Amazon Bedrock AgentCore Web Search 将依赖监控规则写入代码
AWS 于 11 月 10 日发布了一款依赖监控器,它使用 Amazon Bedrock AgentCore web search,同时将强制性规则置于模型控制范围之外。该示例使用协调智能体工作流的 LangGraph 框架,研究软件依赖项并生成带引用的发现结果。其核心区别在于权限:模型决定查询内容,而应用程序代码决定哪些结果符合要求。
这种划分解决了安全团队在考虑采用 AI 研究智能体时面临的实际问题。一份易读的摘要并不能证明其建议遵循了经批准的信息源、时间限制或支出边界。AWS 提供了这些边界的可审查实现,同时明确说明其证据检查尚未解决的问题。
相关的比较对象是模型主导的研究与应用程序强制执行的策略。GitHub 的 Dependabot 通过针对特定代码仓库的漏洞警报,提供了另一个参考点。AWS 示例探索了一种互补的研究工作流,但在任何人将某项发现视为可采取行动的结论之前,其输出仍需经过权威的安全审查。
Amazon Bedrock AgentCore Web Search 示例带来了什么变化
AWS 的贡献在于提供了一个具体示例,将研究自主权与强制性运行规则分离开来。
在其依赖监控器示例中,AWS 描述了针对 npm、PyPI 和容器基础镜像开展的并行研究。这些分别代表 JavaScript 软件包、Python 软件包以及用于构建容器的基础镜像。模型负责搜索并起草发现结果;代码则对工作施加约束。
AWS 报告称,该运行示例采用七天时间窗口、执行 12 次搜索,并返回 80 个来源。并行分支在 36 秒内完成,而将各自耗时相加则为 99 秒。这些数字描述的是该公司的演示,并非经过独立验证的性能基准。
该示例会检查引用是否来自对应分支的搜索、来源文本是否提及该软件包,以及是否出现任何公告标识符。它还会检查发布时间窗口,拒绝缺失日期的内容。AWS 明确表示,这些检查并不能确认严重性、是否已被利用、受影响版本、建议操作或首次披露时间。
这一限定界定了该发布的意义。该示例让研究流程的部分环节可供审查,但并未将生成的报告呈现为完整的漏洞评估。读者应在这一更狭窄的层面评估该工作流。
这里可以看出一个有用的区别:生成答案与确立将其纳入报告的许可并不相同。模型可以提出一项发现,但另一个组件决定它是否满足最低证据要求。无论模型以多大的把握呈现答案,该组件都可以拒绝它。
对于工程经理而言,这会改变审查讨论的方式。审查者不必再问提示词的要求是否足够严格,而可以询问哪个组件负责执行每项规则。他们还可以区分配置失败与缺乏支持依据的模型陈述。
设想一份关于内部服务所用软件包的晨间简报。一个有用的研究助手应识别相关公告、保留其证据,并说明分析师为何应进一步调查。它不应悄然将该公告转化为关于公司已部署软件的已验证结论。
因此,该示例的重要性超出了依赖项监控。它提出了一种有边界的研究架构,其中生成的判断仍从属于明确的接受标准。其价值取决于团队在扩展该样例时,能否谨慎地保持这种区分。
这也是为何应克制解读已公布的时间数据。更快的检索可以缩短等待候选发现结果的时间,但分析师的工作量取决于这些结果的相关性和正确性。只有当这些候选结果能够支持明确决策时,报告才具有实际运营价值。
AWS 凭证简化访问,但来源策略仍需明确负责人
复用云凭证消除了一个集成任务;它并不能决定哪些信息值得信任。
应用程序编程接口,即 API,使软件能够通过定义好的接口请求服务。Amazon Bedrock AgentCore web search 通过此类接口提供排序后的网页结果,并使用 AWS Identity and Access Management,即 IAM,进行授权。IAM 用于定义哪些身份可以执行特定 AWS 操作。
根据 web search API 文档,应用程序无需预置搜索资源,即可检索页面摘录和可用的来源元数据。请求支持域名和发布时间筛选。AWS 还要求保留并展示面向用户的输出中所使用的引用和链接。
这种安排适合已经通过 AWS 管理应用程序身份的团队。他们可以将搜索访问权限纳入现有权限审查流程,而不必引入另一套独立的搜索凭证。这是一项运维便利,尤其是在开发者与平台管理员之间发生职责交接时。
然而,授权只回答了一个有限的问题:应用程序是否可以调用这项服务。它并不能证明应用程序提出了恰当的问题,或正确地解读了答案。搜索权限与编辑判断仍是两项独立职责。
来源策略带来了另一个责任归属问题。必须有人决定,哪些发布者对于特定依赖生态系统而言属于权威来源。这项决定应反映监控的目的,而不是依据哪些来源最容易让模型完成答案。
广泛发现工作流与已验证公告工作流需要不同的接受标准。发现工作流受益于找到相关线索,包括值得进一步调查的不完整报告。已验证公告工作流则需要更强的证据,才能确定受影响版本或建议修复措施。
团队应在评估输出之前,先确定自己正在运行哪一种工作流。否则,探索性结果仅仅因为出现在定期报告中,就可能获得安全决策般的表象。格式应让接收报告的人能够看清这种区别。
同样的推理也适用于发布日期。日期筛选表达的是检索边界,但读者仍需理解该边界意味着什么。近期发布的旧问题讨论,与新近披露的问题并不相同。
从治理角度看,重要的产物是一项由明确负责人负责的显式策略。该策略应说明监控的目的,以及每类输出所需的证据。它还应明确谁负责审查例外情况。
这些是实施建议,并非 AWS 演示所确立的功能。其目的在于防止更便捷的搜索访问意外扩大决策权限。熟悉的凭证系统让集成更简单,但应用程序仍需要清晰定义何为可接受的研究。
LangGraph 依赖监控将强制规则移出提示词
该设计中最强的边界在于,模型无法扩大其搜索工具中编码的权限。
LangChain 搜索集成记录了工具包的设置,包括固定域名筛选、发布时间边界和搜索预算。设置 model_filters=False 会向模型暴露仅查询的接口。设置 return_sources=True 则会将来源结果保留为结构化数据,以供应用程序检查。
这种区别属于架构层面。提示词要求模型遵守规则;受约束的工具则限制其可执行的操作。尽管它不能验证模型得出的每项结论,但它为强制性要求提供了更可审查的基础。
搜索预算说明了这一差异。研究指令可以要求智能体在获得足够证据后停止。工具层面的预算则建立了外部停止条件,即使智能体认为另一次查询会有帮助也是如此。
这一边界也产生了报告义务。如果智能体耗尽可用搜索次数,应用程序应区分研究尚未完成,与充满把握地认为不存在相关内容这两种情况。有边界的流程需要如实说明该边界阻止了什么。
LangGraph 依赖监控让人们更容易将这些决策作为工作流中的阶段进行讨论。检索负责收集证据,生成负责提出解释,验证则决定哪些提议满足明确要求。将这些阶段合并成一个没有区分的答案,会使故障更难定位。
将来源数据保留在生成的叙述之外尤其有用。审查者可以将模型的解释与应用程序实际接收的材料进行比较。他们不必仅依赖模型对自身证据的描述。
例如,分析师可能会收到一项关于熟悉软件包名称的说法。其底层来源可能涉及另一个名称相似的项目,或描述一件无关的历史事件。将发现结果与其证据分离,为审查者提供了调查这种不匹配的切入点。
这也有助于澄清被拒绝的发现意味着什么。被拒绝可能表示该主张未能满足应用程序规则下的证据要求,并不意味着该主张本身为假。当分析师决定是否单独调查被排除的材料时,这一区别很重要。
更广泛的压力落在围绕大量提示词构建智能体的团队身上。他们需要识别哪些指令表达的是偏好,哪些则是必须始终满足的要求。后者应在模型无法覆盖的组件中得到执行。
这并不意味着提示词无关紧要。提示词仍然传达任务、预期范围和有用的输出。它们应与受约束的工具和明确检查配合使用,每个组件承担其真正能够履行的职责。
对于采购方而言,由此产生的评估变得更加具体。要求供应商指出每项声称限制的执行点。然后询问,当模型请求超出该限制的操作,或在缺乏合格证据的情况下给出结论时,会发生什么。
这些问题揭示了书面指令与已实施控制之间的差异。与仅凭一份润色精美的示例答案相比,它们也为比较研究智能体提供了更好的依据。
带引用的发现结果仍不同于已验证的漏洞警报
引用可以让一项主张可供审查,但并不能确保该主张中的每个字段都正确。
这正是应将 AWS 示例与成熟依赖工具进行比较之处。GitHub 说明,Dependabot alerts 会将已知漏洞与仓库的依赖关系图关联起来,后者记录了依赖关系。警报可包含受影响文件、严重性信息以及可用的修复版本。
GitHub 也记录了其局限性,包括新披露漏洞进入其公告数据库前可能存在延迟。因此,Dependabot 提供的是一项有益的比较,而不是证明任一方法能够实现完整覆盖的论据。与仓库关联的警报和开放网络研究所回答的问题有所重叠,但并不相同。
这一比较揭示了 LangGraph 依赖监控的一个实际边界。发现一篇关于某个软件包的报告,并不能证明该软件包存在于某个特定部署中。即便确实存在,已安装版本和使用场景仍然同样重要。
设想一个监控器发现了描述某个存在漏洞的软件包版本的来源。在组织采取行动之前,仍需有人将报告中的版本范围与自身资产清单对应起来。这是额外的验证步骤,并非有效引用自动导出的结论。
对于已被利用的说法也应保持同样谨慎。某个来源可能讨论概念验证、疑似滥用,或在另一环境中已确认的利用情况。生成的摘要应保留这些区别,而不应将其压缩为确定性的状态。
建议采取的行动也需要自身的证据。升级建议听起来可能合理,却未解决兼容性、可用性和部署限制问题。团队不应将模型提出的行动建议表述得仿佛由权威维护者提供。
这些是该工作流局限性所带来的分析含义,并非对已发布示例失败情况的报道。没有独立测试确定这类问题在此实现中出现的频率。关键在于,其验收检查无法解决这些下游问题。
因此,证据审查应在字段层面检验主张。软件包身份、受影响版本、严重性、利用状态和修复措施,可能分别需要不同的支持材料。支持一个字段的来源,可能对另一个字段只字未提。
这种方法也改变了分析人员对置信度的理解。一份报告可能有强有力的证据证明某项公告确实存在,却对组织暴露情况只有薄弱证据。将这些判断合并为单一置信度标签,可能掩盖最重要的不确定性。
对知识工作者而言,保留决策背后的推理同样重要。可搜索的知识库 提供了一种相关方式,用于组织技术文档及后续审查记录。这一组织层面应保留原始证据与内部解读之间的区别。
运营目标应是向审查者提供有用的交接。监控器识别候选项、说明其相关性,并保留追溯支持材料的路径。审查者则确定组织是否面临具体问题,以及何种响应是合理的。
这种分工为研究代理提供了可信的角色,而不假定其能够自主修复。它也为团队提供了一种衡量实用性的方式:这种交接是否改善了真实决策。
每日监控需要持久记忆和共享策略的明确归属
按计划开展研究,会带来一次成功的 notebook 会话无法解决的责任。
持久性意味着在一次特定执行结束后仍保留有用信息。LangChain 的持久化文档区分了检查点和存储:检查点保存线程的图状态,而存储则跨线程保留由应用程序定义的信息。记住先前发现与恢复中断的运行彼此相关,却是不同的要求。
对于每日监控器而言,这一区分会影响“新”的含义。一个流程不应将应用程序重启视为此前遇到的每条公告都被重新发现的证据。其报告历史需要具有独立于当前执行的身份和生命周期。
仅靠持久化存储无法确定这种身份。团队必须定义,一项发现是代表一则公告、某个软件包与公告的组合,还是支持证据的某个特定修订版本。每种选择都会改变监控器何时应再次发出警报。
一则公告可能在此前报告后获得实质性更新。抑制所有重复标识符的去重规则,可能会隐藏这些更新。而仅依据页面地址的规则,则可能在不同出版物中重复报告同一底层问题。
这些是生产环境负责人应明确作出的设计选择。一项有用的报告策略会区分首次发现、实质性变化和无变化的重复内容。随后,实施便可保留接收者所需的这些区别。
交付还增加了另一种状态转换。将一项发现记录为已见,与将其成功发送给目标审查者并不相同。团队应检查流程在这两个事件之间停止时会发生什么。
部分研究失败也是如此。报告应区分已完成的覆盖范围与未能完成的分支。否则,即使流程未能检查其分配范围的一部分,空结果也可能显得令人安心。
共享使用会带来独立的策略挑战。AWS 的gateway source policies支持由管理员定义并应用于请求的域名列表。AgentCore Gateway 通过 Model Context Protocol(即 MCP)公开工具;MCP 是一种用于发现和调用工具的标准接口。
根据 AWS 的说明,请求级过滤器无法扩大 gateway target 允许的域名范围,也不能覆盖其排除规则。AWS 还表示,该搜索服务使用由 Amazon 运营的索引,不会将客户查询发送给第三方搜索引擎。这些是有文档记录的服务属性,并非本分析得出的独立发现。
当多个应用程序需要相同的来源限制时,集中式策略会有所帮助。它也集中了承担维护这些限制的责任。共享列表需要明确所有权、审查机制,以及处理被现行规则排除的合法来源的流程。
因此,组织层面的问题是每项决策应归属何处。平台管理员可以负责共享访问权限和来源边界。应用团队可以负责任务范围、验证和报告行为。安全审查者可以负责有关暴露面和行动的结论。
在团队将监控器扩展到各部门之前,这种职责分配应当清晰可见。否则,可复用的研究服务可能会像传播有用证据一样,轻易传播模糊的假设。
接下来该关注什么:覆盖、验证与重复运行
下一批有用证据将涉及研究质量和运营行为,以及执行速度。
首先,应关注针对一组已知公告的评估。具有意义的评估应明确软件包、观察期、权威参考材料和预期发现。随后,它应说明监控器发现、遗漏、拒绝或错误描述了哪些项目。
如果该工作流能持续呈现相关材料,同时让遗漏清晰可见,这些证据将加强其价值主张。持续存在的缺口则会缩小其适当角色。无论哪种结果,都会比一份令人信服的孤立报告更能说明问题。
评估还应将检索质量与解读质量分开。搜索服务可能返回相关来源,但模型可能误读它。反过来,模型也无法总结从未进入其证据集的关键公告。
其次,应关注覆盖引用归属以外字段的验证。有效进展应将关于版本、严重性、利用情况和修复措施的主张,与恰当的权威记录关联起来。重要成果应是为每项具有运营重要性的结论提供明确证据。
这类验证将加强更具后果性使用的论据。如果新增引用仍无法支持相关字段,仅增加更多引用并不能消除核心不确定性。读者应寻找有文档记录的验收规则,而不只是更长的参考书目。
第三,应关注重复的计划运行结果。这些报告应说明监控器如何处理重启、修订后的公告、部分失败和中断的交付。这些观察将揭示其对新信息的定义是否能经受普通运营变化的考验。
在这些条件下表现可靠,将加强采用每日工作流的理由。反复重复、隐藏的覆盖失败或被抑制的更新,则表明报告状态仍需进一步完善。这些是建议的评估信号,并非已公布的产品承诺。
综合而言,这些信号提供了一种超越集成便利性来评估 Amazon Bedrock AgentCore web search 的方法。它们将注意力集中于:有边界的研究是否能够为人工决策提供可靠输入。这正是接收报告的安全团队应采用的相关标准。
先从软件包和审查负责人均已明确的监控清单开始。在扩大范围之前,将监控器的发现与权威公告及现有依赖警报进行比较。记录其遗漏内容、审查者拒绝的内容,以及哪些建议需要额外证据。
让评估试点的人员能够查阅验收规则、证据记录和报告历史。预先决定什么构成有用覆盖,以及什么情况需要升级处理。Amazon Bedrock AgentCore web search 提供了一种可审查的研究方法;请测试这种方法能否在重复运行中改善团队决策。在将每日研究报告变为运营依赖之前,先确定这一审查流程。



