Agentverhalten und Kosten über eine einzelne Aktion hinaus steuern: Neue Funktionen in Amazon Bedrock AgentCore
Amazon Web Services
AWS hat in Amazon Bedrock AgentCore neue Funktionen eingeführt, um das Verhalten und die Kosten von Agenten zu steuern. Zeitliche Richtlinien, unterstützt durch die neue quelloffene Richtliniensprache Dogwood, ermöglichen Prüfungen auf Sequenzen von Aktionen, während die Ratenbegrenzung am Gateway den Verbrauch pro Benutzer begrenzt. Diese Funktionen zielen darauf ab, Sicherheitsrisiken und Kostenunvorhersehbarkeit bei KI-Agenten zu adressieren.
Laut McKinsey sind etwa 80 % der Unternehmen bereits auf riskantes Verhalten von KI-Agenten gestoßen, was Sicherheits- und Risikobedenken zum Haupthindernis für die Skalierung agentischer KI macht. Um dem entgegenzuwirken, hat AWS neue Funktionen in Amazon Bedrock AgentCore angekündigt. Das Gateway, ein vollständig verwalteter serverloser Einstiegspunkt für KI-Datenverkehr, unterstützt nun zeitliche Richtlinien, die auf Dogwood basieren, einer Open-Source-Richtliniensprache, die auf Cedar aufbaut. Zeitliche Richtlinien ermöglichen es der Richtlinien-Engine, die vergangenen Aktionen des Agenten in einer Sitzung zu berücksichtigen, was Prüfungen wie das Blockieren einer Überweisung mit einer falschen Kontonummer oder das Stoppen von Käufen nach Erreichen eines Budgets ermöglicht. Sie werden deterministisch auf der Gateway-Ebene durchgesetzt, mit standardmäßiger Ablehnung und Protokollierung des vollständigen Kontexts. Zusätzlich ist Ratenbegrenzung verfügbar, die Teams ermöglicht, Anfragen, Tokens und Verbindungsdauern pro Benutzer über Tools, Modelle und Agenten hinweg zu deckeln, wobei Identitäten aus OAuth oder IAM verwendet werden. Begrenzungen gelten in Sekunden- und Minutenfenstern und treten ohne Änderung des Agentencodes in Kraft. Diese Funktionen zielen darauf ab, Unternehmen Kontrolle über das Verhalten und die Kosten von Agenten zu geben, wobei Richtlinien und Begrenzungen auf Plattformebene verwaltet werden.
Quelle: AWS ML blog —
Original
