MoEngage利用AgentCore Gateway转化400+私有API为Agent工具

1. 02:20
   AWS Machine Learning Blog

   Epsilon 如何利用 Amazon Nova Act 构建意图驱动 UI 测试

   Epsilon 利用 Amazon Nova Act 和 Amazon Bedrock AgentCore Browser Tool 构建了意图驱动的 UI 测试服务，以增强现有 Playwright 回归测试的覆盖范围。

2. 00:54
   AWS Machine Learning Blog精选

   MoEngage 如何用 AgentCore Gateway 将 400 个私有 API 转化为安全的 Agent 工具

   MoEngage 利用 Amazon Bedrock AgentCore Gateway 将其内部 400 多个 REST API 转化为可供 AI Agent 调用的工具，同时避免了暴露公网、维护多套 MCP 服务器或让模型直接处理敏感身份信息的问题。该方案的核心在于将协议层（MCP）、策略层（Cedar）和连接层（VPC Lattice）从产品团队剥离，由平台团队统一托管，使得产品团队只需在 OpenAPI 规范中添加特定注解即可发布新工具。 这一架构主要解决了三个关键约束：首先，所有 API 保持 VPC 私有，通过 AWS VPC Lattice 进行受管出站流量，无需为每个集成配置 NAT 网关或反向代理；其次，身份验证采用 SigV4 签名而非 JWT，且租户、用户等上下文信息作为 HTTP 头传递而非模型参数，确保模型无法篡改或感知敏感数据；最后，通过 Cedar 策略在服务端对工具目录进行预过滤，Agent 仅能获取其权限范围内的工具列表，彻底消除了因发送全量 20,000 token 的工具定义而导致的上下文窗口浪费。 此外，MoEngage 引入了语义搜索功能，允许 Agent 通过描述任务意图来发现工具，而非依赖硬编码的工具名称，从而降低了因接口重命名带来的维护成本。这种模式将新 API 的上线时间从数天缩短至数小时，并节省了约六个月的工程投入。事实层面，该系统已在七个 AWS 区域运行三个月，服务于 10 个内部 Agent；推断层面，这种“注解即发布”的模式可能成为大型组织构建企业级 Agent 系统的标准范式；猜测层面，随着更多类似案例出现，基于云原生基础设施的托管式 MCP 服务可能会逐渐取代自研中间件。

当前热度 10·可比范围峰值 10（10月30日 03:00）·近 24 小时可比范围变化 –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。