经过短暂的公开预览期,AWS于本周二正式发布了Amazon WorkSpaces for Agents,使其进入全面可用阶段。需要注意的是,该产品不应与Amazon Connect Agent Workspace混淆。
Amazon WorkSpaces是AWS面向企业推出的持久化云端桌面服务,帮助企业为员工分配虚拟桌面环境。而WorkSpaces for Agents同样是虚拟桌面,但其使用对象是需要在云端运行桌面应用程序的AI智能体。
这意味着,智能体现在可以直接与企业现有的传统桌面应用进行交互,而无需构建自定义集成方案,也无需对这些应用进行现代化改造。
AWS此次发布的参考客户是荷兰跨国企业威科集团(Wolters Kluwer)。该公司工作场所技术总监安德烈·阿克曼在发布公告中表示:"我们的团队为全球客户管理着复杂的税务、法律和合规工作流程。Amazon WorkSpaces现在让我们能够将AI智能体直接嵌入这些工作流程,它们可以访问并操作我们员工日常使用的业务应用程序,而无需我们重建任何系统。这对我们在自动化方面的思考是一次重要的推进。"
在技术实现层面,智能体可借助模型上下文协议(MCP)连接到这些桌面环境,进而流式传输会话内容并与桌面应用进行交互。访问权限由AWS身份和访问管理服务统一管控,审计工作则由AWS CloudTrail和Amazon CloudWatch负责处理。
AWS认为,MCP与计算机使用型智能体是互补的技术路径。目前,计算机使用型智能体的运行速度相对较慢,因为它需要不断循环执行截图分析和后续操作。对此,AWS的解决方案是在用户创建主操作系统镜像时,在WorkSpace上安装一个文件系统MCP服务器。通过这种方式,智能体可直接通过工具调用读写文件,从而绕开截图循环流程。
AWS在公告中解释道:"正确的设计模式应将每个子任务路由至最高效的可用接口——当MCP工具存在时优先调用,仅在没有API覆盖任务或目标本身就是与图形界面交互时,才退回到基于视觉的操作方式。这种方式还具有复合收益:当工作流中大部分任务通过MCP完成路由后,剩余的视觉子任务将缩减为集中的操作单元,步骤更少、序列更短、失败率更低。"
在此次全面上线的同时,AWS还新增了人工监督功能,允许人员实时查看智能体的操作过程,并在必要时接管控制权。AWS表示:"如果发现智能体执行了意外操作,停止按钮可让您直接介入,而无需重启会话或回滚状态。在从开发阶段过渡到生产阶段时,您可以根据任务所需的人工监督程度,决定每个工作流采用哪种模式。"
不过,考虑到计算机使用型智能体目前的运行速度仍然较慢,让人工持续监督并非理想之选,也不是对人力资源的有效利用。因此,对于当前需要大量人工监督的任务,这一方案未必是最优选择。
此外,本次发布还允许企业通过Active Directory为智能体分配身份标识,并为其赋予企业现有用户管理体系中对应的策略、访问控制和审计日志权限,从而实现统一管理。
Q&A
Q1:Amazon WorkSpaces for Agents是什么?和普通WorkSpaces有什么区别?
A:Amazon WorkSpaces是AWS面向企业员工提供的云端虚拟桌面服务,而WorkSpaces for Agents则是专为AI智能体设计的虚拟桌面环境。普通WorkSpaces供人类员工使用,WorkSpaces for Agents则允许AI智能体在云端直接操作桌面应用程序,无需对现有系统进行改造或构建自定义集成方案,适合希望将智能体引入传统工作流程的企业。
Q2:WorkSpaces for Agents是如何通过MCP提升运行效率的?
A:AWS在WorkSpace的主操作系统镜像中预装了文件系统MCP服务器,智能体可通过MCP工具调用直接读写文件,避免了传统计算机使用型智能体依赖截图循环分析的低效方式。只有在没有API覆盖或必须与图形界面交互时,才会退回视觉驱动模式。这种混合路由方式减少了操作步骤,降低了失败率,整体效率更高。
Q3:WorkSpaces for Agents的人工监督功能是如何工作的?
A:AWS为该服务新增了人工监督模式,管理员可以实时查看智能体的操作过程。一旦发现智能体执行了异常操作,可通过停止按钮直接介入,无需重启会话或回滚系统状态。企业可根据不同工作流程所需的监督程度,灵活选择自动化程度高低的运行模式,以平衡效率与安全性。
好文章,需要你的鼓励
OpenAI在与多家新闻机构的版权诉讼中陷入困境。以《纽约时报》为首的原告指控OpenAI在长达两年时间里向法庭撒谎,刻意隐瞒其已对ChatGPT日志进行大规模搜索的事实。据悉,OpenAI实际上已拥有包含1000万和7800万条记录的日志样本,并曾用于研究版权内容过滤器,却对外声称无法进行此类搜索。原告据此提出制裁动议,要求法院追责。OpenAI则否认相关指控,坚称其立场基于合理使用原则。
斯坦福与UC伯克利提出LLM-as-a-Verifier框架,通过提取AI模型内部概率分布生成连续评分,在代码、机器人、医疗领域均达到最优性能,且无需额外训练。
美国加州大学圣地亚哥分校研究团队在《自然》期刊发表研究成果:外科医生通过远程操控宇树G1仿人机器人,成功完成两例活体猪胆囊切除手术,创下全球首例。与造价数十至数百万美元的达芬奇手术机器人相比,仿人机器人成本更低、体积更小,未来有望部署于农村、战地乃至太空等资源匮乏的医疗场景。但目前仍存在需频繁重新校准、机械臂活动范围受限等挑战。
字节跳动Seed团队发现AI智能体在真实环境中学习的进步曲线精确遵循对数S形规律,R?达0.998,且前沿模型的学习速度每三个月翻倍。