AI热榜 亚马逊云科技最近 开源了 Dogwood ，这是一门用于智能体工具调用的策略语言。
它与 Cedar 的不同之处在于，其规则可以回溯查看智能体已经执行过的操作。
Dogwood 采用 Apache 2.0 许可证发布，目前 AgentCore Policy 已支持该语言。
AgentCore Policy 于去年 re:Invent 大会上推出。
它位于模型之外，作为一个确定性的控制层运行。
模型提出工具调用，策略引擎接受或拒绝调用，而模型永远不会接触执行机制。
Cedar 是用于编写这些决策的语言。
亚马逊云科技于 2025 年末将其贡献给 CNCF，成为一个沙箱项目。
Cedar 每次只查看一个请求。
将同一个请求输入两次，无论之前发生了什么，也无论策略以什么顺序运行，得到的答案都相同。
审计和自动推理都依赖这一特性。
代价是 Cedar 只能限制单个操作，无法描述操作序列。
智能体会将多个操作组合成工作流，而团队需要的约束通常存在于操作序列之中：在采取行动前获得批准、确保累计总额不超过限制，以及在接触机密数据后停止联系外部人员。
Dogwood 增加了第二种子句类型。
Cedar 条件写在 when 中，而时序条件则写在 when temporal 中，并且可以读取智能体的事件历史。
事件对应工具调用请求及其结果，携带输入参数和发起请求的主体。
操作模式来自智能体的 MCP 工具清单，每个工具对应一个操作，由 Dogwood 直接生成。
在底层，时序条件会被转换为 Cedar 上下文字段，解释器会在 Cedar 作出决策之前，根据事件历史填充该字段。
四种操作符涵盖了常见模式，它们全都基于核心
🔗 原始来源
如果你要核对细节，可以再看原文： InfoQ AI原文链接