MoEngage利用AgentCore Gateway将400+ API转化为智能体工具，提升平台效率

摘要：MoEngage通过集成Amazon Bedrock的AgentCore Gateway，将内部约400个REST API转化为权限控制的智能体工具，避免了公开暴露和上下文膨胀问题。该方案无需构建多个MCP服务器，简化了API集成流程，节省了约六个月的工程时间，并显著提升了新API的部署效率，从几天缩短至数小时。这一创新展示了AI平台与云服务结合在企业级智能体应用中的巨大潜力。

---

核心突破

MoEngage通过与Amazon Bedrock的AgentCore Gateway集成，成功将内部约400个REST API转化为智能体工具。这一方案的核心突破在于：

1. 避免公开暴露：所有API均运行在私有VPC中，无需公开端点或额外认证机制，确保数据安全。
2. 简化架构：无需为每个API构建单独的MCP服务器或网络配置，显著降低了运维复杂性。
3. 高效部署：新API的集成从几天缩短至数小时，平台团队只需编写OpenAPI规范并应用Cedar策略即可。
4. 语义搜索：AgentCore Gateway支持语义搜索，智能体可以通过描述任务找到合适的工具，而无需记住工具名称。

技术机制剖析

AgentCore Gateway通过以下机制实现上述功能：

• OpenAPI规范驱动：团队维护的OpenAPI规范直接转化为MCP工具，无需额外开发MCP服务器。
• Cedar策略引擎：在工具目录序列化之前，AgentCore策略引擎根据IAM角色过滤工具，确保智能体只能看到被授权的工具。
• Amazon VPC Lattice托管出口：AgentCore Gateway通过VPC Lattice与内部服务通信，避免了复杂的网络配置。
• 语义搜索功能：智能体可以通过描述任务找到合适的工具，而无需依赖工具名称，从而提升了工具发现的灵活性和准确性。

工程权衡与实测表现

• 优势：
  • 简化了API集成流程，减少了运维成本。
  • 提升了智能体工具的发现和使用效率。
  • 增强了安全性，避免了API的公开暴露。
• 挑战：
  • 语义搜索的准确性依赖于工具描述的质量，需要团队编写高质量的描述文本。
  • Cedar策略的复杂性可能增加策略管理的难度，需要平台团队具备相关专业知识。

开发者落地与部署建议

1. 明确API暴露范围：在OpenAPI规范中明确哪些操作应作为工具暴露，并使用internal和external标志控制访问范围。
2. 编写高质量的工具描述：避免直接复用API描述，而是编写面向模型的描述文本，以提高工具选择的准确性。
3. 利用CI/CD管道自动化部署：将AgentCore Gateway集成到CI/CD管道中，实现从规范到运行工具的自动化流程。
4. 选择合适的认证机制：根据智能体的类型选择SigV4或OIDC JWT进行认证，确保安全性和易用性。

结论

MoEngage的AgentCore Gateway方案展示了AI平台与云服务结合的巨大潜力。通过分离API所有权和协议层管理，团队能够更高效地构建和管理智能体工具，同时保持安全性和灵活性。这一创新为其他企业提供了一个可借鉴的架构模式，有助于加速AI智能体在企业级应用中的落地。

---

消息来源：AWS Machine Learning Blog (2026-10-29)

—— 完 ——

主题标签： #MoEngage 关注 #AgentCore Gateway 关注 #智能体工具 关注 #Amazon Bedrock 关注 #AI平台 关注