Strands 代理 + Agent Core AWS

发布: 1小时前 (2025年12月6日 GMT+8 11:44)

6 min read

原文: Dev.to

Source: Dev.to

先决条件

在开始之前，请确保拥有：

AWS 权限
- root 用户或拥有特权角色（AdministratorAccess）的用户可以跳过此步骤。
- 其他用户需要附加 starter toolkit 的策略以及托管策略 AmazonBedrockAgentCoreFullAccess。
AWS CLI
- 版本 2.0 或更高。
- 使用 aws configure 进行配置。
Amazon Bedrock 模型访问
- 在所需区域启用 Claude 3.7 Sonnet：
  AWS Management Console → Amazon Bedrock → Model access。
Python
- Python 3.10 或更高。
AWS 区域一致性
⚠️ 重要：以下所有位置必须使用 相同的区域：
- aws configure 中的默认区域。
- 启用 Amazon Bedrock 模型访问的区域。

Toolkit 安装

步骤 1：创建虚拟环境

# 创建虚拟环境
python -m venv .venv

# 激活虚拟环境
# macOS/Linux:
source .venv/bin/activate

# Windows:
# .venv\Scripts\activate

步骤 2：安装所需包

# 安装包（版本 0.1.21 或更高）
pip install "bedrock-agentcore-starter-toolkit>=0.1.21" strands-agents boto3

创建代理

步骤 1：创建代理文件

创建一个名为 agentcore_starter_strands.py 的文件，并放入代理代码。
代理特性：

与 AgentCore Memory（短期和长期）集成。
使用 Code Interpreter 的计算工具。
会话管理。
可自定义提示系统。

步骤 2：创建依赖文件

# requirements.txt
strands-agents
bedrock-agentcore

配置与部署

步骤 1：配置代理

agentcore configure -e agentcore_starter_strands.py

按照交互式提示回答：

Execution Role：直接回车，系统会自动创建具备所需权限的角色。
ECR Repository：直接回车创建仓库，或提供已有的 URI。
Requirements File：确认使用 requirements.txt。
OAuth Configuration：输入 no。
Request Header Allowlist：输入 no。
Memory Configuration：
- 若已有记忆，选择一个或直接回车创建新记忆。
- 创建新记忆时，输入 yes 启用长期记忆提取。
- 短期记忆默认始终启用。

步骤 2：在 AgentCore 上部署

agentcore launch

此命令会：

预配记忆资源（STM + LTM）。
使用依赖构建 Docker 镜像。
将镜像推送至 ECR 仓库。
部署带 X‑Ray 的 AgentCore 运行时。
自动配置 CloudWatch Transaction Search。
启用带追踪收集的端点。

预期输出：

✅ Memory created: bedrock_agentcore_memory_ci_agent_memory-abc123
Observability is enabled, configuring Transaction Search...
✅ Transaction Search configured: resource_policy, trace_destination, indexing_rule
🔍 GenAI Observability Dashboard:
   https://console.aws.amazon.com/cloudwatch/home?region=us-west-2#gen-ai-observability/agent-core
✅ Container deployed to Bedrock AgentCore
Agent ARN: arn:aws:bedrock-agentcore:us-west-2:123456789:runtime/starter_agent-xyz

步骤 3：检查配置（出现错误时）

# 查看已部署的配置
cat .bedrock_agentcore.yaml

# 检查资源预配状态
agentcore status

监控部署

检查代理状态

agentcore status

显示信息：Memory ID、状态（CREATING → ACTIVE）、类型（STM+LTM）、代理 ARN、观察仪表板 URL、运行时日志路径等。

等待记忆激活

⏱️ 预配通常需要 2‑3 分钟。

# 每 30 秒重复一次，直至状态为 ACTIVE
agentcore status

测试记忆和代码解释器

短期记忆（STM）

# 第一次调用 – 存储信息
agentcore invoke '{"prompt": "我的名字是 Juan"}'

# 同一会话的第二次调用 – 检索信息
agentcore invoke '{"prompt": "我的名字是什么？"}'

预期响应：“你的名字是 Juan。”

长期记忆（LTM）

⏱️ AgentCore 会在后台进行提取；在存储事实后等待 10‑30 秒。

# 会话 1：存储事实
agentcore invoke '{"prompt": "我的邮箱是 usuario@ejemplo.com，我是 AgentCore 的用户"}'

# 等待提取完成
sleep 20

# 会话 2：新会话检索已提取的事实
SESSION_ID=$(python -c "import uuid; print(uuid.uuid4())")
agentcore invoke '{"prompt": "你对我了解些什么？"}' --session-id $SESSION_ID

预期响应：

“你的邮箱是 usuario@ejemplo.com。”
“看起来你是 AgentCore 的用户。”

Code Interpreter

# 存储数据
agentcore invoke '{"prompt": "我的数据集包含值：23, 45, 67, 89, 12, 34, 56。"}'

# 创建可视化
agentcore invoke '{"prompt": "基于文本创建一个柱状图可视化，展示我的数据集值的分布，并添加合适的标签"}'

预期结果：代理生成 matplotlib 代码并输出柱状图。

查看追踪和日志

访问 Amazon CloudWatch 仪表板

GenAI Observability 仪表板展示：

请求的端到端追踪。
代理执行流程。
记忆检索操作。
Code Interpreter 执行情况。
代理推理步骤。
各组件的延迟细分。

从 agentcore status 获取仪表板 URL，或直接访问：

https://console.aws.amazon.com/cloudwatch/home

资源清理

当不再需要代理时，请删除创建的资源以避免产生费用：

# 删除记忆和运行时
agentcore delete --all

# 可选：删除 ECR 仓库
aws ecr delete-repository --repository-name  --force

故障排除

权限错误：确认你的用户拥有 AmazonBedrockAgentCoreFullAccess 策略，且执行角色具备相应权限。
记忆未激活：使用 agentcore logs 查看日志，并确认配置的区域与模型所在区域一致。
容器启动失败：确保已安装 Docker，且账户在 ECR 中有足够配额。
Code Interpreter 未生成代码：检查执行角色是否附加了 AWSLambdaBasicExecutionRole（或等效）策略。

指南结束。