AWS lanceert Dogwood Local Engine voor lokale agentcontrole

De Dogwood Local Engine toetst elke agent-toolaanroep lokaal aan Dogwood-beleidsregels, meldt AWS op 30 september, en geeft het agent-harnas vóór uitvoering een toelatings- of weigeringsbesluit.

Voor Nederlandse teams die hun eigen agentsoftware bouwen, verschuift de controle naar de grens vóór een tool bestanden wijzigt of een bedrijfsdienst aanroept. Het agent-harnas is de softwarelaag die zulke verzoeken opvangt. De nieuwe engine is lokaal in te bouwen en open source onder Apache 2.0.

De engine geeft een besluit, het harnas voert het uit

The Register beschrijft de engine als een Rust-bibliotheek die in een agent-harnas of gateway kan worden ingebouwd. De engine vergelijkt toolverzoeken met Dogwood-regels en geeft een ALLOW- of DENY-besluit. Het harnas moet elk verzoek onderscheppen, de tool alleen na ALLOW starten en een DENY daadwerkelijk afdwingen. Het moet ook de gebeurtenissen in de juiste volgorde aanleveren en voorkomen dat de agent de beleidslogica of geschiedenis aanpast.

Regels kunnen eerdere acties controleren

Dogwood ondersteunt tijdsgebonden regels: een besluit kan afhangen van wat een agent eerder deed en wat daarvan het resultaat was. AWS noemt als voorbeeld een codeagent die alleen mag pushen als tests in de afgelopen vijftien minuten zijn geslaagd en er sindsdien geen test is mislukt.

Een toolaanroep levert een verzoek en een antwoord op. Het harnas stuurt beide gebeurtenissen naar de engine: die beslist op het verzoek en bewaart het antwoord voor regels die later naar de uitkomst kijken. De engine ordent gebeurtenissen, ook wanneer meerdere acties tegelijk binnenkomen, en bewaart de geschiedenis zodat die na een crash kan worden hersteld. Regels kunnen tijdens een agentsessie worden aangepast. Bij gelijktijdige aanroepen moet de engine voorkomen dat een verzoek wordt beoordeeld tegen een mengsel van oude en nieuwe regels.

De beleidskeuze beïnvloedt de snelheid

AWS testte twee keuzes die de evaluatietijd bepalen. Met fijnmazige actietypen hoefde de engine bij een push maar 20 van de 100 regels te controleren; die uitvoering was ongeveer vijf keer sneller dan met een grovere indeling. In een tweede simulatie verwerkte een agent 360 gebeurtenissen per uur. Na twaalf uur kostte een besluit met een venster van 24 uur zes milliseconden, 300 keer langer dan met een venster van vijftien minuten.

AWS nam voor deze venstertest de mediaan van 200 evaluaties op één serverklasse-machine; herhaalde runs weken minder dan vijf procent af. Dit zijn AWS-metingen, geen prestatienorm voor elk systeem. De cijfers laten zien dat zowel de afbakening van acties als de geschiedenis waar een regel naar terugkijkt de wachttijd per toolaanroep beïnvloedt. Een regel die een hele dag moet controleren, kan niet zonder betekenisverlies worden ingekort tot een kwartier.

Een losse engine binnen AWS’ agentstack

Dogwood Local Engine is een afzonderlijke release binnen AWS’ agentstack. De eerdere AgentCore-release met Guardrails die elke agentactie toetsen op promptinjectie, schadelijke inhoud en blootstelling van gevoelige data beschreef de controlelaag in AWS’ beheerde platform. De nieuwe engine kan in software worden ingebouwd die toolaanroepen zelf afhandelt.

Daarmee verschuift agentbeleid van regels opschrijven naar ze uitvoeren op de grens met een tool. Voor organisaties met een eigen agent geeft dat meer keuze over waar tijdsgebonden controle draait. De werking hangt nog steeds af van het harnas dat elke aanroep opvangt en de uitkomst uitvoert.