AI智能体不应成为"秘密特工",尤其是在企业环境中。然而,当企业部署软件自动化工具时,往往难以清晰掌握这些自动化脚本的实际运行情况。
对此,亚马逊云科技(AWS)推出了智能体注册表(Agent Registry),旨在为企业的智能体生态系统提供更高的透明度。AWS将其定位为"一个可在企业内部统一发现、共享和复用AI智能体、工具及智能体技能的平台"。
事实上,AWS并非唯一推出智能体注册表的厂商。微软有其Entra智能体注册表和Azure智能体注册表,谷歌云也有自己的智能体注册表,此外还有智能体客户端协议(ACP)注册表以及众多第三方注册表。
AWS希望借助该注册表,让智能体在企业内部更加可见,同时提供一定程度的发布与发现管控机制,并确保充分共享,避免不同团队重复构建功能相似的智能体。
智能体注册表技术细节
智能体注册表基于Bedrock AgentCore构建,后者是AWS用于构建、部署和管理智能体软件的核心平台。该注册表提供了一个集中式存储库,用于存储描述智能体、工具、MCP服务器、智能体技能及相关资源的元数据,并关联了作者信息、协议详情、服务暴露方式和调用指令。
在标准兼容性方面,注册表支持MCP和A2A协议,以及自定义Schema,并设计为可与任意智能体托管环境配合使用,无论是AgentCore、其他云服务还是本地部署环境。
向注册表添加记录的方式灵活多样,可通过AWS控制台、AWS SDK或API手动提交元数据,也可在连接至正确配置的MCP或A2A端点后自动抓取记录。查询注册表则可通过AgentCore控制台、API,或任何兼容MCP的客户端(如Kiro或Claude Code)来完成。
企业用户的实际价值
订阅管理公司Zuora的首席产品与技术官Pete Hirsch表示,拥有一个智能体信息的权威来源具有重要意义。
"这种集中化的方式能让团队找到并复用已有资产,而无需从零开始重复建设,"Hirsch通过AWS官方渠道表示,"标准化的元数据确保每个智能体和工具都包含一致的归属与能力描述,让团队对整个智能体生态系统拥有端到端的可见性与责任追溯能力。"
AWS预计,通过AgentCore、Amazon Quick Suite和Kiro构建的智能体将自动被注册表收录,并能展示相关运行元数据,帮助用户了解已有哪些智能体以及其运行状况。企业还可通过AWS资源访问管理器(Resource Access Manager)查看智能体的详细数据。
目前,AWS智能体注册表已在五个地区以预览版形式通过AgentCore提供,分别是:美国东部(弗吉尼亚北部)、美国西部(俄勒冈)、亚太地区(悉尼)、亚太地区(东京)以及欧洲(爱尔兰)。
Q&A
Q1:AWS智能体注册表是什么?主要有什么功能?
A:AWS智能体注册表是亚马逊云科技推出的一个集中式平台,允许企业在内部统一发现、共享和复用AI智能体、工具及智能体技能。它基于Bedrock AgentCore构建,支持存储智能体元数据、作者信息、协议详情及调用指令,兼容MCP和A2A等主流协议,并适用于AgentCore、其他云服务或本地部署等多种托管环境。
Q2:AWS智能体注册表和微软、谷歌的同类产品有什么区别?
A:目前市面上已有多个智能体注册表产品,包括微软的Entra智能体注册表、Azure智能体注册表以及谷歌云的智能体注册表。AWS智能体注册表的特点在于深度集成Bedrock AgentCore平台,支持MCP和A2A协议及自定义Schema,并能与AgentCore、Amazon Quick Suite和Kiro构建的智能体自动对接,提供统一的企业级智能体管理视角。
Q3:AWS智能体注册表目前在哪些地区可以使用?
A:AWS智能体注册表目前以预览版形式通过AgentCore在五个地区提供,分别是:美国东部(弗吉尼亚北部)、美国西部(俄勒冈)、亚太地区(悉尼)、亚太地区(东京)以及欧洲(爱尔兰)。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。