Agent 开发者为了让 AI 代理回答一个基于实时网络信息的问题，过去需要维护一条多步流水线：调用搜索 API、判断结果可信度、抓取并清洗页面内容、提示模型合成答案、工程化提取引用来源。AWS 机器学习官方博客2026年11月5日发布的技术文章宣布，Web Answer 在 Amazon Bedrock AgentCore 上正式可用（General Availability），将这整条流水线收敛为单次 MCP 工具调用——发送一个自然语言问题，数秒内返回带来源 URL 引用的综合答案。

据该博客描述：「They no longer build a search, retrieve, synthesize, and citation pipeline themselves.」

本文拆解 Web Answer 的技术设计：它解决了什么具体问题、与此前已 GA 的 Web Search 如何分工、托管连接器内部的多步推理流程如何运作、输出格式如何保证每条论断可追溯，以及定价、配额、区域可用性等工程决策信息。

多步流水线的3类故障模式

AWS 官方博客在 Web Answer 的发布文章中，对现有自建流水线的脆弱性做了精确归纳。博客原文列出了3类故障模式：

第1类是「hallucination when evidence is insufficient」——证据不足时产生幻觉。第2类是「stale content when the index moves」——索引变化时内容过时。第3类是「broken attribution when a claim and its source drift apart」——论断与来源脱节导致归因出错。

博客原文写道：「Every step is code you maintain, and every step is another place things can go wrong」——每一步都是需要维护的代码，也都是可能出错的地方。

AWS 的做法是把这些步骤交给托管连接器。据 AWS 机器学习博客描述，Web Answer「plans its searches, runs several in parallel, and reads key pages to check the facts. When the evidence is insufficient, it searches again. It then writes an answer that ties each claim to its source URL.」

Web Answer 与 Web Search：同一平台上的两种连接器

理解 Web Answer 的定位，必须将它与 AgentCore 平台上此前已发布的 Web Search 连接器做对比。两者都是 AgentCore Gateway 上的托管连接器（managed connector），都通过 MCP 协议暴露给 Agent，但它们解决的问题层次不同。

Web Answer 发布博客在对比两者时写道，Web Search 返回的是「ranked URLs, titles, snippets, and metadata」——原始的排序链接列表、标题、摘要片段和元数据。开发者保留自己的模型，完全控制后续的合成过程。博客原文的定位表述是：「Use Web Search when you want full control over how results are processed.」

Web Answer 则走得更远。据 Web Answer 发布博客描述，它「runs the model, the agentic retrieval loop, synthesis, and attribution for you」——模型推理、代理式检索循环、合成、归因全部由连接器完成。开发者拿到的是一个「finished, cited answer」。博客原文的定位表述是：「Use Web Answer when the question is a sub-task inside a larger agent and you do not want to own a retrieval pipeline for it.」

这里的关键区分在于「who runs the model」。Web Search 场景下，模型在开发者侧运行，开发者决定用哪个模型、如何提示、如何合成。Web Answer 场景下，模型在 AWS 托管的连接器内部运行。

两者的互补关系在博客中有明确表述：「Many customers will use both. An agent might use Web Search for broad research tasks where it needs raw results, and Web Answer for specific factual questions where it needs a quick, cited answer.」

据 AWS 博客原文，Web Answer 明确列举了以下适用场景：金融服务的监管问答、医疗领域的临床支持、客服场景（博客原文称「where ten ranked links are not useful and a cited answer is」）、法律合规研究，以及企业内部 copilot。博客的总结是：「Use Web Search on AgentCore when your own model should reason over raw results, and Web Answer when your agent needs a finished, cited answer.」

单次调用背后的多步推理：搜索-读页-核实-再搜

Web Answer 最核心的技术设计在于它不是简单地调用一次搜索然后让模型合成。据 AWS 机器学习博客描述，Web Answer 内部运行的是一个完整的代理式检索循环（agentic retrieval loop）。

博客描述的内部流程如下：Agent 发送问题到 AgentCore Gateway；Gateway 认证后调用 Web Answer 连接器；Web Answer「plans its own searches, runs several in parallel, reads pages to verify facts, and decides when it has enough evidence to answer」。

这段描述包含4个关键动作：

规划搜索（plans its own searches）——Web Answer 自行规划需要执行哪些搜索。

并行执行（runs several in parallel）——多个搜索查询并行执行。

读页核实（reads pages to verify facts）——Web Answer 不仅依赖搜索返回的摘要片段，还会读取关键页面的内容来核实事实。

证据不足时再搜（when the evidence is insufficient, it searches again）——Web Answer 内置了证据充分性判断逻辑：证据不足时，连接器会再次搜索。

最终输出的格式在博客中有明确描述：「A grounded, cited answer, where each grounded claim maps to a citation, with a source URL where one is available.」每条论断（claim）对应一条引用（citation），引用包含来源 URL。整个输出以 MCP tool result 的形式返回给 Agent。

博客还强调 Web Answer「runs new searches for every question, and its model is given today’s date so it can search for up-to-date information」。每次调用都执行新的搜索，模型也会被告知当天日期。据 Web Search 的技术博客描述，Amazon 运营的网络索引「spanning tens of billions of documents」，且「reflecting new content within minutes」。Web Answer 发布博客则写道：「Web Answer searches an Amazon-operated web index and Amazon’s knowledge graph, and doesn’t send your question to third-party search engines or external websites.」

据 Web Answer 发布博客描述，当问题需要当前信息时，Agent 调用 Web Answer 工具（web-answer-tool___WebAnswer）。Web Answer 执行代理式搜索并返回带引用的完整答案。除了问题本身，Web Answer 工具还接受可选参数，Agent 可以在每次调用时设置：域名过滤（包含或排除特定站点）、发布日期范围，以及用于本地化结果的国家。Agent 的域名过滤会与 target 级别的过滤合并——Agent 可以排除更多域名，或将结果限制在 target 已包含的部分域名内，但不能添加被 target 过滤器阻止的域名。

Web Answer 返回的 MCP tool result 包含 content 和 structuredContent 两个字段。答案是带有内联引用标记（如 [1]）的 Markdown 文本，structuredContent.answer 则在同一文本旁附带结构化的引用列表。每条引用包含来源 url，在可用时还包含 domain。

博客同时指出：「Responsible AI safeguards: Web Answer is designed and tested with responsible AI safeguards.」

企业级治理：鉴权、域名过滤与数据驻留

Web Answer 作为 AgentCore Gateway 上的托管连接器，天然继承了 Gateway 的企业治理能力。

鉴权机制：据 Web Answer 发布博客描述，AgentCore Gateway 支持两种入站认证方式——AWS IAM 和 JSON Web Token（JWT）。Agent 调用 Gateway 时，Gateway 先完成认证，然后使用自己的服务角色（service role）调用 Web Answer 连接器。博客明确指出，该服务角色需要具备 bedrock-agentcore:InvokeWebAnswer 权限。博客原文写道：「Outbound authentication is automatic for connectors. With GATEWAY_IAM_ROLE, the Gateway calls the Web Answer backend with the service role from Step 1, so you don’t create or store any credentials for the tool.」Agent 本身不需要持有访问 Web Answer 后端的凭证，凭证管理完全在 Gateway 层面完成。

域名过滤：Web Answer 发布博客描述了管理员级别的域名过滤边界机制。原文称：「Admin-time policy bounds. The Gateway administrator sets domain filter bounds at target setup. Agents can narrow the filter bounds on each call but can’t widen them.」这一分层过滤模型确保了即使开发者在运行时传入了更宽泛的域名列表，也不会突破管理员设定的安全边界。作为背景，AgentCore 平台在2026年8月已为 Web Search 连接器发布了运行时域名和发布日期过滤功能（连接器版本 1.2.0）。据域名过滤博客描述，Web Search 的运行时过滤支持在每次 tools/call 调用时传入 include（白名单）或 exclude（黑名单）域名列表，每个列表最多支持100个域名，同时支持基于 ISO-8601 UTC 时间范围的发布日期过滤。该博客同样确认了分层过滤原则：「runtime filters can narrow but never expand the scope set by an administrator」。

数据安全与网络隔离：据 Web Answer 发布博客描述，AgentCore 采用零数据出口架构——「Zero data egress. Your queries and results stay within your AWS environment.」此外，博客描述了 VPC 和 AWS PrivateLink 支持：Agent 可以通过接口 VPC 端点（com.amazonaws.us-east-1.bedrock-agentcore.gateway）调用 Gateway，使流量完全不经过公共互联网。

可观测性：据博客描述，Amazon CloudWatch metrics 从第1次调用起即发布运营指标。

接入方式：据 Web Answer 发布博客描述，Gateway 管理员将 Web Answer 添加为现有 Gateway 上的一个 target 后，该工具会通过标准的 MCP tools/list 和 tools/call 接口暴露给所有附加到该 Gateway 的 Agent。整个接入过程「takes minutes」。博客原文明确列出了兼容的 Agent 框架：「This works with Strands Agents, LangChain, LangGraph, CrewAI, or any other MCP-compatible client.」博客还指出：「There is no persistent infrastructure on the AWS side beyond these resources. After they are removed, you stop incurring charges.」

定价、配额与区域可用性

据 Web Answer 发布博客披露的工程决策数据：

  • 定价：Web Answer on Amazon Bedrock AgentCore 的定价为每1000次工具调用10美元（$10 per 1,000 tool calls）。
  • 速率限制：每账户10 TPS（transactions per second），区域为 US East (N. Virginia)（us-east-1）。如需提升限额，需联系 AWS Support。
  • 区域可用性：Web Answer 目前在 US East (N. Virginia)（us-east-1）可用，更多 AWS 区域即将推出。作为对比，Web Search 在2026年8月已扩展到 eu-west-1（Dublin）和 ap-northeast-1（Tokyo）两个区域。

AgentCore 连接器生态的发布时间线

将 Web Search 和 Web Answer 的发布节点串联起来：

2026年6月，Web Search GA，提供原始检索能力——Agent 拿到链接和摘要后自行决定下一步。据 Web Search GA 公告描述，它构建在 Amazon 的搜索基础设施之上，结合了 Amazon 的网络索引与结构化知识图谱数据，底层经验来自 Alexa+、Amazon Quick 和 Kiro 等产品的代理式搜索体验。

2026年8月，Web Search 连接器升级到版本 1.2.0，新增运行时域名过滤和发布日期过滤，同时扩展到 Dublin 和 Tokyo 两个区域。

2026年11月5日，Web Answer GA，提供端到端的综合回答能力。它复用了 AgentCore Gateway 的鉴权、治理和可观测性基础设施，在功能层面从「返回原始结果」扩展到「返回综合答案」。按 AWS 的说法，Web Answer 会规划搜索、并行执行、读取关键页面核实事实，证据不足时再搜。

在2026年6月 Web Search 发布时，Gen Digital 的 Iskander Sanchez-Rola 曾表示：「What we value most is that AWS uses its own search index and keep queries within our trusted AWS environment.」Web Answer 在数据安全维度上延续了同样的架构——零出口、查询不离开 AWS、不发送到第三方搜索引擎。

AWS 在博客中写道，很多客户会两者都用：需要原始结果的宽泛研究任务用 Web Search，需要快速、带引用答案的具体事实问题用 Web Answer。

参考资料

  1. Getting started with Web Answer on Amazon Bedrock AgentCore — AWS Machine Learning Blog, 2026-11-05
  2. Announcing Web Search on Amazon Bedrock AgentCore: Ground your AI agents in current, accurate web knowledge — AWS News Blog, 2026-06-17
  3. Domain and publish date filters for Web Search on AgentCore — AWS Machine Learning Blog, 2026-08-19
  4. Introducing Web Search on Amazon Bedrock AgentCore — AWS Machine Learning Blog, 2026-06-19

主题分类：企业AI落地