AWS 开源 Loom：企业级 AI 代理平台的参考答案，而非托管服务

导语

亚马逊云科技最近将 Loom 放入 AWS Labs，以开源参考平台的方式，展示企业如何在 AWS 上搭建自己的 AI 代理管理层。它并不是一个“开箱即用”的托管服务，而更像是一份带有可运行代码、架构取舍和治理思路的企业级样板。

在大量企业开始尝试 AI 代理后，真正的难点往往不在单个 Agent 能不能调用工具，而在于如何大规模管理身份、权限、部署、注册、审计和人工审批。Loom 的定位正是补上这一层平台工程能力。

核心要点

• 基于 AWS 代理技术栈构建：Loom 使用 Strands Agents SDK 编写代理，并运行在 Amazon Bedrock AgentCore Runtime 上。平台包含管理 UI 与后端 API，可对代理、记忆资源、MCP 服务器和 A2A 集成进行生命周期管理。
• 重点处理身份传播问题：当代理代表用户访问 MCP 服务器，再由 MCP 调用后端 REST API 时，Loom 通过授权码流程与 RFC 8693 令牌交换机制保留原始用户身份和权限。每一跳都有独立的代行令牌，降低“代理越权访问”的风险。
• 采用配置化部署而非运行时代码生成：Loom 部署的是预先编写好的 Python 代理，部署时注入行为准则、记忆资源以及 MCP 或 A2A 配置。代码保持一致，配置决定差异，便于企业统一扫描、加日志和合规改造。
• 内置治理与审批机制：平台要求资源带有必填标签，并结合角色与组标签控制可见范围。对于敏感工具调用，Loom 借助 Strands 钩子和 MCP 调用机制，在执行前暂停并等待人工批准。
• 接入代理注册表生态：Loom 与公开预览中的 AWS Agent Registry 集成，支持代理发现和上线前审核。不过素材也提到，注册表 ARN 设计仍可能给 IAM 策略带来不便。

意义与影响

Loom 的意义不在于替企业“买一个代理平台”，而在于把 AWS 对企业级 AgentOps 的理解具象化：身份委托链、配置化部署、资源标签、注册表治理和人工审核，正在成为企业 AI 代理落地的基础设施问题。

这也解释了社区的观望态度。Loom 免费开源，但底层托管服务会产生费用；它设计周全，却仍是参考实现。对于平台工程能力强的团队，Loom 可以作为加速器和架构蓝本；对于希望直接采购成熟产品的团队，它可能还不够“产品化”。

更大的趋势是，AI 代理正在从演示阶段进入平台化阶段。未来企业竞争的关键，可能不只是“有多少代理”，而是谁能更安全、更可控、更低成本地管理这些代理。

来源：InfoQ 中文