AWS Agent Registry + Continuum：AI Agent 的质检员

当 AI Agent 开始写代码，谁在把关？

AI Agent 正从演示走向生产环境，但它们带来的风险也随之暴露。一个常被忽视的问题是：Agent 调用的工具从哪来？它写出的代码是否安全？据 YouTube 频道分析，初创公司在生产环境中遇到的核心痛点有两个——Agent 随意抓取工具，以及 AI 生成的代码可能在不知不觉中引入安全漏洞。

这不是理论担忧。当 Agent 可以自主发现并调用 MCP 服务器、第三方工具甚至其他 Agent 时，供应链的边界变得模糊。一个未经审核的工具就可能成为攻击面。

AWS Agent Registry：给 Agent 一个“白名单”

AWS Agent Registry 针对的是第一个问题。它提供一个经过批准的目录，收录 Agent、工具和 MCP 服务器，让开发者可以安全地发现和接入。

这个思路本质上是把“信任”从运行时前移到注册环节。与其让 Agent 在开放环境中随机抓取工具，不如先建立一份可审计的清单，只有清单内的组件才允许被调用。对于需要合规和可控性的团队来说，这种机制降低了引入未知依赖的风险。

MCP（Model Context Protocol）是由 Anthropic 主导提出的一种开放协议，用于标准化 AI 模型与外部工具、数据源之间的连接方式。可以把 MCP 服务器理解为“能力插座”：Agent 通过它调用文件系统、数据库、搜索 API 等外部资源，而无需为每个工具单独编写集成代码。随着 MCP 生态扩张，公开可发现的 MCP 服务器数量快速增长，其中既有官方维护的稳定实现，也有个人开发者随手发布的实验性组件。这种开放性正是风险来源——未被审核的服务器可能携带恶意指令、过度权限或后门。Agent Registry 之所以把 MCP 服务器纳入目录管理，正是因为它们与普通工具一样，构成了 Agent 供应链的关键一环。

AWS Continuum：自动找漏洞，但人来拍板

第二个问题——AI 生成代码中的安全漏洞——由 AWS Continuum 处理。据来源介绍，该工具现已正式可用（generally available），能够找出代码中真实可利用的 bug，并自动发起包含修复方案的 pull request。

关键设计在于：每一个修复仍然需要人类批准。这意味着团队可以借助自动化提速，但不会把代码库的控制权完全交给机器人。在“AI 写代码”与“人类把关”之间，Continuum 选择了一条折中路线——自动化发现与修复建议，人工做最终决策。

“真实可利用的 bug”（exploitable bug）是一个有严格含义的安全术语，指的是能够被攻击者实际触发并造成危害的缺陷，例如可被构造输入导致的远程代码执行、越权访问或注入漏洞。与之相对的是大量“理论上存在但难以利用”的告警，这类噪音往往让安全团队疲于奔命。Continuum 强调找出“可利用”的漏洞，意味着它在检测阶段就需要做可达性分析和利用路径验证，而不是简单罗列静态扫描结果。这也解释了为什么它能直接生成修复 PR——只有对漏洞成因有明确判断，才能给出针对性补丁。自动发起 PR 与自动合并是两回事，人类审批环节正是区分二者的关键控制点。

为什么“人类批准”仍然是核心

两个产品放在一起看，指向同一个趋势：AI Agent 的治理正在从“能力优先”转向“可控优先”。Agent Registry 管住输入（Agent 能用什么），Continuum 管住输出（Agent 写了什么），而人类的审批环节则守住了最后一道门。

这种分层思路值得关注。它没有试图用另一个 AI 去完全替代人类的判断，而是把 AI 定位在“发现问题和提出方案”的角色上。对于正在将 Agent 投入生产环境的团队，这套组合提供了一个可操作的治理框架。

对开发团队的实际意义

如果你正在构建或运维 AI Agent，这两项能力对应两个具体动作：建立受控的工具注册机制，以及对 AI 生成代码引入自动化的漏洞扫描与修复流程。两者都不需要推翻现有架构，而是补充治理层。

来源最后强调，分享这类信息有助于更多团队意识到生产环境中的 Agent 风险。在 Agent 能力快速迭代的阶段，治理工具的价值往往被低估，但它们决定了 Agent 能否真正被信任。