MoEngage macht 400 private APIs mit AgentCore Gateway zu Agenten-Tools

MoEngage, die Customer-Engagement-Plattform von mehr als 1.350 Konsumentenmarken, hat mit Amazon Bedrock AgentCore Gateway rund 400 interne REST-APIs in rechtebeschränkte Tools für KI-Agenten verwandelt. Laut dem Bericht des Unternehmens im AWS-Blog sparte der Ansatz geschätzt sechs Monate Entwicklungsaufwand auf der Plattformseite.
- MoEngage stellt rund 400 interne REST-APIs, gebaut von 25 Teams in sieben AWS-Regionen, über AgentCore Gateway als Agenten-Tools bereit.
- Cedar-Richtlinien filtern die Tool-Liste pro Agent serverseitig, sodass Agenten nie Tools erhalten, die sie nicht nutzen dürfen.
- Verwalteter Egress über Amazon VPC Lattice und ein VPC-Interface-Endpunkt sorgen dafür, dass im Pfad kein öffentlicher Endpunkt existiert.
- MoEngage schätzt die Ersparnis auf sechs Monate Plattformentwicklung, und das Onboarding einer neuen API dauert nun Stunden statt Tage.
Das Problem: Hunderte private APIs, keine öffentliche Erreichbarkeit
Die Fähigkeiten, die die Agenten von MoEngage benötigen, etwa das Anlegen von Kampagnen, Segmentabfragen und Zustellstatistiken, existieren bereits als interne APIs. Hinter dem Produkt stehen rund 400 interne REST-APIs, die von 25 Entwicklungsteams gebaut wurden und in privaten Virtual Private Clouds (VPCs) in sieben AWS-Regionen laufen. MoEngage isoliert sie regional, um Zusagen zur Datenresidenz einzuhalten, und macht sie nicht im öffentlichen Internet verfügbar.
Die Schwierigkeit bestand laut dem Beitrag darin, diese APIs für Agenten sicher erreichbar zu machen. Der Beitrag entstand gemeinsam mit Nikhil Kumar und Shakir Khan von MoEngage.
Der naheliegende Weg wäre gewesen, dass jedes Team einen eigenen Server für das Model Context Protocol (MCP) betreibt. MoEngage hat das durchgerechnet und verworfen. Über 20 MCP-Server bedeuteten über 20 Deployments, die überwacht, gepatcht und protokollkompatibel gehalten werden müssten, und teamübergreifende Agenten müssten sich mit mehreren Servern verbinden und deren Angebote abgleichen. Zudem bräuchte jedes Team MCP-Know-how, das mit seiner eigentlichen Produktarbeit nichts zu tun hat.
Stattdessen legte MoEngage ein Prinzip fest: Einzelne Entwicklungsteams implementieren kein MCP. Die Teams bauen REST-APIs und deklarieren, welche Operationen als Tools gelten sollen, und das AI-Platform-Team verantwortet die MCP-Schicht. Die Verantwortung eines Teams endet bei einer gut beschriebenen OpenAPI-Spezifikation.
Vier Randbedingungen hinter dem Design
MoEngage definierte vier Randbedingungen, die gleichzeitig erfüllt sein mussten:
- Keine öffentlichen Endpunkte. Die internen APIs sind per Richtlinie nur innerhalb der VPC erreichbar. Netzwerklösungen pro Integration wie NAT-Gateways, Reverse Proxys oder VPN-Tunnel würden, multipliziert mit sieben Regionen, die operative Angriffsfläche schneller wachsen lassen als die Zahl der Agenten.
- Identität ist nicht Sache des Agenten. Jeder interne API-Aufruf trägt Kontext zu Mandant, Nutzer, Rolle und Datenbank. Wäre das ein sichtbarer Tool-Parameter, könnte ein Modell ihn falsch setzen oder dazu gebracht werden, ihn zu ändern. Die Identität musste vom aufrufenden Dienst eingespeist und dem Zugriff des Modells entzogen werden.
- Der Katalog muss ins Kontextfenster passen. Bei etwa 50 Token JSON-Schema pro Tool umfasst ein vollständiges tools/list über den gesamten Bestand bei jeder Verbindung über 20.000 Token. Filtern auf Client-Seite löst das nicht, da der komplette Katalog dann bereits übertragen wurde und keine Autorisierungsgrenze darstellt.
- Kein eigener zentraler Server. Ein selbstgebauter MCP-Server würde weiterhin eine Pipeline zur Tool-Generierung, ein Format für Richtliniendateien, ein Alias-Register für umbenannte Tools und Circuit Breaker erfordern, alles in der Hand eines einzigen Teams.
Wie AgentCore Gateway passt
Amazon Bedrock AgentCore Gateway wird als vollständig verwalteter MCP-Server beschrieben. Teams registrieren OpenAPI-Spezifikationen als Targets, das Gateway erzeugt daraus MCP-Tools und leitet Aufrufe an die dahinterliegenden Dienste weiter. Jede Operation wird zu einem Tool mit dem Namen Target___operationId, zum Beispiel CampaignsAPI___searchCampaigns. Ändert sich eine Spezifikation, ändert sich das Tool, ohne Deployment und ohne Abstimmung mit dem AI-Platform-Team.
Vier Eigenschaften lassen sich den Randbedingungen von MoEngage zuordnen:
- Cedar-Richtlinien. Die Policy-Engine von AgentCore nutzt Partial Evaluation, um tools/list pro Principal zu filtern. Jeder Agent authentifiziert sich mit einer eigenen IAM-Rolle, und seine Cedar-Richtlinie bestimmt, welche Tools er sehen und aufrufen darf. Ein Bot für die Kampagnen-Qualitätssicherung erhält beispielsweise Lesezugriff auf Kampagnen- und Segment-Tools, kann aber keine schreibenden Operationen aufrufen, und schreibende Tools erscheinen in seiner tools/list-Antwort gar nicht erst.
- Verwalteter Egress über Amazon VPC Lattice. Das Gateway erreicht interne Dienste über den verwalteten Egress von AgentCore. Eingehend ist es nur über einen VPC-Interface-Endpunkt mit privatem DNS erreichbar. Das Onboarding einer neuen API fügt ein Target hinzu, aber ändert nichts an der Netzwerktopologie.
- Semantische Suche. Mit der Funktion x_amz_bedrock_agentcore_search kann ein Agent Tools finden, indem er die Aufgabe beschreibt. Das beseitigt auch die Anfälligkeit gegenüber Umbenennungen: Wird aus get_segment_user_count der Name get_segment_size, findet die Suche nach „segment user count“ das Tool weiterhin.
- OpenAPI hinein, MCP-Tools heraus. Die Spezifikation, die die Teams ohnehin pflegen, dient als Tool-Definition.
Im Anfrageablauf ruft ein Agentendienst auf Amazon EC2 oder in einem Container einen MCP-Client auf. Das kann das offizielle MCP SDK, LangChain, Google ADK oder der eigene Agent-Runner von MoEngage sein. Der Client signiert die Anfrage per SigV4 mit der bestehenden IAM-Rolle des Dienstes und sendet sie über HTTPS an den VPC-Interface-Endpunkt. Anschließend wertet das Gateway die Cedar-Richtlinien aus, um zu bestimmen, was der Principal sehen oder aufrufen darf.
Was das bedeutet
Laut dem Beitrag hat kein Produktteam MCP-Servercode geschrieben, es wurde keine Netzwerkinfrastruktur pro Integration bereitgestellt, und nirgendwo im Pfad existiert ein öffentlicher Endpunkt. Das Onboarding einer neuen API dauert nun Stunden statt Tage, die eingesparte Arbeit wird auf sechs Monate Plattformentwicklung geschätzt.
Für andere Teams mit großen Beständen privater APIs zeigt die Fallstudie einen Weg, diese Agenten zugänglich zu machen und dabei die Autorisierung serverseitig zu halten und die Tool-Liste klein. Die genannten Zahlen sind eigene Schätzungen von MoEngage, wie AWS berichtet.


