AWS Bedrock AgentCore 实操工作坊：回顾

Source: Dev.to

蒙特利尔 AWS 用户组

日期： 2025年12月18日

工作坊概览

一次动手实践之旅，深入了解 Amazon Bedrock AgentCore（一个用于大规模运行 AI 代理的平台）。我们涵盖了：

• 运行时
• 网关
• 身份
• 内存
• 内置工具
• 可观测性

参与者学习了如何将 AI 代理从简单的 PoC（概念验证）转化为 安全、企业级的应用。

注意： 此处展示的每个演示仅为一个示例，提及的工具只是工作坊中探索内容的一部分——并非全部。

为什么云开发很重要

“进入云开发不仅仅是学习服务——更重要的是先理解真实的问题。代码是可靠性的工具，而不是最终资产。更大的图景是了解公司为何会使用 why Amazon Bedrock AgentCore。”

企业希望 AI 代理能够从实验阶段转向 真实、可靠、安全、可扩展且可观测 的应用。本次研讨会帮助理清了概念：模块和工具如何协同工作，打造 智能、可靠且值得信赖 的代理。

目标受众：
企业或开发者希望获得 无需自行管理所有复杂基础设施 的 AI 代理。目标包括：

• 构建可靠的代理
• 安全扩展
• 与外部系统集成
• 对代理运行拥有完整可视性（可观测性）

1. Runtime

什么是它

一个安全的环境，用于运行您的代理（即回答问题或执行任务的软件），负责基础设施、扩展和会话管理。

为什么重要

开发者可以专注于代理的功能，而无需担心服务器或安全问题。

示例演示 – Weather + Calculator agent

• Runtime 负责所有容器编排和会话隔离。

Prompt Example

How is the weather?

Tools Used

• Strands Agent
• Elastic Container Registry (ECR)
• Terminal prompts

要点
Runtime 是将原型转化为生产‑就绪代理的支柱。

2. 网关

它是什么

允许代理与外部系统或 API 交互的集成层。

为什么重要

为了提供真实世界的洞察，代理需要安全、可靠地访问外部信息。网关让你可以使用元数据（名称、描述、输入/输出模式、行为）来定义工具。

示例演示 – 火星天气代理

• 使用 API 密钥调用 NASA 的开放 API。

提示示例

Hi, can you list all tools available to you?
What is the weather in the northern part of Mars?

使用的工具

• REST API
• AgentCore 网关
• API 密钥

要点
网关连接代理与外部系统，实现可操作的智能和结构化的工具集成。

3. 身份

它是什么

管理 谁 可以调用代理以及 他们 能访问的内容。

为什么重要

保护敏感数据，确保企业环境中的合规性。

示例演示 – 带授权 vs. 不带授权的 AgentCore 运行时

• 带授权调用天气代理 → 成功。
• 不带授权调用天气代理 → AccessDeniedException。

提示示例

How is the weather?

使用的工具

• Amazon Cognito
• JWT 令牌

要点
身份确保只有经过授权的用户或系统能够与代理交互。

4. 记忆

它是什么

为多轮对话存储上下文。

为什么重要

使代理能够提供个性化、上下文感知的响应，并随时间不断改进。

示例演示 – AI 学习代理

• 该代理在跨会话中记住了用户的姓名（Alex）以及对 AI 的兴趣主题。

Prompt Flow

User: My name is Alex and I'm interested in learning about AI.
Agent: Hi Alex! I’m excited to help you learn about AI!
User: What was my name again?
Agent: Your name is Alex!

使用的工具

• AgentCore Memory
• Strands MetricsClient

要点
短期记忆提供会话级别的上下文；长期记忆提供持久的上下文，提升用户体验并实现长期连续性。

5. 内置工具

它是什么

预构建的工具，如 Browser 或 Code Interpreter，用于扩展代理的功能。

为什么重要

代理可以安全高效地执行专门任务。

示例演示 – 亚马逊收入提取

• 使用 Browser 工具和 Nova Act SDK 从网站提取了亚马逊的收入数据。

提示示例

Extract and return Amazon revenue for the last 4 years from stockanalysis.com.

使用的工具

• Browser 工具
• Code Interpreter
• Nova Act SDK

要点
内置工具使代理能够处理复杂任务，从而在企业环境中更有用。

6. 可观测性

什么是可观测性

对代理工作流、工具使用、性能和错误进行监控和日志记录。

为什么重要

确保代理可追踪、可衡量、可调试——在生产环境中建立信任。

示例演示工作流 – CrewAI 旅行代理

1. 创建 一个可运行的 CrewAI 代理，使用 Amazon Bedrock，定义其角色、目标、背景故事和任务。

2. 为 代理加入 CrewAIInstrumentor().instrument() 以启用可观测性。

3. 通过 Boto3 调用代理：

   prompt = "What are some rodeo events happening in Oklahoma?"
   response = bedrock_client.invoke_agent(..., prompt=prompt)

4. 多个响应并行返回。

5. 在 CloudWatch 上的 仪表盘 显示请求延迟、工具调用次数和错误率等指标。

使用的工具

• CrewAIInstrumentor
• Boto3（Python 的 AWS SDK）
• CloudWatch 仪表盘

要点
可观测性提供了在大规模运行代理、提前发现问题并持续提升性能所需的洞察。

结束语

本次研讨会展示了 Amazon Bedrock AgentCore 将运行时、网关、身份、内存、内置工具和可观测性整合为一个统一的平台。企业现在可以从实验性的 AI 代理转向 安全、可扩展且可信赖 的生产工作负载——无需自行管理底层基础设施。

可观测性与指标

• 监控所有代理的运行时指标。
• 点击特定代理可显示带有 自定义时间范围过滤 的详细指标。

使用的工具

• Amazon CloudWatch
• Boto3 SDK
• Crew AI
• Scarf
• AWS Distro for OpenTelemetry

要点
可观测性确保对生产代理进行监控，性能可见，从而支持可靠性和优化。

企业采用 Bedrock AgentCore

企业采用 AgentCore 将从概念验证（PoC）转向生产就绪的 AI 应用。它提供：

• 可扩展部署，无需管理基础设施
• 安全、授权的执行
• 上下文感知和持久化记忆
• 与外部系统和工作流的集成
• 完整可观测性，用于监控性能和错误

了解这些模块有助于开发者交付符合企业目标的 AI 解决方案。

开发理念

• 云开发 是关于看到全局，而不仅仅是编写代码。
• AgentCore 提供了一个沙盒，让您能够安全地尝试企业级代理。
• 可观测性 确保实时代理可以被监控、优化并获得信任。

学习与社区

动手工作坊和社区参与对于学习工具如何解决实际问题具有不可估量的价值。