AWS推出Web Answer：智能体单次调用获取带引用的网页答案
摘要：AWS宣布Amazon Bedrock AgentCore的Web Answer正式可用。该托管连接器可接收自然语言问题，自主规划并并行执行搜索、读取关键页面核验事实，在证据不足时继续检索，最终通过一次MCP工具调用返回带来源链接的综合答案。它把搜索、网页清洗、生成与引文归因封装为托管服务，适合作为企业智能体中的事实问答子任务。文章对比了Web Search与Web Answer的职责边界，并解析IAM权限、目标配置、域名过滤、结构化响应、企业治理、区域可用性及每千次调用10美元的定价。
一次调用直接返回带引用的网页答案
AWS已正式开放Amazon Bedrock AgentCore的Web Answer。开发者只需向AgentCore Gateway提交一个自然语言问题，服务便会自主规划搜索、并行访问网页、读取关键页面核验事实，并在证据不足时再次检索，最终以MCP工具结果返回综合答案及来源链接。
这是一项面向智能体应用的托管检索服务，而不是新的基础模型。它把传统RAG问答中的搜索、网页正文提取、事实核验、答案生成和引用映射压缩到AWS管理的连接器内，调用方无需自行维护完整链路。
工作机制：从问题到证据再到归因
一次典型请求按以下路径执行：
- 智能体通过MCP向AgentCore Gateway发起工具调用；
- Gateway使用IAM或JWT验证调用方身份；
- Gateway以自身服务角色调用AWS托管的Web Answer连接器；
- Web Answer制定搜索计划，并行执行多个查询；
- 系统读取关键网页、核对关键事实，证据不足时继续搜索；
- 生成答案，并将具体主张映射到来源URL；
- Gateway把答案、引用和延迟元数据作为MCP结果返回智能体。
这里的关键并不是简单的“搜索后拼接摘要”，而是一个由模型驱动的迭代检索循环。搜索计划、查询扩展、页面选择、事实核验和停止条件均由托管服务处理，开发者只负责提交问题及可选约束。
Web Answer每次问题都会执行新搜索，并向模型提供当前日期，以降低旧索引导致的时效性偏差。系统还支持按发布日期范围、国家和域名过滤搜索结果。目标级域名策略由管理员在配置时设定，单次调用只能进一步收窄，不能突破管理员设定的边界。
与Web Search的工程分工
Web Search和Web Answer都可用于检索，但控制权归属不同。
| 能力 | Web Search | Web Answer | |---|---|---| | 返回内容 | 排名URL、标题、摘要、元数据 | 已综合、带引用的答案 | | 检索执行 | 调用方负责搜索与处理 | 服务端执行Agentic Search循环 | | 网页阅读 | 由调用方实现 | 服务端读取关键页面并核验事实 | | 答案生成 | 调用方模型负责 | Web Answer内部模型负责 | | 引用归因 | 调用方自行工程化 | 服务端将主张映射至来源URL | | 适用场景 | 广泛研究、原始结果处理、自定义排序与推理 | 智能体内部的快速事实问答子任务 |
实际应用中，两者可以并存。例如，研究型智能体先用Web Search收集候选材料，再由自有模型处理；对监管条款等具体问题，则调用Web Answer快速获得带引用的答案。
接入方式与权限边界
Web Answer由AWS拥有和管理。Gateway管理员需要为Gateway服务角色授予bedrock-agentcore:InvokeWebAnswer权限，资源范围对应AWS托管的web-answer.v1 ARN。随后创建Gateway Target，连接器ID设置为web-answer，并使用GATEWAY_IAM_ROLE作为出站凭证提供方式。
这种设计把入站和出站身份明确分开：谁可以调用Gateway，由Gateway的入站授权器控制；Gateway调用Web Answer时，则使用其服务角色。Web Answer本身不需要额外API密钥，也不要求Gateway角色拥有bedrock:InvokeModel，因为调用方智能体所用的模型仍以智能体自身身份执行。
工具接入后，智能体通过标准MCP的tools/list和tools/call发现和调用它，因此也适用于Strands Agents、LangChain、LangGraph、CrewAI及其他兼容MCP的客户端。
结构化响应与工程价值
返回结果同时包含文本内容和structuredContent。答案以Markdown形式呈现，并带有行内引用标记；结构化字段则单独提供答案文本及引用列表，每项引用包含URL，并在可用时记录域名。
这种双层输出设计适合生产系统。模型可以直接消费行内引用生成自然语言回答，而后端应用则可使用结构化字段执行来源审计、域名统计和结果缓存。响应元数据还包含latencyMs，但官方示例只是单次观测，不能替代P50、P95或P99延迟测试。
不过，“每项主张均有引用”并不等同于事实必然正确。引文可以证明答案回指了某个页面，却不能单独证明页面权威、摘录语义一致或结论没有被模型误读。生产系统仍应验证引用覆盖率、来源质量、主张与证据的一致性，以及遇到冲突来源时的处理方式。
延迟、成本与可控性权衡
Web Answer把多次搜索、网页读取、事实核验和答案生成串成一个托管闭环，因此端到端延迟通常会高于只返回排名的Web Search。官方示例中的延迟为5210毫秒，但这不是服务保证，也不能代表不同问题复杂度下的性能分布。
其主要工程收益是减少自建管线的维护面，而非提高单次调用速度。团队不再需要维护页面抓取器、正文清洗器、搜索重排、证据选择、提示模板、引用解析和失败重试逻辑。不过，托管化也减少了可观测性与可定制性：开发者无法完全控制搜索后端、内部模型、提示策略及部分中间检索过程。
当前价格是每1000次工具调用10美元，即每次0.01美元。该价格只覆盖Web Answer调用，Gateway调用和智能体所用模型是否另行计费，需要结合AWS账单项确认。对于高频、答案只需复用一次的固定问题，增加应用层缓存通常比每次触发完整网络检索更经济。
AWS还提供VPC接口端点和AWS PrivateLink支持，使AgentCore Gateway流量可留在企业网络边界内；CloudWatch可从首次调用开始接收运行指标。每账户速率限制在us-east-1为每秒10个事务，超额需联系AWS Support。
评测仍需覆盖生产级风险
官方材料没有披露标准化的答案准确率、引用正确率、拒答率或对照基线，因此不能仅凭“带引用”判断其质量。实际验收至少应覆盖：
- 主张级引用准确率，而非只统计答案中是否出现URL；
- 对知识过期、来源冲突及无可靠证据问题的正确弃答能力；
- 权威来源覆盖率，以及域名白名单外的异常链接比例；
- 恶意网页、提示注入和不可信内容对答案的干扰程度；
- 搜索失败、网页不可访问、引用链接失效和超时后的降级行为；
- 不同问题难度下的P50、P95、P99延迟及重试成本。
对金融、医疗和法律场景，还应保留人工复核或确定性规则层。带来源的可读答案适合辅助检索，不应自动等同于满足监管要求的最终决策依据。
当前可用性与采用建议
Web Answer目前仅在AWS美国东部弗吉尼亚北部区（us-east-1）提供，其他区域尚未上线。AgentCore Gateway必须使用IAM入站认证，示例运行环境要求Python 3.10或更高版本。
对于只希望获得原始搜索结果、需要自有模型深度处理或要求完整审计检索轨迹的应用，继续使用Web Search更合适。对于金融规则、客户政策、产品资料等高频且边界明确的问题，可先以Web Answer替代自建搜索与引用链路，并通过缓存、严格域名过滤、引用校验和失败回退控制质量与成本。
—— 完 ——消息来源：AWS Machine Learning Blog (2026-11-05)
主题标签： #Amazon Bedrock AgentCore #Web Answer #Agentic Search #MCP #RAG
编辑部与事实核查说明：本篇专刊由智客前沿资讯管线根据官方技术公告、学术论文及开源工程文档整理编译，经算法实体核验与人工编辑审校后发布。若发现技术事实纰漏，欢迎依据勘误方针或一键向编辑部发送勘误反馈。
社区整体评论区