AWS 推出 Trust in Depth：用可验证分层机制让 AI Agent 获得更多自主权
决策简报
Brief- 发生了什么
- AWS 发布 Trust in Depth 框架，通过在 Agent 运行的不同阶段施加可验证的分层控制，让 AI Agent 在规则可证明时自主执行，在需要判断时交由人工处理。
- 为什么重要
- MCP 相关变化会影响地区可用性、合规成本和供应商风险。
- 影响谁
- MCP
- 建议动作
- 升级或复核变更版本
- 地区可用性
- 暂未验证地区可用性差异。
关键事实
- AWS 发布 Trust in Depth 框架，通过在 Agent 运行的不同阶段施加可验证的分层控制，让 AI Agent 在规则可证明时自主执行，在需要判断时交由人工处理。 [src-aws-ml]
- 对在 AWS 上构建企业级 Agent 的团队来说，这个框架把治理从模型层挪到了基础设施层，Scope-Know-Bound-Observe 四层配合自动推理和策略管控，实际上是把「能否自主执行」这件事从提示词约束变成了可证明的系统属性。 [src-aws-ml]
由事件证据自动生成。
AWS 提出的 Trust in Depth 是一套覆盖 Agent 生命周期四个阶段的分层治理框架：运行前 Scope（确定 Agent 的职责、可访问的工具和数据、必须遵守的规则），部署时 Know（为每个 Agent 分配身份并追踪授权来源，通过 AWS Agent Registry 建立受管目录），运行时 Bound（通过 AgentCore Gateway 在 Agent 推理之外强制执行策略，支持时序策略根据会话进展动态调整权限），运行后 Observe（Amazon CloudWatch Omni 捕获每一步 trace，内置评估器对正确性、忠实性打分）。 核心机制是自动推理：对于「只有经理才能批准访问」这类可精确表述的规则，系统能在所有可能路径上证明其成立或精确找出失败案例；对于「保持友好语气」这类需要判断的规则，则限制 Agent 权限并交给人工。该技术已在 IAM（每秒超 21 亿次请求）、Nitro Hypervisor、S3 Block Public Access 等系统运行十余年。 对使用 Strands 或 Kiro 构建 Agent 的开发者，Strands Box 沙箱从 Agent 指令之外强制边界，Kiro 在编码阶段就用自动推理发现需求矛盾并生成属性测试。对管理多云 Agent 的企业运维团队，这套机制意味着可以在不牺牲安全性的前提下逐步放开 Agent 自主权限。
摘要依据：已读全文详摘依据上方标注的来源范围整理，内容以原文为准。
来源
- AWS：Machine Learning Blog
Applied ML, infra, and deployment guidance useful for AI builders on AWS.
- AWS：Machine Learning Blog
留言
登入后即可留言，和其他 builder 交换实测心得。
还没有留言，抢头香。