AWS扩展Bedrock AgentCore，智能体知识检索进入托管阶段

本文核心看点

AWS在2026年6月17日发布Amazon Bedrock AgentCore新能力，包括托管知识库、Web Search、AgentCore harness正式可用和策略集成，推动AI智能体从原型走向可治理的生产应用。

AWS在AWS Summit New York 2026期间发布多项Amazon Bedrock AgentCore更新。

Managed Knowledge Base封装企业RAG所需的连接器、解析、检索、嵌入、重排和模型选择能力。

Web Search on AgentCore让智能体在AWS环境内检索当前网页信息，并返回可引用来源。

AgentCore harness正式可用，重点覆盖运行环境、记忆、身份、观测、工具调用和安全执行。

这些更新显示AI智能体落地正在从功能演示转向知识接入、权限治理和持续优化。

作者：恩禾ENHE AI；发布日期： 2026年6月21日

事实概述

AWS在2026年6月17日AWS Summit New York期间发布多项Amazon Bedrock AgentCore更新，核心包括Amazon Bedrock Managed Knowledge Base、AgentCore Web Search、AgentCore harness正式可用，以及新的策略和优化能力。对关注AI前沿资讯的读者来说，这条新闻的重点不是单个模型升级，而是云厂商把智能体所需的知识检索、工具调用、权限、观测和持续优化进一步托管化。

AWS官方新闻博客称，Managed Knowledge Base面向企业级生成式AI应用，试图把RAG管道中的连接器、解析、存储、检索、嵌入、重排和模型选择封装成托管能力。同期发布的Web Search on Bedrock AgentCore则让智能体可以在AWS环境内检索当前网页信息，并返回摘要、来源链接、标题和发布日期，供模型进行有出处的回答。

知识库与Web Search

Managed Knowledge Base的直接价值在于降低企业知识接入门槛。AWS列出的首批原生连接器包括Amazon S3、SharePoint、Confluence、Web Crawler、Google Drive和OneDrive，并提供Smart Parsing与Agentic Retriever，用于处理多格式文档和复杂多步查询。对正在比较AI软件应用的团队来说，知识库能力已经从“能否上传文档”转向“能否保留权限、解析结构并支持复杂检索”。

AI工作流自动化中的企业数据中心与知识检索基础设施 — 企业级AI智能体知识检索通常需要同时处理内部文档、实时网页信息、权限控制和运行日志，而不是只连接一个向量库。

Web Search on AgentCore补上的是外部世界知识。AWS称该工具基于Amazon搜索基础设施，并通过AgentCore Gateway以MCP目标方式接入；智能体可以检索当前网页信息，同时避免把查询发送到外部搜索API提供商。对学习AI技能教程的用户来说，这意味着未来教程会更多围绕“内部知识库+外部实时信息+工具执行”的组合，而不只是单轮提示词。

生产运行与治理

同一轮更新中，AgentCore harness也正式可用。AWS机器学习博客称，开发者可以通过CreateHarness和InvokeHarness定义并运行智能体；harness会处理运行环境、记忆、存储、身份、观测、浏览器、代码解释器和工具网关等底层能力。对评估本地部署AI工具或云端Agent平台的团队来说，这类托管封装会改变选型重点：是否能安全运行多步任务，比单次回答效果更关键。

治理方面，Amazon新闻稿提到AgentCore已集成Amazon Bedrock Guardrails，用于评估智能体动作中的提示注入、有害内容和敏感数据暴露；AWS还提到未来将接入Check Point、Zscaler、Rubrik、Netskope和SentinelOne等安全供应商的检测信号。对使用AI账号服务和企业订阅的团队来说，这提示账号、权限、审计和费用边界需要与智能体能力一起规划。

对AI工具用户的影响

这组更新反映出一个趋势：AI智能体正在从“能调用工具”进入“能被企业持续管理”的阶段。知识库、Web Search、harness、策略、观测和A/B测试被放在同一平台叙事中，说明生产级智能体需要同时解决知识新鲜度、内部数据权限、执行环境隔离、失败分析和持续优化。

对中小团队而言，短期内不一定需要采用完整的AWS方案，但可以借此形成检查清单：知识来源是否可追溯，网页检索是否保留来源，工具调用是否有审批，账号密钥是否隔离，日志是否能回放，成本是否可控，失败后是否能恢复。这些问题会影响客服、销售线索整理、内容生产、研发辅助、合规监测和市场研究等AI工作流自动化场景。

对ENHE用户的实际启发

对ENHE用户来说，AWS这次发布更适合作为智能体选型框架，而不是简单的云服务推荐。规划Agent应用时，可以先把需求拆成三层：知识层负责内部文档和外部实时信息，执行层负责工具、浏览器和代码环境，治理层负责权限、日志、策略和成本。更多相关实践可继续关注恩禾ENHE AI的全球AI资讯栏目。

如果团队偏向轻量级或私有化方案，也可以借鉴同样的判断标准。一个可落地的智能体系统不只需要强模型，还需要稳定的知识接入、明确的工具边界、可追踪的执行记录和面向业务结果的持续优化机制。

总结

AWS在2026年6月17日集中扩展Bedrock AgentCore，说明主流平台正在把AI智能体的竞争重点从模型调用推向知识、执行、治理和优化的一体化基础设施。对普通工具用户和小团队来说，真正值得关注的是：未来选择智能体工具时，不能只看演示效果，也要看它如何接入数据、引用来源、控制权限、记录过程并管理成本。