AWS 發布企業級 Agentic AI 平台參考架構

背景

在企業規模下，挑戰不在於建立單一代理，而在於讓數百位工程師在不同產品團隊中安全地建置、治理與操作這些代理，同時避免產生數百個不一致的身份模型、工具整合、提示詞控制、部署路徑、可觀測性慣例與安全例外。 AWS ML Blog 官方原文・github.com

發生什麼事

AWS 於 2026 年 6 月 17 日在 GitHub 發布了「Sample AI Agent Factory」參考架構，並透過 AWS ML Blog 於 2026 年 10 月 28 日發表詳細說明文章。該藍圖以 Amazon Bedrock AgentCore 為核心，提供具體的 AWS 實作範例，同時定義可被其他技術替代的能力合約。 官方原文・github.com AWS ML Blog

重點內容

該藍圖實作聯合治理模式（Federated model，中央平台團隊提供共享受治理服務，領域團隊保留對代理、工具與資料的擁有權），將平台分為四個平面：開發者體驗、平台控制、工作流執行與保障操作。規模化的單位是工作流儲存格（Workstream cell，代表產品、業務領域或監管邊界的隔離執行單元），每個儲存格包含團隊自有的 Runtime、Memory 與 Tool Gateway，使故障與回滾限制在單一儲存格內，並允許獨立部署。 AWS ML Blog 官方原文・github.com

平台提供版本化的代理模板，支援 Strands、LangGraph 與 CrewAI 等框架。所有模型呼叫必須經過受治理的 LLM Gateway（大型語言模型閘道），並強制執行 Amazon Bedrock Guardrails（安全護欄）與模型允許清單。工具存取則透過 MCP（Model Context Protocol，模型上下文協議）Gateway 進行身份驗證與權限控制。 原文 AWS ML Blog

部署流程包含自動化評估管線，在生產環境前驗證授權與對抗性測試、回滾能力與遙測指標。平台團隊負責共享服務健康度與共同控制，而產品團隊擁有代理程式碼、提示詞與應用 SLO（Service Level Objective，服務等級目標）。 官方原文・github.com AWS ML Blog

對使用者的意義

此藍圖旨在讓數百位工程師跨多個產品團隊建置、治理、發布與操作代理用例。開發者透過版本化介面與管線消費平台能力，無需等待平台團隊部署每個應用。平台團隊負責共享服務健康度與共同控制，FinOps 透過分配標籤、預算與 Cost Explorer 實現成本歸屬，平台 SRE 透過 CloudWatch OAM 連結與集中審計操作整個艦隊。 AWS ML Blog 官方原文・github.com

限制與未定事項

此為 MIT-0 授權的樣本與參考內容，非 AWS 正式服務。部署會產生實際計費的 AWS 資源。官方明確指出，目前的支援範圍僅驗證了愛爾蘭地區的一個有限拓撲，並非數百位開發者同時操作的基準測試；擴展至更大規模需獨立進行配額、並發與負載驗證。 官方原文・github.com