构建企业级 AI 代理：来自 AWS re:Invent 2025 的关键要点

Source: Dev.to

引言

如果你没有机会参加 AWS re:Invent 2025，别担心。虽然关键会议内容会在线上提供，但这里有一段对突出会议 “企业中的代理：Amazon Bedrock AgentCore 的最佳实践” 的简要概述。

将 AI 代理从概念验证推进到生产环境往往并不简单。准确性、可扩展性、延迟、基础设施成本、模型推理费用、安全性、可观测性以及记忆保持等方面都会出现挑战。许多团队直接开始构建代理，却没有规划从何入手以及如何在企业规模上实现代理平台的运营化。本次会议提炼了构建稳健、可投产的代理系统的九大核心最佳实践。

代理平台成功的 9 大最佳实践

1. 小步起步，逆向规划

代理开发是一个交互式的旅程。你可以随时采用新模型、添加工具、改进提示。要用清晰、完整的定义和预期结果来规定代理应做和不应做的事情。

2. 从第一天起实现可观测性

代理兼容 OTEL。尽早启用完整的追踪级可视化和可观测性仪表盘，而不是等到后期。

3. 明确制定工具策略

记录工具需求、输入/输出模式以及错误处理逻辑。

4. 自动化评估

尽早定义技术和业务指标，并让业务用户参与评估环节。针对多样化的用户意图（包括误用模式）进行测试，以增强系统的韧性。

5. 避免 “单一代理配 100 种工具” 的反模式

采用多代理架构，明确角色、编排工作流并共享上下文。

6. 建立合适的记忆边界

规划用户上下文的隔离，并在执行时强制安全策略。为合规性和性能考虑，将代理和工具分别托管。

7. 成本与价值：务实取舍

如果确定性代码能够可靠运行，就使用它。仅在真正需要推理的任务上才使用代理推理，避免把所有工作都强行交给代理。

8. 持续测试

每次更新后都重新运行评估。生产监控不是可选项，而是必需项。

9. 通过平台标准化实现规模化

将代理部署到生产是第一步，而非终点。标准化平台以实现一致的扩展。

会议还展示了一种组织模型，将职责在平台团队和业务用例团队之间进行划分。

AgentCore 的定位

Amazon Bedrock AgentCore 将这些最佳实践开箱即用，实现企业级代理的规模化开发。

关键能力概览

• 运行时 – 支持任意代理框架、提示模式、工具路由和上下文注入。
• MCP 与 A2A 兼容性 – 实现代理与 MCP 服务器之间的无缝互操作。
• 记忆层 – 持久化和会话级记忆，用于个性化。
• 工具链 – 目录、治理和复用功能。可定义 MCP 服务器，使用 AgentCore 浏览器工具实现安全的网页导航和数据抽取，必要时使用代码解释器在隔离环境中安全执行代码。
• 身份与访问控制 – 确保正确的代理安全访问相应工具。
• 策略执行 – 应用组织规则和合规防护。
• 评估引擎 – 内置测试与性能评估，可自定义指标。

最终收获

构建代理不仅仅是提示工程，更是系统工程。AgentCore 成为支撑从实验到全规模生产的骨干，内置可观测性、治理和运营安全。