AWS ergänzt Websuche für LangGraph-Agenten zur Überwachung von Abhängigkeiten

Suchergebnisse für kontrollierte Agenten-Workflows

Die API liefert aktuelle Web-Ergebnisse über einen einzigen Aufruf, der mit den AWS-Zugangsdaten signiert wird, die eine Anwendung bereits verwendet. AWS zufolge stammt jede Abfrage aus einem vom Unternehmen betriebenen Webindex und wird nicht an eine Suchmaschine eines Drittanbieters weitergeleitet. Damit sollen Suchvorgänge innerhalb der AWS-Umgebung bleiben. Das ist für Teams relevant, deren Abfragen interne Arbeitsinhalte offenlegen könnten.

Jedes Ergebnis enthält einen Seitentitel, eine URL, das Veröffentlichungsdatum und einen für die Abfrage relevanten Auszug. Anwendungen können Domains ein- oder ausschließen und die Ergebnisse auf einen Veröffentlichungszeitraum beschränken. Agenten, die auf AWS Lambda, dem Amazon Elastic Container Service oder der Amazon Bedrock AgentCore Runtime laufen, können die API mit ihrer Ausführungsrolle aufrufen, ohne einen separaten Such-API-Schlüssel speichern oder regelmäßig austauschen zu müssen.

Web Search in Amazon Bedrock AgentCore ist auch über AgentCore Gateway verfügbar. AWS zufolge kann eine einzige Quellenrichtlinie des Administrators dann für jeden Agenten und jeden Model Context Protocol-Client gelten.

LangGraph-Beispiel überwacht Pakete und Container-Images

Das Beispiel von AWS erstellt als LangGraph-Graph eine tägliche Abhängigkeitsüberwachung für ein Sicherheitsteam. Jeden Morgen prüft es, ob neue Informationen die Open-Source-Pakete und Container-Basis-Images betreffen, die das Team ausliefert. Der Graph untersucht npm, PyPI und Container-Basis-Images parallel. Dabei hält der Code das Zeitfenster, die Quellen-Blockliste und das Suchbudget außerhalb des Einflussbereichs des Modells.

In jedem Zweig entscheidet ein Anthropic-Claude-Modell in Amazon Bedrock, wonach gesucht werden soll, und erstellt strukturierte Ergebnisse. Das Such-Tool fügt jeder Abfrage das feste Zeitfenster und die Blockliste hinzu und erlaubt bis zu vier Suchen pro Zweig. Ein Durchlauf führt daher höchstens 12 Suchen aus.

Nach der Suche gleicht der Code jedes Ergebnis mit den zurückgegebenen Quellen ab. Die zitierte URL muss in den Ergebnissen des jeweiligen Zweigs enthalten sein, die Quelle muss das Paket nennen, und jede CVE- oder Advisory-ID muss im Quellentext erscheinen. Außerdem muss das Veröffentlichungsdatum innerhalb des Überwachungszeitraums liegen. Anschließend vergleicht LangGraph die verbleibenden Ergebnisse mit seinem Speicher, sodass bereits gemeldete Ergebnisse nicht erneut gemeldet werden. Danach wird eine zitierte Tabelle für das Sicherheitsteam erstellt.

AWS meldet in einem Test schnellere parallele Ausführung

Im Test von AWS wurden die drei Zweige bei paralleler Ausführung in 36 Sekunden abgeschlossen, nacheinander dagegen in 99 Sekunden. Der Durchlauf umfasste 12 Suchen und lieferte 80 Quellen zurück. Die Belegprüfungen entfernten zwei Ergebnisse: Bei einem nannte die Quelle das Paket nicht, bei einem anderen erschien die CVE-ID nicht in der Quelle. Vier Ergebnisse bestanden die Prüfungen, zwei davon wurden gemeldet, weil die anderen beiden bereits in früheren Testläufen gemeldet worden waren.

AWS weist darauf hin, dass diese Prüfungen weder den Schweregrad noch den Ausnutzungsstatus, betroffene Versionen oder die empfohlene Maßnahme bestätigen. Sie belegen auch nicht, wann ein Problem erstmals offengelegt wurde, da eine vom Index in dieser Woche datierte Seite einen älteren Vorfall beschreiben kann. Das Unternehmen empfiehlt, Ergebnisse anhand maßgeblicher Schwachstellen-Feeds zu überprüfen und ein Ergebnis vor einer Reaktion von einer Person prüfen zu lassen.

Für LangChain-Entwickler bietet die Integration aktuelle, zitierte Suchergebnisse als Daten, die der Code prüfen kann. AWS zufolge funktioniert das Tool mit LangChain-Agenten, LangGraph und Deep Agents. Teams können damit modellgesteuerte Recherche mit Regeln kombinieren, die das Modell nicht ändern kann.