用 IAM 打通 AWS 上的双智能体调用
教程演示在 Bedrock AgentCore 上部署 Strands 智能体,通过 A2A 协议通信,并用 SigV4 为请求签名。智能体发现与调用统一受 IAM 策略控制,无需额外维护 API 密钥或共享秘密。
AI 深度解读
两个 Agent 互相调用,除了协议,还要解决身份、权限和会话并发。作者用 Strands、A2A 和 Amazon Bedrock AgentCore Runtime 跑通了一条链路:调用方用 AWS IAM 身份签署请求,远端 Agent 由 IAM 策略控制访问,无须再配 API key、OAuth client 或共享密钥。
这篇最有用的地方,是把几处容易踩坑的边界测了出来:读取 Agent Card 也要授权,只写 runtime ARN 会被拒绝,同一个 session 并发调用会返回 409。对于准备在 AWS 上连接多个 Agent 的团队,这些细节比成功返回一段回答更值得看。
IAM 怎么接管两个 Agent 之间的调用
A2A(Agent2Agent)负责 Agent 之间的通信。调用方先读取 /.well-known/agent-card.json,了解远端 Agent 的能力,再发送 JSON-RPC 消息。它解决的是通信约定,访问控制则交给 AgentCore 和 IAM。
作者的 worker 部署在 us-east-1,通过 bedrock_agentcore.runtime 的 serve_a2a 在端口 9000 提供服务,这是 AgentCore 的 A2A 端口约定。项目采用 CodeZip,入口为 main.py,代码目录为 app/agent,运行时配置为 PYTHON_3_14,协议为 A2A。
接入 IAM 的配置是 authorizerType: "AWS_IAM"。启用之后,包括 Agent Card 在内的每个请求,都必须携带有权调用该 runtime 的 IAM 身份生成的 SigV4 签名。
本地有两种调用方式:caller.ask 直接访问 worker;caller.coordinator 则是另一个 Strands Agent,先调用 Amazon Nova Micro,再通过工具访问 worker。协调 Agent 的模型请求和 A2A 请求共用一个 boto3 session,因此可以使用同一个 IAM role。
这里的「只有 IAM 凭据」有明确范围:它免去了两端之间额外维护的应用密钥,AWS 身份凭据仍由 boto3 获取和使用。
worker 的业务很简单:访问 frankfurter.dev 获取欧洲央行参考汇率,用 Decimal 计算并保留两位小数,模型负责选择参数和组织答案。worker 与 coordinator 都使用推理配置文件 us.amazon.nova-micro-v1:0;原文要求 BEDROCK_MODEL_ID 使用带 us. 或 global. 前缀的 inference profile ID。
签名和权限,为什么少一处都会失败
调用方把一个实现 SigV4 的 httpx.Auth 交给 Strands 的 A2AAgent。下面这段代码解决的是:让 A2A 客户端发送的 HTTP 请求自动携带 AWS 签名。
SERVICE = "bedrock-agentcore"
SESSION_HEADER = "X-Amzn-Bedrock-AgentCore-Runtime-Session-Id"
_SIGNED = {"host", "content-type", SESSION_HEADER.lower()}
class SigV4(httpx.Auth):
requires_request_body = True
def auth_flow(self, request: httpx.Request):
creds = self._session.get_credentials().get_frozen_credentials()
headers = {k: v for k, v in request.headers.items() if k.lower() in _SIGNED}
aws_request = AWSRequest(method=request.method, url=str(request.url),
data=request.content, headers=headers)
_BotoSigV4(creds, self._service, self._region).add_auth(aws_request)
for name in ("Authorization", "X-Amz-Date", "X-Amz-Security-Token"):
if name in aws_request.headers:
request.headers[name] = aws_request.headers[name]
yield request
要留意 requires_request_body = True,它让签名器能读取 JSON 请求体并计算哈希。_SIGNED 则只包含稳定的请求头,避免 httpx 在认证钩子之后补充或改写其他头,造成签名不一致。这是片段,构造函数和相关导入仍需配合原项目。
请求地址也有要求:完整 runtime ARN 要经过 quote(runtime_arn, safe='') 编码,再放进 https://bedrock-agentcore.{region}.amazonaws.com/runtimes/{编码后的ARN}/invocations/,末尾斜杠需要保留。
权限有两层容易漏。第一层是动作:发消息需要 bedrock-agentcore:InvokeAgentRuntime,读取卡片需要 bedrock-agentcore:GetAgentCard。A2AAgent 首次发消息前会先读卡,漏掉后者,业务请求还没开始就失败了。
第二层是资源。下面保留原文的两条策略声明,实际使用时应放进完整 IAM policy 的 Statement 数组:
{
"Sid": "InvokeTheWorker",
"Effect": "Allow",
"Action": "bedrock-agentcore:InvokeAgentRuntime",
"Resource": ["__RUNTIME_ARN__", "__RUNTIME_ARN__/runtime-endpoint/*"]
},
{
"Sid": "ReadTheWorkerCard",
"Effect": "Allow",
"Action": "bedrock-agentcore:GetAgentCard",
"Resource": ["__RUNTIME_ARN__", "__RUNTIME_ARN__/runtime-endpoint/*"]
}
关键是两处 Resource:除了 runtime ARN,还要覆盖它下面的 runtime-endpoint/*。作者专门创建了只授权裸 ARN 的角色,两个动作都在 runtime-endpoint/DEFAULT 上被拒绝。策略看起来已经指向目标 Agent,却没有覆盖实际参与鉴权的全部资源。
会话复用能省时间,也会挡住并发
signed_client 为一个客户端固定 session ID,使同一个 A2AAgent 的请求落到同一个 runtime session。请求头是 X-Amzn-Bedrock-AgentCore-Runtime-Session-Id,长度至少 33 个字符,36 字符的 UUID4 可以满足要求。
但 Strands 会并发执行一轮中的多个工具调用,而 AgentCore 同一 session 一次只处理一个请求。模型把「换算 EUR 和 JPY」拆成两次工具调用时,两次请求可能撞到一起,第二次得到 HTTP 409,JSON-RPC 错误码为 -32054,消息是 Session operation in progress, please retry。
作者用 python3 -m bench.session --pairs 5 做了对照:共享 session 的 5 对请求,每对都是一个 200、一个 409;独立 session 的 5 对请求,合计 10 次全部返回 200。按每对是否出现冲突统计,双侧 Fisher 精确检验 p = 0.00794,两组的 95% Wilson 区间分别为 [56.6%, 100.0%] 和 [0.0%, 43.4%]。
协调 Agent 的处理方式是在 ask_currency_worker 外包一层 asyncio.Lock(),让请求依次进入同一个暖 session。
同一段对话复用会话并串行调用,独立任务需要并行时再拆分会话。
拆分也有成本。python3 -m bench.latency --runs 10 分别测了 10 次新 session 和 10 次复用 session:读卡中位数从 1.758 s 降到 0.244 s,双侧 Mann-Whitney U 检验 p = 0.000183;消息请求的检验结果为 p = 0.00728,但原文没有提供消息延迟中位数。
启动成本落在首个请求上,这里就是读卡。消息还包含模型调用和汇率查询,所以启动成本在其中占比更小。另一次演示里,卡片和消息共签署 2 次请求,签名总耗时 2.27 ms;这只能说明该次调用的签名开销很小。
我的判断
我认同作者把协议、身份和权限分别处理的方式。对于已经运行在 AWS、已有 IAM role 管理流程的团队,它能省掉一套 Agent 专用密钥管理。但如果调用方主要在其他云或外部客户环境,这种便利未必成立,接入 AWS 身份本身也有成本。原文没有与 API key、OAuth 做对照,不能据此判断 IAM 普遍更优。
证据也需要分开看。python3 -m bench.boundary 的 10 次调用中,2 次允许、8 次拒绝,说明所测身份和请求形态符合预期;它不是完整安全审计。并发实验验证了共享会话的冲突,却没有证明加锁后的吞吐量能满足生产负载。
全部测试来自 2026-11-16、us-east-1 的一个 runtime,由一台机器调用。延迟每组只有 10 次,会话实验每种模式只有 5 对,权限边界每个案例只有一次。统计结果有参考价值,推广范围仍然有限。
版本也应一起记录:worker 固定 strands-agents ~= 1.57.2,调用方使用 strands-agents 1.64.0、a2a-sdk 0.3.26、botocore 1.43.118、httpx 0.28.1。这是一次具体组合的验证,后续升级需要重新检查签名、读卡和会话行为。
能拿来做什么
- 如果团队准备在 AWS 上连接 Agent,可以先复现直接调用链路。原文前提包括 AWS CLI
version 2、python3、带 npm 的node,以及us-east-1的 Nova Micro 模型访问权限;安装命令为npm install -g @aws/agentcore和pip install 'strands-agents[a2a]' 'bedrock-agentcore[a2a]' boto3 httpx。 - 部署后先拿到真实 ARN 再配权限。原文执行
cd strandsiam/agentcore/cdk && npm ci && cd ../..、agentcore deploy --yes --region us-east-1,再用agentcore status --region us-east-1 --json读取 ARN,写入WORKER_RUNTIME_ARN,随后运行iam/setup_roles.sh。 - 排查访问失败时,把读卡和消息调用分开确认,再检查动作与 endpoint 资源。基准测试需要能 AssumeRole 的 IAM user 或 IAM Identity Center role,root 不能承担该角色;脚本可通过
CALLER_PRINCIPAL=arn:aws:iam::ACCOUNT_ID:user/speedrun-operator iam/setup_roles.sh指定受信身份。 - 在 AI 工具编排中明确会话归属。先用
python3 -m caller.ask "Convert 250 USD to EUR and JPY"验证单次调用,再用python3 -m caller.coordinator "I have 1200 USD. What is that in EUR and JPY?"验证协调流程,并根据任务是否独立选择串行复用或独立 session。