使用 Okta Cross App Access 和 Amazon Bedrock AgentCore 管理 AI 智能体访问权限 – 第 2 部分 | Amazon Web Services

📌 One-Sentence Summary
本文介绍如何使用 Amazon Bedrock AgentCore Gateway 和 Cedar 策略扩展 AI 智能体访问治理:以集中式入口取代第 1 部分中智能体与 MCP 服务器的直接连接,为企业部署统一处理授权、令牌交换和可观测性。
📝 Summary
本文基于第 1 部分介绍的 Okta Cross-App Access(XAA)治理机制,进一步引入 Amazon Bedrock AgentCore Gateway,为企业级 AI 智能体部署提供集中式入口。文章针对智能体与 MCP 服务器直接连接难以扩展的问题展开说明:当智能体数量达到数百个、工具数量达到数千个时,这种连接方式会变得难以管理。解决方案是使用 Gateway 端点集中维护目标注册表、兑换 Okta 授权,并在调用工具前评估 Cedar 策略。文章还展示了一个运行在 Amazon EKS 上的第二个智能体,证明无论智能体运行在哪里,都可以通过这一统一入口访问工具。文章提供了 Python 代码,用于配置 Gateway 的入站授权器、凭证提供程序,以及根据智能体获得的委派权限范围将工具与智能体关联起来的 Cedar 策略。此外,文章还详细介绍了如何使用 CloudWatch Transaction Search 和 OpenTelemetry span 实现可观测性,追踪每一项授权决策,并通过将 Okta System Log 与 AgentCore 内部 span 关联起来执行审计查询。
💡 Main Points
对于拥有数百个智能体和数千种工具的企业部署,第 1 部分中的智能体与 MCP 服务器直接连接架构难以扩展。
连接关系矩阵带来的问题是:每增加一种工具,就必须更新所有需要使用它的智能体;同时,每个智能体的角色都要累积对所有资源进行令牌交换的权限,导致凭证路径难以管理,审计也更具挑战性。
AgentCore Gateway 充当统一入口,集中处理授权、令牌交换和策略评估。
Gateway 集中维护目标注册表,只接受来自授权智能体的 ID-JAG,并在每次工具调用前评估 Cedar 策略,同时集中兑换 Okta 授权,从而无需让各个智能体持有令牌交换权限。
AgentCore Policy 引擎中的 Cedar 策略根据 Okta 委派的权限范围,将工具与智能体关联起来。
策略将 JWT 声明用作标签,确保智能体只能调用符合其获准权限范围的工具,例如「xaa:read」或「xaa:write」。默认拒绝机制可确保未经授权的访问在到达 MCP 服务器之前就被阻止。
AgentCore Observability 在每个授权环节生成 OpenTelemetry span,提供端到端审计轨迹。
Gateway 入站身份验证、Policy 授权、Identity 令牌交换和 MCP 服务器决策产生的 span,可以与 CloudWatch Omni 中的 Okta System Log 关联起来,从而通过查询追踪 ID-JAG 授权及其后续授权结果。
Amazon EKS 上的第二个智能体证明,运行在 AgentCore 运行时之外的智能体也可以通过 Gateway 统一入口访问工具。
部署在 EKS 上的智能体通过自己的 Gateway 和凭证提供程序遵循相同的访问路径;EKS Pod Identity 则为模型调用和日志记录提供 IAM 权限,展现了该架构对不同部署环境的适应性。
💬 Key Quotes
对单个智能体和两种工具来说还算简单的事情,到了拥有数百个智能体和数千种工具的企业环境中,就会变得复杂起来
AgentCore Gateway 成为统一入口,并为每个目标兑换 Okta 授权
AgentCore 中的 Policy 会评估 Cedar 策略,将每种工具与相应的智能体及 Okta 委派的权限范围关联起来
因此,一次工具调用会产生一串 span,每个 span 都会指出作出决策的控制环节
Cedar 会将 JWT 声明作为标签公开。策略读取缺失的标签时会报错,并被跳过。被跳过的许可不会授予任何权限,因此默认拒绝仍然有效
📊 Article Meta
AI Screening: 88
Source: AWS Artificial Intelligence
Author: Hammad Ausaf
Category: 人工智能
Language: 英文
Read Time: 15 min
Word Count: 3530
Tags:
AI 与智能应用 , 可观测性 , AI 工程 , MCP协议 , AI Agent
看标题就点进来了,内容果然没让人失望。
有没有更详细的教程,期待后续。
思路清晰,干货满满。
看标题就点进来了,内容果然没让人失望。
楼主辛苦了,内容很有参考价值。
看标题就点进来了,内容果然没让人失望。
楼主辛苦了,内容很有参考价值。
很有价值的分享,感谢整理。
收藏了,以后慢慢研究。
实话,说的不明不白
这个观点很中肯,深有同感。
有没有更详细的教程,期待后续。