用内部系统,同时接受统一审计。
Amazon Bedrock AgentCore Gateway 是用于连接智能体与外部工具的服务网关;MCP(Model Context Protocol,让 AI 以统一方式调用数据和工具的协议)服务器则可代表企业内部系统。此次方案采用“中心辐射型”网络:各业务网络中的私有 API 和 MCP 服务,通过 VPC Lattice(AWS 的私有网络连接服务)接入中央检查点,所有进出流量都经过企业防火墙。
这是什么
这不是一项新的模型或智能体产品,而是一套网络连接与安全架构参考。AWS 提供 CloudFormation 模板、测试脚本、地址规划、验证步骤和故障排查资料,帮助拥有多个业务网络的企业,把智能体接入内部 REST API(服务之间传输数据的一类接口)和 MCP 服务。
方案的核心是让网络团队继续管理子网、路由与防火墙,业务团队负责应用资源。AWS 还提供两种模式:托管模式由 AgentCore 创建接入点;自管模式允许企业自行创建网络入口和目标配置。当流量必须经过中央防火墙时,自管模式更有价值。
行业怎么看
我们认为,这类方案释放了一个明确信号:企业采购智能体平台时,正在同时评估模型效果和基础设施适配。前沿模型可以通过不同框架接入,但企业内网往往由安全与网络团队统一管理,无法为每个智能体单独放行。
支持者会认为,标准化接入能降低重复开发成本,并让流量检查、权限控制和故障定位保持一致。尤其对已有成熟网络治理体系的企业,模板化方案可能比让应用团队自行处理连接更可靠。
风险也同样清楚。该模式目前主要在 AWS 环境中验证,依赖 VPC Lattice、AWS RAM(跨账号共享云资源的服务)等组件,架构深度绑定 AWS。它也把复杂度转移到网络层:地址规划、跨账号共享、权限配置和防火墙检查都会成为新的维护负担。AWS 自己也提醒,该模式应作为参考指南,而非适用于所有企业的固定答案。
对普通人的影响
对企业 IT:企业引入智能体不再只是部署模型,还要重做部分网络与权限流程。技术负责人更值得关注的是可审计性和责任边界,而不是演示中的调用成功率。
对个人职场:未来 AI 助手接入 CRM、报销、研发等内部系统时,通常会先经过安全网关。对员工而言,好处是工具更懂公司业务;限制则是每次调用可能留下更完整的权限与访问记录。
对消费市场:面向消费者的智能体若要操作企业后台,同样需要这些连接能力。短期内,这会提高大型企业服务智能体的落地门槛,也可能让合规、可控的企业服务比单纯“更聪明”的产品更有竞争力。