Control where your AI agents can browse with Chrome enterprise policies on Amazon Bedrock AgentCore¶
📊 Level ⭐⭐⭐ | 8.6KB
来源:原文存档
核心要点¶
- AWS China ML 发布的技术文章,介绍 Amazon Bedrock AgentCore Browser 的 Chrome 企业策略控制能力
- 三大能力:URL 白名单/黑名单、禁用危险浏览器功能(密码管理器、下载等)、将策略管理与 Agent 开发解耦
- 支持自定义根 CA 证书,解决内部服务使用私有 PKI 的连接问题
- 架构通过 S3 存储策略 JSON + Secrets Manager 管理证书,实现声明式配置
深度分析¶
AI Agent 浏览器控制的必要性¶
AI Agent 获得 web 浏览能力后,安全边界变得模糊。传统网络安全边界无法覆盖 AI Agent 的动态行为——Agent 可能根据 prompt 导航到未授权域名、在浏览器中存储凭据、或下载恶意文件。Chrome Enterprise Policies 提供了一种独立于 Agent 逻辑的防御层。
两层策略架构¶
Managed Policies(管理策略):
- 存储在 S3,通过 CreateBrowser API 配置
- 映射到 Chrome 的
/etc/chromium/policies/managed/ - 不可被会话级设置覆盖
-
适用于安全团队定义的全局锁定策略 Recommended Policies(推荐策略):
-
通过 StartBrowserSession API 在会话启动时传入
- 映射到
/etc/chromium/policies/recommended/ - 可作为用户偏好设置
- 当与 Managed Policy 冲突时,Managed Policy 优先 这种分层设计允许安全团队和开发团队独立运作——前者负责锁定环境,后者专注于 Agent 逻辑。
自定义根 CA 的实际价值¶
企业内部服务或 SSL 拦截代理使用的证书通常由私有 CA 签发,默认情况下浏览器不信任这些 CA。传统解决方案是禁用证书验证,但这会引入安全风险。 AgentCore 的方案是将组织根 CA 存储在 AWS Secrets Manager,引用时自动导入 Chrome 信任存储。无需修改代码或禁用验证,即可实现安全连接。
策略配置的工程实践¶
文章中的 notebook 示例展示了典型工作流:
- 定义策略 JSON(URLBlocklist + URLAllowlist 实现白名单)
- 存储策略文件到 S3
- 创建 Browser 时引用 S3 位置
- 启用会话录制用于审计 关键细节:DeveloperToolsAvailability 必须设置为 0(或省略)才能使用 Playwright/CDP 自动化——设置为 2 会禁用 CDP,导致静默失败。
实践启示¶
- 在设计 AI Browser Agent 时,策略控制应是架构决策而非事后补丁:在 Agent 层面限制 URL 即使被 prompt 注入绕过,浏览器层面的策略仍能提供保护。两者结合实现纵深防御。
- 推荐使用白名单而非黑名单模式:AI Agent 的行为空间巨大,黑名单难以覆盖所有风险场景。白名单(URLBlocklist=["*"] + URLAllowlist=[特定域名])提供更可预测的安全边界。
- 浏览器策略应与 CI/CD 流程集成:策略 JSON 存储在 S3,可通过版本控制管理,配合 AWS IAM 最小权限原则,确保只有安全团队能修改策略配置。
- 私有 PKI 场景下,Secrets Manager + AgentCore 是标准方案:不要为了"方便"而禁用证书验证。通过组织根 CA 导入实现安全连接是正确路径,且配置一次即可在多个 Agent 间复用。
- 会话录制是审计 AI Agent 行为的重要工具:当 Agent 执行敏感操作时,录制的会话可用于事后分析、异常检测和合规审计。 → 原文存档
相关实体¶
- AI 时代 Git 版本管理 — Agentic Coding 最佳实践
- AI tool poisoning exposes a major flaw in enterprise agent security
- Amazon Quick: Accelerating the path from enterprise data to AI-powered decisions
- 用 Kiro构建 AI:基于 AWS 基础设施快速构建企业级 Agentic AI 平台 | 亚马逊AWS官方博客
- Who Winning Enterprise AI Now
- Real-time voice agents with Stream Vision Agents and Amazon Nova 2 Sonic
- 航班变更信息智能识别解决方案 | Amazon Web Services
- Amazon Nova Multimodal Embeddings 制造业智能应用
- From siloed data to unified insights: Cross-account Athena Access for Amazon Quick
- Zenjoy 基于 Amazon Bedrock 和 EKS 构建 AIOps Agent:打通 Prometheus、ES 与夜莺的智能化告警实战
- AWS 一周综述:Amazon Bedrock AgentCore 付款、适用于 AWS 的 Agent 工具套件等(2026 年 5 月 11 日)
- Introducing OS Level Actions in Amazon Bedrock AgentCore Browser
- SQS+Lambda异步管道:2000并发0%限流的工程细节
- 基于 Prowler 与 GenAI 构建金融行业智能合规中枢(Alt)
- 在 Amazon Bedrock 上为 Claude 应用设计稳健的 Prompt Cache 策略
- build-custom-code-based-evaluators-in-amazon-bedrock-agentco
- Doris MCP on AgentCore Runtime: VPC原生MCP部署模式
- OpenClaw多租户迁移: Phase 2&3部署
- AgentCore Runtime部署Apache Doris MCP Server
- AgentCore Identity: 3-legged OAuth+Session Binding的安全架构
- OpenClaw多租户迁移: 背景与架构概览
- 别让你的 Amazon Bedrock 模型为他人打工——API 调用安全防护指南
- OpenClaw多租户迁移: Phase 1 基础设施部署
- AgentCore Browser OS级操作:Action-Screenshot-Reaction闭环
- Amazon Bedrock模型推理的Serverless异步架构
- 自己的工具自己控:MCP Server、Amazon Bedrock AgentCore、Quick Suite集成指南
- 基于 AWS 示例项目,展示如何将 OpenClaw 迁移为基于 Amazon Bedrock AgentCore 的多租户 Serverless 架构
- anthropic acquires stainless
- MOC