AWS Machine Learning Blog 9月24日发布教程，介绍使用Amazon Bedrock AgentCore Gateway和Model Context Protocol（MCP）构建多账户AI代理，让各业务团队保留自己的数据，同时为代理提供统一的工具发现和调用入口。
AWS给出的架构由中心平台账户、多个业务线账户和AgentCore Gateway组成。中心平台账户运行代理和Amazon Bedrock模型推理，业务线账户继续维护各自的数据、服务和部署周期，并把需要对外提供的能力封装为MCP服务器。代理在处理请求时按需查询相关账户，底层数据不需要集中复制到平台账户。
AgentCore Gateway位于平台账户，负责注册业务线MCP服务、统一工具发现和跨账户调用。AWS教程还展示了使用AgentCore Runtime承载代理、通过AgentCore Identity与Okta完成身份认证，并使用Amazon Bedrock AgentCore Policy执行细粒度授权。不同业务团队可以按资源和操作范围限定代理能够调用的工具。
在生产环境中，平台团队可以将数据所有权、访问审批、日志审计和代理运行分开管理。业务账户继续独立部署MCP服务器，平台账户只获得请求所需的结果，减少跨团队复制数据带来的维护和权限同步工作。
AWS表示，这种设计适合需要同时访问多个账户数据的企业代理场景，实施时仍需根据业务数据敏感度配置身份、授权、网络连接、错误处理和调用审计，避免把跨账户连接误当作默认信任关系。
来源：AWS Machine Learning Blog，发布时间：2026年9月24日。
