MoEngage
2 节点1 篇2 来源
客户互动平台 MoEngage 通过采用 Amazon Bedrock AgentCore Gateway,成功将其内部约 400 个私有 REST API 转化为 AI Agent 可安全调用的工具。这一工程实践解决了企业级 AI 落地中的核心痛点:如何在保护数据隐私(无公网暴露)和确保权限隔离的前提下,让 Agent 高效发现并使用海量内部服务。
【背景】MoEngage 服务于全球 1350+ 消费品牌,其后端由 25 个工程团队维护的 400 多个 API 组成,分布在七个 AWS 区域。传统方案需为每个团队部署独立的 MCP 服务器,导致运维复杂且上下文窗口溢出。
MoEngage 拒绝“每个团队自建 MCP 服务器”的路径,转而建立统一原则:产品团队仅负责 OpenAPI 规范,AI 平台团队统一管理协议层。利用 AgentCore Gateway,系统自动从 OpenAPI 规范生成 MCP 工具,并通过 Cedar 策略引擎在服务器端按权限过滤工具目录,确保 Agent 仅能看到其有权访问的操作。此外,身份验证信息作为请求头注入而非模型参数,防止大语言模型篡改租户或用户上下文;语义搜索功能允许 Agent 通过描述任务而非记忆工具名称来发现能力。
该架构消除了公共端点暴露风险,将新 API 接入时间从数天缩短至数小时,并节省了约六个月的平台工程工作量。这标志着企业 AI 集成正从“硬编码工具引用”向“基于策略的动态发现”演进。
事情怎么走到这一步
Amazon Web Services 发布博客文章,详细阐述 MoEngage 如何利用 AgentCore Gateway 将 400+ 私有 API 转化为 Agent 工具,重点介绍 Cedar 策略过滤与语义搜索机制。
aws.amazon.com ↗AWS News Feed 报道同一案例,强调该方案避免了 20+ 独立 MCP 服务器的部署负担,并通过 VPC Lattice 实现跨区域的私有连接。
aws-news.com ↗
还没定论的部分
- AgentCore Gateway 在处理极高并发下的语义搜索延迟表现如何?
- Cedar 策略引擎在复杂多租户环境下的规则维护成本是否随 API 数量线性增长?
- 其他非 AWS 生态的企业是否有类似的标准化网关解决方案?