亚马逊云科技宣布 Amazon WorkSpaces 现已可作为 AI 智能体的托管虚拟桌面，支持智能体通过计算机视觉与输入模拟来操作传统桌面应用，无需对应用程序进行现代化改造或 API 集成。

它要解决的问题十分普遍。2024 年甘特报告显示，75% 的企业仍在运行缺少现代 API 的遗留系统，71% 的财富 500 强企业在大型机系统上运行核心业务流程，且缺乏完善的程序化访问能力。对于这类企业来说，部署 AI 智能体意味着要在耗资巨大的应用现代化改造和彻底暂缓 AI 落地之间二选一。

WorkSpaces 采用了一种截然不同的方式：为智能体提供与人类员工完全相同的桌面环境。智能体通过 IAM 完成身份验证，通过唯一的预签名 URL 接入 WorkSpaces 实例，再通过截图识别（计算机视觉）、点击、输入、滚动等操作（模拟人机输入）与应用程序发生交互。应用程序无法感知是智能体在操作，软件本身也无需做任何修改。

（来源：亚马逊云科技新闻博客文章）

Nuvens Consulting 总监 Chris Noon 在公告中阐述了这项方案对受监管行业的价值：

WorkSpaces 让我们的客户能够为 AI 智能体提供与其员工所使用的相同的安全、受管控的桌面环境。无需自定义 API 集成，具有完整的审计追踪和开箱即用的企业级隔离。对于受监管的行业来说，这不是锦上添花，而是基本底线。

MCP 集成使其具备框架无关性。WorkSpaces 对外开放了托管 MCP 端点，这意味着任何支持 MCP 的智能体框架，包括 LangChain、CrewAI 和 Strands Agents，都可以直接接入。AWS 使用基于 Amazon Bedrock 构建的 Strands 智能体演示了该项能力，该智能体可在示例药房系统中处理处方续配工作流程：查找患者记录、检索药品信息、提交订单并确认续配，全程无需依赖 API。

安全模型继承了企业为人类 WorkSpaces 环境所做的所有设置。智能体在隔离的 WorkSpaces 实例中运行，而不是在本地机器或内部网络上。CloudTrail 会捕获所有操作行为用于审计，CloudWatch 则提供完整的可观测性。亚马逊云科技建议为每个智能体分配唯一的 IAM 身份，用以区分智能体操作与人类操作。桌面屏幕分辨率、图像格式和智能体能力（计算机输入、计算机视觉、屏幕截图存储）均可按资源栈进行配置。

成本是一个显而易见的质疑点。AI 编程公司 Reflex 最近发布的基准研究显示，视觉智能体完成一项任务大约消耗 50 万输入词元，而 API 智能体仅用了 1.2 万词元，成本差异达 45 倍。Reflex 增长负责人 Palash Awasthi 认为：

更好的视觉模型可以降低每张屏幕截图的错误率，但并不能减少获取相关数据所需的屏幕截图数量。

视觉智能体耗时 17 分钟，而调用 API 仅需 20 秒。Awasthi 承认，更先进的模型最终会降低成本，但他坚持认为，基于视觉的智能体所需步骤始终会多于基于 API 的替代方案。

这正是亚马逊云科技想要表达的核心权衡：计算机使用智能体和 API 解决的是完全不同的问题。有可用 API 时，智能体理应优先使用。但绝大多数企业软件、遗留 ERP 系统、胖客户端应用和专用工具本身就没有提供 API 访问能力。

对于这些应用程序而言，一个成本高出 45 倍的智能体仍有可能比耗时数年的现代化改造项目更加经济。每个企业都需要弄清楚的是，工作流自动化的价值是否足以证明特定规模下的词元成本是合理的。云桌面的临时部署特性有助于成本管控：组织可以为特定任务启动 WorkSpaces 实例，并在智能体完成后将其关闭，无需维护持续运行的基础设施。

微软也正通过 Windows 365 for AI agents 推行类似思路，打造了一个平行的云桌面服务品类，让 AI 系统通过用户界面而非 API 来操作软件。

WorkSpaces 智能体访问功能目前在美国东部（弗吉尼亚北部、俄亥俄）、美国西部（俄勒冈）、加拿大（中部）、欧洲（法兰克福、爱尔兰、巴黎、伦敦）和亚太地区（东京、孟买、悉尼、首尔、新加坡）提供预览版。包含示例代码的 GitHub 仓库 现已可用。

查看英文原文：https://www.infoq.com/news/2026/05/aws-workspaces-ai-agents/