2026 年中国企业如何通过 AWS Bedrock + BAG 构建内部 AI 服务平台

随着 Claude Opus 4.6 和 Sonnet 4.6 相继在 Amazon Bedrock 上线，越来越多的国内企业希望将 Claude 集成到内部业务系统中。然而 Anthropic 官方 API 在中国大陆无法直接访问，企业还面临安全合规、权限管控、成本可视化等挑战。本文将先梳理三种主流接入方案，然后重点介绍如何通过 AWS Bedrock + Bedrock Access Gateway（BAG）+ Systems Manager（SSM）构建安全可控的企业内部 AI 服务平台。

三种接入方案对比

目前国内开发者调用 Claude API 主要有三条路径：

方案一：自建代理服务器

在海外（如美西、日本、新加坡）部署一台代理服务器，将请求转发到 Anthropic 官方 API。

• 延迟：300–800ms（取决于代理服务器位置和线路质量）
• 优点：完全自主可控，无第三方中间商
• 缺点：需要自行维护服务器可用性，仅支持 Claude 模型，运维成本较高
• 适合：有海外服务器资源和运维能力的团队

方案二：API 聚合平台

通过国内第三方 API 中转平台（如 apiyi 等）接入，这些平台通常在阿里云或火山云部署了国内节点。

• 延迟：100–300ms（国内节点，首字节响应快）
• 优点：修改 base_url 即可复用 OpenAI SDK，支持 Claude、GPT、Gemini 等 100+ 模型
• 缺点：依赖第三方平台的稳定性和安全性，数据经过中间商
• 适合：快速验证原型、个人开发者、对成本敏感的团队

方案三：AWS Bedrock（推荐企业方案）

通过 Amazon Bedrock 托管服务调用 Claude，享受 AWS 基础设施的 SLA 保障。

• 延迟：200–500ms
• 优点：企业级 SLA、支持 IAM 权限管控、CloudTrail 审计、跨区域推理（CRIS）
• 缺点：需要 AWS 账号和一定的云服务经验，模型 ID 格式与官方 SDK 不同
• 适合：已有 AWS 基础设施的企业、对安全合规有要求的团队

AWS Bedrock 接入完整步骤

以下以 AWS Bedrock 为例，详细讲解从零开始配置 Claude 的全流程。

步骤 1：注册 AWS 账号并配置 CLI

首先确保拥有 AWS 账号，然后安装并配置 AWS CLI（版本 ≥ 2.13.23）：

# 安装 AWS CLI
curl "https://awscli.amazonaws.com/awscli-exe-linux-x86_64.zip" -o "awscliv2.zip"
unzip awscliv2.zip && sudo ./aws/install

# 配置凭证
aws configure

# 验证身份
aws sts get-caller-identity

步骤 2：申请 Anthropic 模型访问权限

登录 AWS 控制台 → Bedrock → Model access，找到 Anthropic 模型并提交访问申请。需要注意的是，不同 Region 需要分别申请权限。

推荐使用 us-west-2（俄勒冈）区域，模型支持最全。

步骤 3：安装 SDK 并编写代码

Anthropic 官方 SDK 原生支持 Bedrock，无需额外适配层：

Python 方案（推荐）：

pip install -U "anthropic[bedrock]"

from anthropic import AnthropicBedrock

client = AnthropicBedrock(
    aws_region="us-west-2",
    # 使用默认 AWS 凭证链（~/.aws/credentials 或环境变量）
)

message = client.messages.create(
    model="global.anthropic.claude-opus-4-6-v1",
    max_tokens=1024,
    messages=[{"role": "user", "content": "你好，请用中文介绍一下你自己"}],
)
print(message.content)

TypeScript 方案：

npm install @anthropic-ai/bedrock-sdk

import AnthropicBedrock from '@anthropic-ai/bedrock-sdk';

const client = new AnthropicBedrock({
  awsRegion: 'us-west-2',
});

const message = await client.messages.create({
  model: 'global.anthropic.claude-opus-4-6-v1',
  max_tokens: 1024,
  messages: [{ role: 'user', content: '你好，请用中文介绍一下你自己' }],
});
console.log(message);

Boto3 方案（适合已有 AWS 基础设施的团队）：

import boto3
import json

bedrock = boto3.client(service_name="bedrock-runtime", region_name="us-west-2")

body = json.dumps({
    "max_tokens": 1024,
    "messages": [{"role": "user", "content": "你好，请用中文介绍一下你自己"}],
    "anthropic_version": "bedrock-2023-05-31",
})

response = bedrock.invoke_model(
    body=body,
    modelId="global.anthropic.claude-opus-4-6-v1",
)

result = json.loads(response["body"].read())
print(result["content"])

模型选择与定价

2026 年 2 月，Claude Opus 4.6 和 Sonnet 4.6 先后在 Bedrock 上线，以下是当前可用模型及定价：

选型建议：

• Opus 4.6：复杂推理、代码生成、企业级 Agent 工作流
• Sonnet 4.6：日常编码、对话、搜索场景的性价比之选（SWE-bench 79.6%）
• Haiku 4.5：高吞吐量分类、摘要、轻量级任务

全局端点 vs 区域端点

从 Claude Sonnet 4.5 起，Bedrock 提供两种端点：

• 全局端点（global. 前缀）：动态路由，最大可用性，无价格溢价，推荐大多数场景
• 区域端点（us. / eu. / jp. 前缀）：数据驻留合规，10% 价格溢价

国内开发者如果对数据驻留无特殊要求，建议使用全局端点以获得最佳可用性。

企业重点方案：Bedrock + BAG + SSM 内部 AI 服务平台

对于企业用户，仅仅能"调用 Claude API"是不够的。企业需要的是一个统一的 AI 服务平台：兼容现有技术栈、集中管控权限、审计所有调用记录、支持多团队共享。这正是 Bedrock Access Gateway（BAG） 的价值所在。

什么是 Bedrock Access Gateway（BAG）

BAG 是 AWS 官方开源的代理网关（aws-samples/bedrock-access-gateway），核心功能是将 Amazon Bedrock 的 API 转换为 OpenAI 兼容格式。这意味着：

• 所有使用 OpenAI SDK 的现有应用，只需修改 base_url 和 API Key，即可无缝切换到 Bedrock 上的 Claude 模型
• 支持 LangChain、LlamaIndex 等主流框架的 ChatOpenAI 接口，零代码改动
• 同时兼容 Claude、Amazon Nova、DeepSeek、Qwen 等 Bedrock 上的所有模型

支持的核心特性：

架构设计：Bedrock + BAG + SSM

企业内部 AI 服务平台的推荐架构如下：

三大核心组件的职责：

• Amazon Bedrock：提供 Claude 等基础模型的推理能力，企业级 SLA 保障
• BAG（Bedrock Access Gateway）：OpenAI 兼容代理层，统一 API 入口，屏蔽底层模型差异
• SSM（Systems Manager）：集中管理 API Key、模型配置、运维访问，所有操作可审计

部署方案选择

BAG 提供两种部署模式：

企业推荐使用 ALB + Fargate 方案，原因：

1. ALB 可配置为内部负载均衡器，仅在 VPC 内可访问，天然网络隔离
2. Fargate 无冷启动问题，P99 延迟更稳定
3. 支持与企业现有的 VPC Peering / Transit Gateway 网络打通

部署步骤详解

步骤 1：创建 API Key（SSM Secrets Manager）

在 AWS Secrets Manager 中创建 BAG 的认证密钥，团队内部应用通过此 Key 访问网关：

# 创建 API Key（建议使用随机字符串）
aws secretsmanager create-secret \
  --name "bedrock-access-gateway/api-key" \
  --secret-string '{"api_key":"bag-sk-your-random-secret-key-here"}' \
  --region us-west-2

步骤 2：构建并推送 BAG 容器镜像

# 克隆 BAG 仓库
git clone https://github.com/aws-samples/bedrock-access-gateway.git
cd bedrock-access-gateway

# 构建镜像并推送到 ECR
./scripts/push-image.sh

步骤 3：使用 CloudFormation 部署

# 部署 ALB + Fargate 方案（内网模式）
aws cloudformation deploy \
  --template-file cloudformation/fargate.yaml \
  --stack-name bedrock-access-gateway \
  --parameter-overrides \
    ApiKeySecretArn=arn:aws:secretsmanager:us-west-2:123456789:secret:bedrock-access-gateway/api-key \
    ImageUri=123456789.dkr.ecr.us-west-2.amazonaws.com/bedrock-proxy:latest \
    Scheme=internal \
  --capabilities CAPABILITY_IAM \
  --region us-west-2

关键参数 Scheme=internal 确保 ALB 仅在 VPC 内部可访问。

步骤 4：SSM Parameter Store 配置管理

使用 SSM Parameter Store 集中管理运行时配置，避免硬编码：

# 存储默认模型配置
aws ssm put-parameter \
  --name "/bag/config/default-model" \
  --value "anthropic.claude-sonnet-4-6" \
  --type String

# 存储限流策略（SecureString 加密）
aws ssm put-parameter \
  --name "/bag/config/rate-limit" \
  --value '{"requests_per_minute": 100, "tokens_per_minute": 500000}' \
  --type SecureString

# 存储团队级别的模型白名单
aws ssm put-parameter \
  --name "/bag/config/allowed-models" \
  --value "anthropic.claude-sonnet-4-6,anthropic.claude-haiku-4-5-20251001-v1:0" \
  --type StringList

步骤 5：SSM Session Manager 安全运维

通过 SSM Session Manager 管理 BAG 服务，无需开放 SSH 端口，所有操作自动记录审计日志：

# 通过 SSM 连接到 Fargate 容器（无需 SSH）
aws ecs execute-command \
  --cluster bag-cluster \
  --task <task-id> \
  --container bag-proxy \
  --interactive \
  --command "/bin/sh"

# 查看 BAG 运行状态
aws ssm start-session \
  --target <instance-id> \
  --document-name AWS-StartInteractiveCommand \
  --parameters command="curl -s http://localhost:8000/health"

SSM 的所有会话都会记录到 CloudTrail，满足企业审计合规要求。

内部应用接入指南

BAG 部署完成后，内部应用接入极其简单——只需配置两个环境变量：

# 指向 BAG 内部负载均衡器地址
export OPENAI_BASE_URL=http://bag-internal-alb.internal:8000/api/v1
export OPENAI_API_KEY=bag-sk-your-random-secret-key-here

Python 应用（OpenAI SDK）：

from openai import OpenAI

# 无需修改任何业务代码，SDK 自动读取环境变量
client = OpenAI()

response = client.chat.completions.create(
    model="anthropic.claude-sonnet-4-6",
    messages=[{"role": "user", "content": "分析这份季度报告的关键指标"}],
    stream=True,
)

for chunk in response:
    print(chunk.choices[0].delta.content or "", end="")

LangChain 集成：

from langchain_openai import ChatOpenAI

llm = ChatOpenAI(
    model="anthropic.claude-sonnet-4-6",
    base_url="http://bag-internal-alb.internal:8000/api/v1",
    api_key="bag-sk-your-random-secret-key-here",
)

response = llm.invoke("总结这篇文档的核心观点")

Prompt 缓存（降低高达 90% 成本）：

# 对系统提示词启用缓存，重复调用时大幅降低费用
response = client.chat.completions.create(
    model="anthropic.claude-sonnet-4-6",
    messages=[
        {"role": "system", "content": "你是企业内部的财务分析助手...（长系统提示词）"},
        {"role": "user", "content": "分析 Q1 营收数据"},
    ],
    extra_body={"prompt_caching": {"system": True}},
)

企业安全与合规保障

Bedrock + BAG + SSM 的组合为企业提供了多层安全保障：

Claude Code 配合 BAG 使用

企业开发团队可以让 Claude Code 通过 BAG 网关调用 Bedrock，获得统一的审计和管控：

# 方式一：直接使用 Bedrock（需要每个开发者配置 AWS 凭证）
export CLAUDE_CODE_USE_BEDROCK=1
export AWS_REGION=us-west-2

# 方式二：通过 BAG 网关（推荐，统一入口、统一审计）
export ANTHROPIC_BASE_URL=http://bag-internal-alb.internal:8000/api/v1
export ANTHROPIC_API_KEY=bag-sk-your-random-secret-key-here

方式二的优势是开发者无需持有 AWS 凭证，所有调用通过 BAG 统一代理，便于企业集中管理。

跨区域推理与亚太扩展

2026 年初，AWS 将全球跨区域推理（Global CRIS）扩展到了更多亚太地区，包括泰国、马来西亚、新加坡、印度尼西亚和台湾地区。BAG 天然支持跨区域推理——只需在模型 ID 中使用 global. 前缀即可自动路由到最近可用区域。

对于中国大陆企业，推荐的网络优化方案：

1. AWS 全球账号 + 东京/新加坡区域：选择 ap-northeast-1 或 ap-southeast-1 部署 BAG
2. 专线/VPN 连接：通过 AWS Direct Connect 或 Site-to-Site VPN 建立到 BAG 的专线，确保稳定低延迟
3. VPC Peering / Transit Gateway：将企业 VPC 与 BAG 所在 VPC 打通，内网直连

实战技巧与注意事项

常见问题排查

• AccessDeniedException：确认已在对应 Region 申请模型权限，检查 BAG 的 IAM Role 是否包含 bedrock:InvokeModel 权限
• ThrottlingException：检查账号配额限制，必要时申请提升；BAG 侧可通过 SSM Parameter Store 配置限流
• 连接超时：检查 VPC 安全组规则，确认 ALB 目标组健康检查正常
• 冷启动延迟：如使用 Lambda 方案，可配置预置并发；推荐生产环境使用 Fargate 方案

成本控制建议

• 使用全局端点避免区域溢价（10%）
• 启用 BAG 的 Prompt 缓存功能，对重复系统提示词降低高达 90% 成本
• 对非实时任务使用 Haiku 4.5 降低成本
• 利用 Batch API 批量处理，享受 50% 折扣
• 通过 AWS Cost Explorer + 资源标签，按团队/项目维度分析 AI 用量
• 设置 AWS Budgets 告警，防止预算超支

总结

对于中国企业而言，Bedrock + BAG + SSM 是目前构建内部 AI 服务平台的最佳实践组合：

• Bedrock 提供企业级 SLA 和最新的 Claude 4.6 系列模型
• BAG 提供 OpenAI 兼容的统一 API 入口，现有应用零改动接入
• SSM 提供集中配置管理、安全运维和全量审计能力

这套架构的核心优势在于：内部应用无需关心底层模型差异，开发者无需持有 AWS 凭证，所有 AI 调用经过统一网关、统一审计、统一计费。随着 Claude 4.6 系列模型上线和亚太区域的持续扩展，企业通过这套方案可以快速、安全地将 AI 能力赋能到各个业务线。