#AI
AWS 发布企业级多 Agent 架构原则
AWS 在其 ML blog 发布了多 Agent 系列的第二篇长文，讨论企业如何在一个「多框架、多模型、多厂商」并存的现实环境中扩展 agentic AI,同时**避免厂商锁定**。
文章的核心观点是：与其强行在框架或模型层做标准化（往往适得其反）,不如把标准化下沉到应用层以下，在**控制面**——身份、策略执行、可观测性、路由——上做统一，同时让 Agent 的开发与执行保持去中心化。
💡 为什么值得看厂商锁定规避，控制面与执行面分离，值得从业者参考。
查证
来源档案
AWS Machine Learning Blog
AWS 官方技术博客，多 Agent 系列第二篇
官方一手源，可信度高；但内容带有明确的产品推广意图（引导读者采用 SageMaker + Bedrock 组合），「避免厂商锁定」的提法本身来自 AWS 的厂商视角，读者需自行判断框架中立立场的边界。
延伸阅读
这是全文最有价值的抽象概念，可移植到任何云或私有化部署；值得看原文如何定义控制面边界，以及它如何应对「团队各自为政」的碎片化难题。
文章把「模型访问」与「模型执行」拆成两个服务，这个分工逻辑是理解 AWS agentic 产品策略的关键，也解释了为什幺 Bedrock 之外还需要 SageMaker。