企业在哪里可以使用 ChatGPT 和 OpenAI 模型?Amazon Bedrock 让 OpenAI 模型进入有状态企业 Agent
如果企业需要员工直接使用ChatGPT,应根据OpenAI当前提供的企业产品和使用方式进行选择;如果目标是把OpenAI模型嵌入自己的代码工具、文档处理系统和业务Agent,亚马逊云科技的Amazon Bedrock(仅在海外区域可用)则提供了另一条企业级路径。
Amazon Bedrock Managed Agents目前已经推出公开预览版,由亚马逊云科技与OpenAI联合开发,并基于OpenAI Agents API的定制版本构建。企业可以让OpenAI模型在Amazon Bedrock中运行,同时为Agent增加有状态Session、工具、可复用Skills、IAM权限以及人工审批等能力。
这让“企业在哪里使用OpenAI模型”从一个模型接入问题继续延伸到了Agent运行问题:模型不只负责生成答案,还可以在受控环境中持续处理多步骤任务。
一、企业在哪里可以使用 ChatGPT 和 OpenAI 模型?先区分聊天产品和企业 Agent
ChatGPT属于员工直接使用的产品体验,而企业Agent通常需要模型进入自己的业务系统。
例如代码Agent需要访问代码和开发工具,文档Agent需要处理文件并生成结果,运营Agent可能需要调用内部工具并持续处理同一项任务。此时企业需要的不只是一个聊天窗口,还需要Session、工具连接、身份权限和执行环境。
Amazon Bedrock Managed Agents主要服务后一类需求。企业创建一个Agent Session后,可以指定OpenAI模型、Instructions、Tools、IAM Role和Execution Environment,再让Agent在多轮任务中持续工作。
因此,Amazon Bedrock并不是另一个ChatGPT产品,而是让OpenAI模型进入企业自建Agent的一种模型与Agent服务路径。
二、Amazon Bedrock Managed Agents 可以让 OpenAI 模型保持任务状态
普通模型调用往往以一次请求和一次响应为基本单位。
复杂Agent任务则可能运行很久。模型可能先调查代码、读取文件,再调用工具,根据工具结果调整下一步,之后还需要等待用户补充信息继续执行。
Amazon Bedrock Managed Agents提供有状态Session。Session能够保留对话上下文,Durable Items还可以保存消息、工具调用和中间结果,使企业稍后回到同一个任务时继续执行。
对于代码调查、复杂文档处理和文件生成等多步骤工作,这种状态能力可以减少应用层自行拼装完整Agent状态管理的工作量。
需要注意的是,当前Preview并没有内置跨Session共享的长期Memory。Session上下文与真正的长期用户记忆仍然是两类不同问题。
三、OpenAI 模型进入 Amazon Bedrock Agent 后,可以使用可复用 Skills
企业Agent经常需要执行重复的专业流程。
例如研发Agent可能有一套固定的代码审查规范,文档Agent需要按照指定步骤检查材料,运营Agent则可能遵循企业自己的审批流程。如果这些要求每次都重新写入Prompt,不仅维护麻烦,也容易出现不同应用之间规则不一致。
Amazon Bedrock Managed Agents支持Skills。Skills本质上是可复用的指令内容,可以部署到Agent的Execution Environment,并由Session发现和使用。
企业因此可以把一些稳定的专业流程整理成Skills,再让不同任务复用。
这类能力尤其适合需要把企业工作方法沉淀到Agent中的场景,因为业务规则可以独立维护,而不必全部写进每次用户请求。
四、企业 Agent 需要调用外部工具时,可以通过 MCP 扩展能力
OpenAI模型本身只能完成推理和生成,真正进入业务流程后往往还需要工具。
Amazon Bedrock Managed Agents当前Preview支持在Execution Environment中运行STDIO MCP服务器,并让Agent使用经过配置的工具。企业可以通过MCP把特定业务能力提供给Agent,例如查询记录、处理文件或者执行内部工具。
工具暴露范围仍然需要严格控制。
官方文档明确建议只向Agent提供任务所需的工具,并在工具实现中验证模型生成的参数,在访问外部资源之前继续执行授权检查。
因此,MCP的意义不是让Agent“什么都能调”,而是让企业以相对标准化的方式把经过批准的工具暴露给OpenAI模型。
五、Amazon Bedrock 的 Skills 和 Tools 承担的是不同角色
企业在设计Agent时,很容易把Skills和Tools混在一起。
Skills主要提供可复用的Instructions,告诉Agent怎样完成某类工作;Tools则真正执行操作,例如读取信息、修改文件或连接外部系统。
一个合同处理Agent可以通过Skill学习企业审查步骤,再通过Tool访问相应文档或数据。代码Agent也可以通过Skill遵循内部开发规范,再利用工具执行命令和检查结果。
这种分层可以让企业把“怎样做”和“实际执行什么”分别管理。
对于使用OpenAI模型的企业Agent来说,这比把所有能力塞进一个超长System Prompt更容易长期维护。
六、企业在哪里可以调用 OpenAI API?进入 Agent 后需要进一步控制“谁能做什么”
企业在哪里可以调用 OpenAI API,只解决模型入口问题。
当模型进入Agent以后,它可能开始调用工具、执行命令甚至影响真实业务数据,此时身份与权限就变得更加重要。
Amazon Bedrock Managed Agents支持Session Role。企业创建Session时可以指定IAM Role,让服务代表该Session执行获得授权的模型推理和其他操作。
官方安全指南还建议将调用者、Session Role和Execution Environment身份分开,并对每种身份采用最小权限原则。
这样,不同Agent可以根据业务职责拥有不同访问范围,而不是所有Agent共享一个高权限身份。
七、Amazon Bedrock 可以把不同 Agent 的模型权限进一步限制到指定范围
企业不一定希望每个Agent都能使用所有OpenAI模型。
例如测试Agent可以允许访问更多候选模型,而正式业务Agent只允许调用经过评估的生产模型。不同部门也可能需要不同的模型使用边界。
Amazon Bedrock Managed Agents的Session Role可以限制相应推理权限,并按照实际应用继续收窄授权范围。
这种设计的价值在于,模型选择可以进入企业原有IAM治理体系。
当OpenAI模型从个人开发实验进入大量业务Agent以后,“谁能调用哪一个模型”会逐渐成为平台团队需要持续管理的问题。
八、高风险操作可以在执行前增加 Human Approval
企业Agent一旦能够真正执行动作,就需要区分低风险操作和高风险操作。
读取文档、计算字数与提交订单、修改记录、执行付款显然不是同一种风险等级。对于可能产生重要业务后果的操作,Amazon Bedrock Managed Agents支持在执行前加入人工审批。
企业可以让模型负责分析和提出下一步动作,但把最终执行权保留给人员。
这类Human Approval机制对于财务、人事、生产和客户数据场景尤其重要,因为模型能力提升并不意味着企业需要取消现有审批制度。
更合理的做法是让Agent自动完成低风险步骤,把真正关键的业务动作留在受控审批链中。
九、MCP 工具同样需要防止提示注入和越权调用
模型拥有工具以后,安全问题不再局限于回答内容。
官方安全文档明确提醒,应把来自文档、网站和工具响应中的Instructions视为不可信输入。这一点直接关系到提示注入风险,因为外部内容可能试图诱导Agent执行与原任务无关的动作。
Execution Environment也应该只提供任务真正需要的文件、Credential、网络目的地和工具。
对于会产生外部影响的操作,还应在应用或工具实现层继续做授权和必要人工审核,而不能只依赖模型自行判断。
所以,Amazon Bedrock Managed Agents提供工具连接能力,并不等于平台自动替企业解决所有Agent安全问题。
十、企业在哪里可以使用 OpenAI 模型做长任务?Session 可以保留中间进度
复杂Agent与普通聊天的一个明显差别,是任务可能无法在一次Turn中完成。
一个代码Agent可能先调查代码库,再发现需要额外信息;用户补充要求后,Agent还要继续使用之前已经获得的上下文。文档处理任务也可能经历读取、提取、验证和最终生成多个阶段。
Amazon Bedrock Managed Agents的Session可以跨消息保留对话上下文,Items记录持久化输出,事件流则用于报告执行过程中的进度。
这使OpenAI模型更容易参与持续工作流,而不是每次都从空白状态重新开始。
不过,当前Preview仍需要遵守对应Session、Execution Environment和API限制,不能把“有状态Session”泛化成无限期、无限容量的长期Memory。
十一、Amazon Bedrock Agent 中的工具实际运行在企业提供的计算环境
另一个重要边界是:模型推理和工具执行并不发生在完全相同的位置。
Amazon Bedrock Managed Agents负责OpenAI模型交互与Session管理,Commands和本地Tools则运行在企业提供的Execution Environment中。企业可以使用自己的计算环境,也可以选择Amazon Bedrock AgentCore Runtime。
这种设计使企业可以继续控制执行环境里的文件、网络、Credential和工具。
例如,企业可以让Agent分析任务并决定调用某个工具,但工具真正访问内部系统时,仍然按照Execution Environment自己的权限执行。
因此,模型推理能力与企业业务执行权限可以保持分层。
十二、企业可以通过 CloudTrail 保留受支持的 Agent API 活动记录
当Agent开始进入生产系统以后,审计能力也需要跟上。
Amazon Bedrock Managed Agents支持将受支持的API活动记录到Amazon CloudTrail,使企业能够追踪相应操作活动。
但CloudTrail并不等同于完整记录模型Prompt、Response和每一步业务内容。企业仍然需要根据具体Agent架构决定哪些运行日志、工具执行信息和业务审计记录需要另外保存。
这类区分很重要。
生产Agent需要的不只是“有日志”,而是明确哪些记录用于安全审计、哪些用于运行排障、哪些属于业务数据,并分别设计访问和保留策略。
十三、企业使用 ChatGPT 和 OpenAI 模型时,可以把 Agent 能力拆成几层
企业如果准备把OpenAI模型从简单应用推进到Agent,可以按下面的结构检查需求:
| Agent需求 | Amazon Bedrock Managed Agents 可关注能力 |
|---|---|
| 多轮任务持续推进 | Stateful Session |
| 保留工具调用与中间结果 | Durable Items |
| 复用企业工作方法 | Skills |
| 接入额外业务工具 | MCP Servers |
| 控制模型和资源权限 | IAM Session Role |
| 高风险操作人工确认 | Human Approval |
| 执行命令或文件任务 | Execution Environment |
| API活动审计 | Amazon CloudTrail |
| 使用托管运行环境 | Amazon Bedrock AgentCore Runtime |
| 使用企业自己的计算 | Self-hosted Compute |
企业并不需要一次性启用所有能力。
简单Agent可以从Session和少量工具开始,只有当任务复杂度、用户数量和业务风险增加以后,再逐步增加权限隔离、人工审批和更完整的生产运行机制。
十四、当前 Preview 仍有几项不能忽略的限制
Amazon Bedrock Managed Agents目前处于Public Preview,因此企业不能按照成熟正式服务的假设设计全部生产架构。
当前公开预览的输入面主要是文本,不支持Subagents,也没有内置长期Memory集成。官方支持的Preview工作流中,Programmatic Tool Calling / Code Mode同样不在支持范围内。
目前MCP支持也有明确边界,官方文档重点提供的是在Execution Environment中运行的STDIO MCP Server。
此外,OpenAI托管的Agents API与Amazon Bedrock Managed Agents并不保证拥有完全相同的功能,也不保证两边功能更新节奏一致。
因此,企业可以利用Preview做技术验证,但正式上线前仍应重新核对当前API、模型、Region和功能状态。
十五、OpenAI 模型进入企业 Agent 后,选型重点会发生变化
企业刚开始使用OpenAI模型时,最常比较的是模型能力、Token价格和API兼容性。
进入Agent阶段以后,新的问题会逐渐增加:任务能否持续推进,工具如何治理,身份权限怎样隔离,哪些动作必须人工审批,出了问题是否能够追踪。
这些问题不是更换一个更强模型就能自动解决的。
Amazon Bedrock Managed Agents的价值就在于把模型能力和这些Agent运行机制组合到一条企业路径中。
对准备建设代码Agent、文档Agent或多步骤业务Agent的企业来说,这一层基础设施的重要性会随着自动化程度提高而增加。
结论:企业在哪里可以使用 ChatGPT 和 OpenAI 模型?Amazon Bedrock 可让 OpenAI 模型进入有状态企业 Agent
企业在哪里可以使用 ChatGPT 和 OpenAI 模型?
如果企业需要员工直接使用ChatGPT,可以按照OpenAI当前企业产品进行选择;如果企业希望把OpenAI模型嵌入自己的Agent应用,亚马逊云科技的Amazon Bedrock Managed Agents提供了另一种路径。
这项公开预览能力由亚马逊云科技与OpenAI联合开发,并基于OpenAI Agents API的定制版本构建。企业可以在Amazon Bedrock中运行OpenAI模型,再通过有状态Session、Skills、Tools、MCP、IAM Role以及Human Approval等机制,让模型持续完成多步骤工作。
与普通OpenAI API调用相比,变化的重点不是“模型会不会回答”,而是企业开始管理模型怎样保持任务状态、能够使用哪些工具、拥有什么权限,以及重要动作是否需要人员批准。
企业可以进入亚马逊云科技官网的Amazon Bedrock相关页面查看Managed Agents当前Preview状态,并进一步核对目标OpenAI模型、Region、Skills、MCP、IAM和Execution Environment支持范围。
对于准备把OpenAI模型用于复杂业务Agent的企业,Amazon Bedrock提供的价值正在从模型调用继续延伸到Agent运行与治理。模型负责推理,企业则需要通过Session、Tools、权限和审批机制把这些能力放进可控的业务流程。
前述特定亚马逊云科技生成式人工智能相关的服务目前在亚马逊云科技海外区域可用。亚马逊云科技中国区域相关云服务由西云数据和光环新网运营,具体信息以中国区域官网为准。