📢 转载信息

原文链接：https://aws.amazon.com/blogs/machine-learning/secure-ingress-connectivity-to-amazon-bedrock-agentcore-gateway-using-interface-vpc-endpoints/

原文作者：Dhawalkumar Patel, June Won, Thomas Veppumthara, and Sindhura Palakodety

构建企业级智能体应用：通过接口 VPC 端点安全连接 Amazon Bedrock AgentCore 网关

代理式AI（Agentic AI）应用的兴起，标志着企业自动化领域的一个重大进步。智能体能够自主执行复杂工作流程、访问敏感数据集，并在您的组织基础设施中实时决策。Amazon Bedrock AgentCore 通过提供完全托管的服务，加速了企业的AI转型。它消除了基础设施复杂性、维护会话隔离，并支持与企业工具的无缝集成，使组织能够大规模部署可信赖的AI智能体。

AgentCore 网关是 AgentCore 的一个模块化服务，它通过将API、AWS Lambda 函数和各种服务安全地转换为兼容模型上下文协议（MCP）的工具，并以统一的端点提供给智能体，从而简化了集成。它具有内置的身份验证和无服务器基础设施，最大限度地减少了运营开销。

为何需要接口 VPC 端点？

在生产环境中，AI智能体通常部署在虚拟私有云（VPC）内，以维护安全、隔离的网络访问，并满足企业的安全和合规性要求。AWS 接口 VPC 端点可以通过在 VPC 托管的智能体与 AgentCore 网关之间创建私有连接，增强代理式AI的安全性，确保敏感通信保留在 AWS 的安全基础设施内部。

私有连接与性能： 这些端点使用具有私有IP地址的专用网络接口，通过直接连接提供更低的延迟和卓越的性能。
精细访问控制： VPC 接口端点通过端点策略提供细粒度的访问控制。
简化操作与成本： 它们简化了操作，避免了代理服务器的管理，并降低了数据传输成本。

本文将演示如何从 VPC 中的 Amazon Elastic Compute Cloud (Amazon EC2) 实例通过 VPC 接口端点访问 AgentCore 网关，并展示如何配置端点策略以在遵循最小权限原则的同时，确保安全访问。

架构概览与工作流程

下图展示了用户访问由后端智能体支持的应用程序的架构。这些智能体部署在EC2、Lambda、Amazon EKS 或 Amazon ECS 等各种AWS计算服务中，它们都在 VPC 环境中运行。这些智能体与 AgentCore 网关通信，以发现、访问和调用外部工具和服务（如企业API和Lambda函数）。

在标准配置中，智能体到 AgentCore 网关的请求会通过公共互联网传输。通过实施接口 VPC 端点，可以将这些通信路由到 AWS 的安全内部网络骨干，从而带来更高的安全性、更低的延迟以及更符合严格网络隔离和数据保护标准的合规性。

架构图：展示了通过VPC接口端点连接EC2实例中的智能体与AgentCore Gateway的流程。

解决方案的工作流程如下：

AI 智能体交互： 运行在 VPC 内的智能体从身份提供商处获取必要的入站授权，向网关进行身份验证，并通过接口 VPC 端点向网关发送工具使用请求（调用 MCP 工具）。
网关处理： 网关管理 OAuth 授权，确保只有有效用户和智能体才能访问工具和资源。它将 MCP 请求转换为 API 请求和 Lambda 调用。
安全访问： 网关为每个工具注入凭证，使智能体能够无缝使用具有不同身份验证要求的工具。它使用 AgentCore Identity 代表智能体安全地访问后端资源（目标）。
目标执行： 网关数据平面调用目标（Lambda 函数、OpenAPI 规范或 Smithy 模型）。
监控： AgentCore 网关提供内置的可观测性和审计。此外，AWS PrivateLink 会向 Amazon CloudWatch 发布指标以监控接口端点。您可以选择启用 VPC Flow Logs 来记录到 AgentCore 网关的 IP 流量。

关键注意事项

网络通信： 接口 VPC 端点确保了从智能体到 AgentCore 网关的入站流量通过 AWS PrivateLink 在私有网络内保持安全。然而，身份验证工作流程（如 OAuth 访问令牌检索和凭证交换）以及网关到外部托管 MCP 工具的出站访问，仍然需要互联网连接才能与外部身份系统和资源建立安全会话。
数据平面范围： 目前，接口 VPC 端点仅支持网关的数据平面端点（即应用程序与智能体工具交互的运行时端点）。控制平面操作（如创建网关、管理工具和配置安全设置）仍需通过标准的公共 AgentCore 控制平面端点（例如 bedrock-agentcore-control.<region>.amazonaws.com）进行。

解决方案前提条件

拥有适当 AWS IAM 权限（用于 VPC 和 Amazon EC2 管理）的 AWS 账户。
已配置的 VPC 及其子网和路由表。
您的 AWS 账户中已预配并配置了 AgentCore 网关。
对 VPC 网络和安全组配置有基本了解。

分步解决方案指南

我们将使用 AWS 管理控制台来配置接口 VPC 端点，并从 VPC 内的测试 EC2 实例建立安全连接。

1. 创建 EC2 实例的安全组

在您选择的 AWS 区域，导航至 Amazon EC2 控制台，然后选择安全组：

选择创建安全组。
安全组名称： 输入描述性名称，例如 ec2-agent-sg。
VPC： 选择目标 VPC。
入站规则： 添加必要的管理规则，如来自您的管理网络或堡垒主机的 SSH（22 端口）。
出站规则： 保持默认设置（允许所有出站流量）。
选择创建安全组。

创建EC2安全组的截图

2. 创建接口 VPC 端点的安全组

创建第二个安全组命名为 vpce-agentcore-sg，并将用于附加到 AgentCore 网关接口 VPC 端点。配置规则如下，以实现最小权限访问：

入站规则： 允许来自EC2 安全组 (ec2-agent-sg) 的 HTTPS（443 端口）流量。
出站规则： 保持默认设置。

配置VPC端点安全组的截图

3. 预置 VPC 内的 EC2 实例

在同一 VPC 中预置 EC2 实例，并注意其子网和安全组配置：

子网： 选择一个私有子网（为 VPC 端点配置做准备）。
安全组： 附加 ec2-agent-sg。
IAM 角色： 配置必要的 Amazon Bedrock 和 AgentCore 网关访问权限。

配置EC2实例网络设置的截图

4. 创建接口 VPC 端点

导航至 Amazon VPC 控制台下的端点，创建使用 AWS PrivateLink 的接口端点：

选择创建端点。
服务类别： 选择 AWS services。
服务： 搜索并选择 com.amazonaws.<region>.bedrock-agentcore.gateway（替换 <region>）。

选择AgentCore Gateway服务的截图

关键配置步骤：

VPC 和子网： 选择工作所在的 VPC，并指定 EC2 实例所在的相同子网以优化路由。
DNS 名称： 选择启用 DNS 名称，这样您的应用程序仍可以使用默认的域名访问 AgentCore 网关，而流量会自动通过私有端点路由。

配置VPC和子网的截图

安全组： 附加 vpce-agentcore-sg。
策略： 对于初始测试，设置为完全访问。生产环境中应根据最小权限原则进行限制。

配置安全组和策略的截图

端点创建后大约需要 2-5 分钟才能变为可用状态。

5. 测试连接

登录到 EC2 实例进行连接测试。

检查接口 VPC 端点的流量流

通过检查连接到 AgentCore 网关端点时使用的源 IP 地址，可以确认流量是否通过接口 VPC 端点。如果启用了私有 DNS，DNS 解析将指向 VPC 子网中的私有 IP 地址（由 VPC 端点中的弹性网络接口提供）。

未启用 VPC 接口端点之前： DNS 解析到公共 IP 地址：

nslookup gateway.bedrock-agentcore.amazonaws.com 
Non-authoritative answer:
Name: gateway.bedrock-agentcore..amazonaws.com
Address: 52.86.152.150

启用 VPC 接口端点并解析私有 DNS 之后： DNS 解析到私有 IP 地址：

nslookup .gateway.bedrock-agentcore..amazonaws.com 
Non-authoritative answer:
Name: .gateway.bedrock-agentcore..amazonaws.com
Address: 172.31.91.174

私有 DNS 已启用 (cURL)（推荐）

如果私有 DNS 启用，应用程序可以直接使用标准网关 URL，流量将自动通过 VPC 端点路由。以下是使用 cURL 从 VPC 资源执行的 JSON-RPC POST 请求示例，用于检索可用工具列表：

curl -sS -i -X POST https://<gatewayid>.gateway.bedrock-agentcore.<region>.amazonaws.com/mcp \
--header 'Content-Type: application/json' \
--header "Authorization: Bearer $TOKEN" \
--data '{ 
"jsonrpc": "2.0", 
"id": "'"$UNIQUE_ID"'", 
"method": "tools/list", 
"params": {} 
}'

私有 DNS 已禁用 (Python)

如果禁用私有 DNS，则不能直接通过标准 AgentCore 网关端点访问。相反，您必须通过 VPC DNS 名称路由流量，并在 Host 头部包含原始网关域名。

私有DNS禁用时cURL请求中Host头部的示例

cURL 示例（需要设置 Host 头部）：

curl -sS -i -X POST https://<vpce-dns-name>/mcp \
--header 'Host: <gatewayid>.gateway.bedrock-agentcore.<region>.amazonaws.com' \
--header 'Content-Type: application/json' \
--header "Authorization: Bearer $TOKEN" \
--data '{ "jsonrpc": "2.0", "id": "'$UNIQUE_ID'", "method": "tools/list", "params": {} }'

Python 脚本执行步骤：

登录到 EC2 实例。
配置环境变量：GATEWAY_URL (VPC 端点 URL)、TOKEN (Bearer Token) 和 GATEWAY_HOST (原始网关域名)。

例如：

export GATEWAY_URL=https://<vpce_id>.gateway.bedrock-agentcore.ap-southeast-2.vpce.amazonaws.com/mcp
export TOKEN=<your-token-here>
export GATEWAY_HOST=<gateway_id>.gateway.bedrock-agentcore.ap-southeast-2.amazonaws.com

将以下 Python 代码保存为 agent.py，该代码将测试工具列表、会话交互以及直接 MCP 工具调用：

from strands.models import BedrockModel
from mcp.client.streamable_http import streamablehttp_client
from strands.tools.mcp.mcp_client import MCPClient
from strands import Agent
import logging
import os # 读取环境变量
token = os.getenv('TOKEN')
gatewayURL = os.getenv('GATEWAY_URL') # vpc endpoint url
gatewayHost = os.getenv('GATEWAY_HOST') # domain name of the agentcore gateway

def create_streamable_http_transport():
    """Create HTTP transport with proper authentication headers"""
    return streamablehttp_client(
        gatewayURL, 
        headers={ 
            "Authorization": f"Bearer {token}", 
            "Host":gatewayHost 
        }
    )

# 初始化 MCP 客户端
client = MCPClient(create_streamable_http_transport)

# 配置 Bedrock 模型
yourmodel = BedrockModel( 
    model_id="amazon.nova-pro-v1:0", 
    temperature=0.7,
)

# 配置日志
logging.getLogger("strands").setLevel(logging.INFO)
logging.basicConfig( format="%(levelname)s | %(name)s | %(message)s", handlers=[logging.StreamHandler()]
)

# 测试完整代理工作流程
with client:
    targetname = 'TestGatewayTarget36cb2ebf'
    # 1. 列出可用工具
    tools = client.list_tools_sync()
    
    # 2. 创建包含工具的模型
    agent = Agent(model=yourmodel, tools=tools)
    print(f"Tools loaded in the agent: {agent.tool_names}")
    
    # 3. 测试会话查询
    response1 = agent("Hi, can you list all tools available to you?")
    print(f"Agent response for tool listing: {response1}")
    
    # 4. 测试工具调用
    response2 = agent("Get the current weather for Seattle and show me the exact response from the tool")
    print(f"Agent response for weather query: {response2}")
    
    # 5. 直接 MCP 工具调用验证
    result = client.call_tool_sync(
        tool_use_id="get-weather-seattle-call-1", 
        name=f"{targetname}___get_weather", 
        arguments={"location": "Seattle"}
    )
    print(f"Direct MCP tool response: {result}")

使用以下命令执行脚本：

python3 agent.py

高级配置：VPC 端点访问策略

VPC 端点策略是资源级策略，用于控制通过该端点对 AWS 服务的访问，提供了网络级别的额外访问控制层。

配置 AgentCore 网关的端点策略时，请注意以下关键点：

Principal 配置： Principal 字段无法修改，因为 AgentCore 网关不使用 IAM 进行身份验证，而是依赖于 Bearer Token。
资源规范： 如果要限制对特定网关的访问，请在 Resource 字段中明确定义完整的 Amazon 资源名称 (ARN)。
操作权限： 对于 Action 字段，应避免指定控制平面操作，而使用通配符（*）以允许必要的网关数据平面操作。

以下是策略结构示例：

{
"Version": "2012-10-17",
"Statement": [
{
"Principal": "*",
"Effect": "Allow",
"Action": "*",
"Resource": "arn:aws:bedrock-age... [内容被截断]

🚀 想要体验更好更全面的AI调用？

欢迎使用青云聚合API，约为官网价格的十分之一，支持300+全球最新模型，以及全球各种生图生视频模型，无需翻墙高速稳定，小白也可以简单操作。

目录CONTENT

如何使用接口 VPC 端点为 Amazon Bedrock AgentCore 网关实现安全的入口连接