亚马逊云科技开源Dogwood：给AI智能体的工具调用立规矩——引入时序策略语言，解决操作序列约束问题

基于Cedar扩展的时序策略语言 · 四种操作符覆盖序列约束

从Cedar到Dogwood：为什么需要时序策略？

亚马逊云科技开源Dogwood，这是一门用于智能体工具调用的策略语言，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。

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。 —— 亚马逊云科技团队 · 原文

Dogwood的工作原理：时序条件与事件历史

Dogwood在Cedar的「when」子句基础上增加了「when temporal」子句，可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。

操作模式来源 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。 —— 亚马逊云科技 · 原文

四种时序操作符覆盖常见模式

formerly 判断某个时间窗口内是否发生过某件事 用于检查历史事件是否存在

count_within 计算发生次数 用于速率限制

count_distinct_within 计算不同值的数量 例如不同用户

sum_within 计算累计总额 例如转账总额

这些操作符基于核心度量一阶时序逻辑子集，以标准库宏的形式定义，而不是作为语言原语。bind 操作符可以为聚合结果命名，以便将当前请求与其进行比较。

⚠ 并发环境下的正确性陷阱

针对响应事件而不是请求事件编写的速率限制，可能会被并发操作绕过。 —— 亚马逊云科技 · 原文

▎示例

三笔并发的2000美元转账在完成前到达，对响应求和的策略看不到正在处理的金额，允许三笔全部越过5000美元上限；
对请求求和的相同策略拒绝第三笔。
两个策略仅相差一个词。

智能体会并行发起工具调用，多智能体环境中操作交错会让情况更加复杂，这是一个出现在新领域中的典型分布式系统问题。

Dogwood的代价：有状态追踪与失去自动推理

时序求值需要有状态地追踪事件，而且求值时间可能取决于事件日志的长度。更重要的是，时序条件不支持Cedar提供的自动推理分析工具，因此使用这些条件的策略集将失去接受形式化分析的能力。 —— 亚马逊云科技 · 原文

团队选择构建一门独立语言而不是扩展Cedar，正是因为这些代价。现有Cedar策略仍然有效，任何有效的Cedar策略也是有效的Dogwood策略。

如果做不到[构建一个值得信任的事件日志]，策略便毫无意义。 —— 亚马逊云科技 · 原文

与MCP 2026-07-28规范的互补

MCP标头 让网关能够看到智能体正在调用哪个工具

Dogwood 用于表达一系列调用累计起来可以执行哪些操作

两者分别解决了同一个问题中彼此相邻的两个部分。

路线图与发布细节

路线图项目 绝对时间窗口、活性属性、多智能体编排策略

支持以现实时间边界为基准的规则、断言最终必须发生什么、面向多智能体系统的任务交接和锁

此次发布由亚马逊云科技副总裁兼杰出工程师Marc Brooker、自动推理团队的Joseph Tassarotti，以及亚马逊云科技Agentic AI的Jean-Baptiste Tristan共同撰写。 —— 原文

亚马逊云科技目前尚不接受贡献，计划先收集反馈，待语言趋于稳定后再开放贡献。