用 Skyflow 和 Amazon Bedrock AgentCore Gateway 保护智能体工具调用
Protect agent tool calls with Skyflow and Amazon Bedrock AgentCore Gateway
Skyflow 将 Skyflow Detect 作为请求与响应拦截器接入 Amazon Bedrock AgentCore Gateway,在数据到达工具前脱敏、在智能体读取结果前还原,并把文档替换为脱敏副本,智能体与工具代码无需改动。
在本文中,我们将展示 Skyflow 和 Amazon Bedrock AgentCore Gateway 如何让敏感数据不进入 AI 智能体所调用的工具,也不进入这些工具所供给的模型上下文。我们将 Skyflow Detect 作为请求和响应拦截器添加到 Amazon Bedrock AgentCore Gateway。Skyflow 拦截器会在数据到达工具之前对其进行去标识化处理,在智能体读取结果之前将其还原,并在智能体打开文档之前用干净的副本替换文档。你的智能体和工具无需任何改动。
Skyflow 已在 AWS Marketplace 上架,该拦截器在 GitHub 上开源。
智能体通过工具行动,工具则搬运数据
智能体已从回答问题转向采取行动,而它们通过工具采取行动:模型上下文协议(MCP)服务器、SaaS API、文档存储和网络搜索。每一次智能体工具调用都是一次数据流。大多数企业管控措施覆盖的是进入模型和离开模型的内容。覆盖智能体发送给其工具的内容、或这些工具返回的内容的管控措施则少得多。
这一缺口体现在三个方面:
- 敏感数据通过工具参数外泄。模型根据其上下文中的所有内容来编写参数,包括工具并不需要的细节。向智能体询问某位客户的情况,客户的姓名、账号或电子邮箱就会直接进入发往第三方服务器的查询中。该服务器位于你的 AWS 账户和合规范围之外。
- 敏感数据通过工具结果返回。抓取的网页、CRM 记录和案件备注会进入模型的上下文、记忆、追踪和日志。即使任务根本不需要这些数据,这种情况也会发生。
- 文档绕过了文本检查。Amazon Simple Storage Service(Amazon S3)、Box 和 Google Drive 等文档工具返回的是签名 URL,而不是文本。检查字符串的过滤器看到的只是一个链接,于是放行,随后智能体便打开了原始文件。
逐个修补每个智能体无法在团队和框架之间扩展,也无法触及第三方工具。管控措施需要放在每一次工具调用都会经过的位置,这样授权、内容安全和数据保护才能以相同方式适用于每个智能体和工具。
AgentCore Gateway 正是这样的位置。它位于智能体使用的每个工具之前,无论智能体运行在何种框架或模型上。它所做的不仅是路由这些流量。借助 AgentCore Gateway 拦截器,你可以以 AWS Lambda 函数的形式,在每一次经过它的调用上运行自己的代码。请求拦截器会在每次调用到达工具之前看到它,响应拦截器会在每个结果到达智能体之前看到它。两者都可以检查载荷、重写载荷或阻止调用。这使网关成为在 Policy 和 Guardrails 之外添加数据保护的自然位置。这一单一管控只需附加一次,即可覆盖网关背后的每个智能体和每个工具,而无需对智能体或工具代码做任何改动。
示例:一家大型欧洲银行的争议解决智能体
设想一家大型欧洲银行,拥有零售和企业银行业务,并承担严格的数据驻留义务。其运营团队正在采用智能体来调查银行卡争议。
一位分析师要求智能体调查一笔有争议的交易。智能体在网上搜索该商户,然后从 Amazon S3 拉取争议案件备注以进行总结。在没有保护的情况下,会发生三件事:
- 模型根据上下文中的所有内容构建搜索查询。搜索提供方收到的是‘Mateo Jackson dispute AnyCompany Electronics London’。这是客户的姓名,被发送给了第三方,而这次搜索只需要商家信息。
- 抓取的商家页面将无关的个人数据带入模型的上下文。
- 智能体读取原始案件记录,其中包含客户的全名、电子邮件、电话号码和卡号信息。
在网关上启用 Skyflow 拦截器后,同一工作流的运行方式有所不同:
- 搜索提供方收到的是‘[NAME_AJbrIud] dispute AnyCompany Electronics London’,其中 [NAME_AJbrIud] 是一个可逆的保险库令牌。商家结果返回时保持不变,提供方始终不知道客户是谁,而分析师在智能体的回答中仍能看到真实姓名。
- Web 内容在到达模型之前已完成去标识化。
- 智能体始终只会收到指向案件记录去标识化副本的链接。
解决方案概述
Skyflow 拦截器是一个 AWS Lambda 函数,挂载在 AgentCore Gateway 的两个拦截点上:
REQUEST在网关调用工具之前运行。RESPONSE在工具返回之后、智能体看到结果之前运行。
在每个拦截点,它都会调用 Skyflow Detect 来查找敏感实体,例如姓名、电子邮件地址、电话号码、政府证件号码、卡号、出生日期和位置。它将这些实体替换为令牌,或还原原始值。Skyflow Vault 存储原始值,以便授权系统可以反向还原令牌。
Skyflow 网关配置会为每个工具决定三种保护模式中适用哪一种:Shield the tool、Shield the model 和 Shield the document。
| 模式 | 会发生什么 | 谁能看到真实数据 | 工作原理 | 典型用途 |
| Shield the tool | 敏感值在传出时从参数中剥离,并在返回时在结果中还原 | 智能体和用户,而不是工具 | 使用可逆的保险库令牌,因此工具回传的值会在智能体读取之前被还原 | 无需客户身份即可完成工作的 Web 搜索、数据增强和第三方 API |
| Shield the model | 提示词、历史记录、文件和工具结果在模型读取之前完成去标识化。回答在返回时重新标识化 | 智能体和用户,而不是模型 | 模型调用通过网关的推理端点进行。在返回时,只还原为该次调用生成的令牌 | 客户对话、抓取的 Web 内容、跨区域或第三方模型 |
| Shield the document | 文件的签名 URL 被替换为指向去标识化副本的 URL | 智能体侧无人可见 | Skyflow Detect v2(预览版)获取文件、清理文件,并将副本存储在获批的区域。文件从不经过 Lambda,因此负载限制不会限制文件大小 | Amazon S3、Box、Google Drive 中的案件记录、对账单、合同 |
在生产环境中有四个重要特性:
- 无需更改智能体或工具。智能体像以前一样发现网关,并使用其 AWS Identity and Access Management(AWS IAM)角色对请求进行签名。为了保护模型,智能体将其模型客户端指向网关的推理端点。除此之外,拦截器对它们不可见。
- 无需重新部署即可配置。 策略按服务器和按工具设定方向、实体类型和令牌类型(可逆的 vault 令牌或单向令牌)。它存放在 AWS Systems Manager Parameter Store 中,更改无需重新部署即可生效。
- 故障关闭。 如果无法完成去标识化,则扣留该调用,而不是以明文发送。拦截器仅从允许列表中的位置获取文件,并且会阻止无法检查的流量,而不是静默放行。
- 基于 AWS 构建的运维。 Skyflow API 密钥存放在 AWS Secrets Manager 中。每个决策都会记录到 Amazon CloudWatch,并配有用于告警的指标,且拦截器从不记录凭证或原始值。
架构
参考架构展示了每个组件所在的位置。其后的三个演练分别通过 Shield the tool 和 Shield the document 模式跟踪一次工具调用。
下图展示了拦截器如何位于 AgentCore Gateway 和您的工具之间。
图 1:参考架构。编号步骤与以下流程对应。
流程:
- 代理通过 AgentCore Gateway 调用工具,并使用其 IAM 角色进行签名。
REQUEST拦截器将工具与策略进行匹配,并在需要时使用 Skyflow Detect 对参数进行去标识化。- 网关调用工具,工具收到的是令牌而不是敏感值。
RESPONSE拦截器根据策略要求对结果进行重新标识、去标识化或替换文档 URL。- 代理收到结果。
代理运行在 AgentCore runtime 上,这是 Amazon Bedrock AgentCore 的一项能力。在此流程之外,拦截器从 Parameter Store 读取其策略,从 Secrets Manager 读取其 Skyflow API 密钥,并将每个决策记录到 Amazon CloudWatch。它在获批区域调用 Skyflow Detect 和 Skyflow Vault 来对数据进行去标识化和重新标识。目标位于网关之外:一个第三方 Web 搜索 MCP 服务器、一个位于 Amazon S3 中的案件记录存储,以及一个位于 Amazon Bedrock 中的模型,网关通过推理目标访问该模型。对于模型调用,拦截器在 Amazon DynamoDB 中保留每次调用所生成令牌的短期记录,以便仅恢复这些令牌。该记录不包含原始值。对于文档,Skyflow Detect 通过预签名 URL 直接获取文件,因此文件字节永远不会经过 Lambda。
演练:Shield the tool
这是争议示例中的 Web 搜索,逐步说明。客户姓名以令牌形式离开,并以真实值返回,因此搜索提供商永远不会看到它,而分析师仍然可以看到。
图 2:Shield the tool。在搜索提供商看到查询之前,客户姓名被替换为 vault 令牌,并在代理读取结果之前恢复。
演练:Shield the model
这是分析师要求代理起草给客户的回复。客户的姓名和电子邮件地址以令牌形式到达模型,草稿返回时真实值已恢复到位。
图 3:Shield the model。拦截器在模型读取提示和对话历史之前对其进行去标识化,并在代理读取答案之前恢复其为该调用生成的令牌。
演练:Shield the document
这是案件记录请求。拦截器从不处理文件本身。它检查预签名 URL 并将其交给 Skyflow Detect,后者返回指向干净副本的链接。
图 4:保护文档。拦截器根据允许列表和大小限制检查预签名 URL,Skyflow Detect 获取文件并进行去标识化处理,智能体收到指向干净副本的链接。
以下是存储在 Amazon S3 中的案件记录,旁边是智能体收到的副本:
图 5:存储的案件记录(左)与智能体收到的去标识化副本(右)。
像 [NAME_AJbrIud] 这样的令牌是保管库令牌,授权用户可以通过 Skyflow 还原。像 [NAME_1] 这样的令牌是单向计数器,任何手段都无法还原。
以下视频端到端展示了“保护文档”功能。智能体请求争议案件记录,收到的是指向去标识化副本的链接,而非原始文件。
视频 1:“保护文档”功能实际运行。未使用 Skyflow 时,智能体读取原始案件记录。在网关上启用 Skyflow 后,它读取的是去标识化副本。
如何与 AgentCore 的其他部分配合
该拦截器补充了 AgentCore 和 Amazon Bedrock 已提供的控制措施:
- Amazon Bedrock AgentCore 中的策略使用 Cedar 和 Dogwood 授权智能体可以执行的操作。它不止于决定某个主体能否调用某个工具。它可以根据智能体轨迹中的先前操作做出决策,控制对智能体和模型的访问,阻止特定参数被发送到特定工具,并使用 Amazon Bedrock Guardrails 检查通过网关的数据。Skyflow 与策略协同工作。当策略允许某次调用时,Skyflow 会将其中的敏感值替换为可逆令牌,使调用得以通过,而不会向工具或模型暴露真实数据。策略决定智能体可以做什么,Skyflow 则控制在其执行时如何处理敏感数据。
- Amazon Bedrock Guardrails 负责模型交互中的内容安全和敏感信息脱敏。Skyflow 为同一网关增加了基于保管库的令牌化和文档去标识化。将二者结合使用,可为每次模型和工具调用提供分层保护。
- AgentCore Identity(Amazon Bedrock AgentCore 的一项能力)和 AWS IAM 保持不变。该拦截器不增加任何需要智能体管理的凭证。
- AgentCore Observability(Amazon Bedrock AgentCore 的一项能力)和 Amazon CloudWatch 将拦截器的决策与网关追踪记录一并记录。
部署解决方案
Skyflow 拦截器在 GitHub 上的 agentcore-skyflow 仓库中以 MIT 许可证开源。Skyflow 已在 AWS Marketplace 上提供。要将该拦截器添加到您已运行的网关:
- 在 AWS Marketplace 中订阅 Skyflow,创建保管库,并将其 API 密钥存储在 AWS Secrets Manager 中。
- 使用 AWS Cloud Development Kit(AWS CDK)从仓库部署拦截器堆栈。它会创建 Lambda 函数、其策略参数、用于模型调用记录的 DynamoDB 表,以及 Amazon CloudWatch 指标和告警。
- 在两个拦截点将拦截器附加到您的网关。仓库中的脚本会完成此操作,并授予网关角色仅调用该函数的权限。如果您使用 AWS CloudFormation 或 AWS CDK 管理网关,请改为在那里声明拦截器,以便后续堆栈更新保留它。
- 要保护模型,请向网关添加推理目标,并将智能体的模型客户端指向网关的推理端点。
该仓库还包含本文中完整的参考部署,包括 agent、gateway 及其 targets,你可以使用 AgentCore CLI(Amazon Bedrock AgentCore 的一项能力)进行部署。
有五种接入方式:
- 现有网关。 将拦截器附加到你已运行的网关。Agent 和工具保持原样。
- 新 agent。 从第一天起就将工具置于 AgentCore Gateway 之后。
- AWS 之外的 MCP 服务器。 将它们作为网关 MCP 服务器目标前置,使其流量经过拦截器。
- 文档存储。 对于返回签名 URL 的工具,将其位置添加到策略的允许列表中即可覆盖。
- 模型调用。 添加推理目标,并将 agent 的模型调用通过网关发送。
Skyflow 提供多种 vault 部署模型和区域选择,以满足数据驻留要求。参见 Skyflow 部署模型。
注意事项
- 格式。 文本和 Office 格式(TXT、JSON、CSV、XML、JSONL、DOCX、XLSX 和 PPTX)保留可逆的 vault 令牌。PDF 和图像会被完全去标识化,但会获得单向令牌,因此无法从这些文件中恢复原始值。
- 可用性。 字符串去标识化和重新标识化已正式可用。通过签名 URL 进行的文档去标识化使用 Skyflow Detect v2,目前处于预览阶段。AgentCore Gateway 的可用性因 AWS 区域而异。部署前,请查看 Amazon Bedrock AgentCore 文档中的 支持的 AWS 区域。
- 文档大小和延迟。 文档去标识化在设计上是有界的。拦截器在提交前检查文件大小,因此超过配置限制的文件会立即被拒绝,而不是超时。在限制范围内的文件会在 AgentCore Gateway 允许的连接窗口内完成。去标识化时间随文档大小而变化,因此请设置与你的文档匹配的大小限制。Skyflow Detect v2 处于预览阶段。在扩大推广之前,请在试点期间针对你自己的工作负载和区域验证延迟。
结论
Agent 的可信度取决于它所传输的数据。借助 AgentCore Gateway 和 Skyflow 拦截器,你可以在每次工具调用都会经过的唯一位置实施隐私控制。它双向工作,覆盖文档和文本,且无需更改 agent 代码。
从哪里开始
- 选择一个涉及客户数据并至少调用你账户之外一个工具的 agent 工作流。
- 列出绝不能离开的实体类型,以及允许查看它们的工具。
- 从 GitHub 仓库 部署拦截器,并将其附加到该工作流的网关。
- 从 Shield the tool 开始。然后为你的文档存储添加 Shield the document,并在 agent 的模型调用通过网关后添加 Shield the model。
- 在扩大推广之前,观察拦截器的 CloudWatch 指标一周。
- 如果你有进一步的问题,请参阅 Skyflow SDK 文档。
关于作者
Joe McCarron
Joe 是 Skyflow 的开发者关系负责人和产品负责人。在加入 Skyflow 领导平台产品管理和开发者关系之前,Joe 在 Zendesk 和 Apollo GraphQL 度过了过去十年,构建 API 和开发者平台。
Sindhu Jambunathan
Sindhu 是 AWS 的高级解决方案架构师。Sindhu 与 ISV 客户合作,构建可扩展、安全、经济高效的数据和生成式 AI 解决方案。
Sunita Koppar
Sunita 是 AWS 生成式 AI 与机器学习领域的高级专家解决方案架构师,她与各行业的客户合作,设计解决方案、构建概念验证,并推动可衡量的业务成果。
来源:AWS Machine Learning Blog · aws.amazon.com




