Amazon Bedrock AgentCore

为什么需要 Amazon Bedrock AgentCore：从自建 Agent 到托管运行时

在 AgentCore 出现之前，在 AWS 上构建一个能调用工具、维护多轮对话记忆的 Agent，通常需要组合 Lambda（无服务器函数）、Step Functions（工作流编排）、DynamoDB（会话存储）和 Bedrock 的 Converse API 自行组装。开发者要自己管理编排逻辑、工具调用循环、会话历史、记忆抽象和错误处理，这些代码既容易出错，又难以在不同项目之间复用。

AgentCore 将这些横切关注点内置为托管能力。你只需要提供系统指令（Instructions）、选择一个 Bedrock 基础模型、配置工具模式和知识库，AgentCore 就会自动运行编排循环，处理模型与工具之间的多次往返调用，并维护每个会话的上下文。这意味着原本需要数百行自定义代码的基础设施工作，被压缩为一次 CreateAgent API 调用。

与同类的 Amazon Bedrock Agents 相比，AgentCore 更轻量、更贴近通用 Agent 工作流。Bedrock Agents 会额外生成一个包含完整 Lambda 处理函数的代理基础设施栈，适合需要深度定制 Lambda 逻辑的场景；而 AgentCore 直接暴露名为 ActionGroupExecutor 的封装层，默认调用 Lambda，也可以换成任意执行器，架构上更干净。它的定位介于手写编排和全功能 Agent 框架之间，适合希望在 AWS 托管边界内获得较高可控性的团队。

安装与环境配置：4 步就绪

AgentCore 不需要安装任何本地软件，但需要完成 AWS 账号配置、模型访问权限开通、CLI/SDK 环境准备和必要的 IAM 角色创建。

步骤一：安装并配置 AWS CLI。AgentCore 的所有管理操作都通过 AWS CLI 或 SDK 完成，需要先准备好本地环境。

步骤二：开通 Bedrock 模型访问权限。在 Bedrock 控制台的 Model access 页面，选择要使用的模型（如 Anthropic Claude 3.5 Sonnet、Amazon Nova Pro），点击 Request model access 并等待状态变为 Access granted。中国大陆区域若无可用区域，需切换到 us-east-1、us-west-2 等模型可用区域。

步骤三：创建执行角色并配置信任策略。AgentCore 执行时需要代入一个 IAM 角色来调用 Bedrock 模型和执行 Action Group，该角色的信任策略需允许 agentcore.amazonaws.com 服务代入。

步骤四：验证环境。执行 aws bedrock-agent-core list-agents 应返回空列表而不是权限错误。

配置完成后，AgentCore 的创建、更新、删除动作全部通过 API 完成，控制台目前仅提供 Agent 的浏览与编辑入口，不提供完整的无代码构建向导，因此 CLI/SDK 是主要操作路径。

# 1. 安装 AWS CLI（若未安装）curl "https://awscli.amazonaws.com/awscli-exe-linux-x86_64.zip" -o "awscliv2.zip"unzip awscliv2.zipsudo ./aws/install # 2. 配置凭证aws configure# AWS Access Key ID: ********# AWS Secret Access Key: ********# Default region name: us-east-1 # 3. 验证身份与 AgentCore 可用性aws sts get-caller-identityaws bedrock-agent-core list-agents --region us-east-1 # 4. 创建执行角色（示例，按需调整策略）aws iam create-role --role-name AgentCoreExecutionRole \  --assume-role-policy-document '{    "Version": "2012-10-17",    "Statement": [{      "Effect": "Allow",      "Principal": {"Service": "agentcore.amazonaws.com"},      "Action": "sts:AssumeRole"    }]  }'

快速上手：10 分钟创建第一个 Agent

最小可用流程的思路是：先把一个不调用任何工具的「零配置 Agent」跑通，确认端到端联通后，再逐步加入知识库和工具调用，避免一次性引入过多变量导致难以排查。

操作步骤如下：

1. 在 AWS 管理控制台进入 Amazon Bedrock 页面，在左侧导航选择 AgentCore（若无该入口，确认当前区域支持 AgentCore，可切换到 us-east-1）。

2. 点击 Create agent，填写 Agent 名称（如 my-first-agent），编写系统指令（如 "You are a helpful assistant."）。

3. 在 Model 部分选择已开通访问权限的模型，如 Anthropic Claude 3.5 Sonnet，保持其余选项默认。

4. 点击 Create agent，等待状态变为 Ready。

5. 在 Agent 详情页复制 Agent ID（形如 xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxx），用于后续 API 调用。

创建完成后，可以使用 AWS CLI 发起第一次会话测试：

返回结果中的 text 字段即为模型回复。进阶技巧：将 --session-id 保存并复用在多轮对话中，即可实现连续上下文；用同一 session-id 发起 invoke-agent 时，AgentCore 会自动追加历史消息。

# 创建会话（返回 session-id）aws bedrock-agent-core create-session \  --agent-id "你的AgentID" \  --region us-east-1 # 发送第一条消息（会返回 text 类型的消息内容）aws bedrock-agent-core invoke-agent \  --agent-id "你的AgentID" \  --session-id "上一步返回的session-id" \  --input-text "你好，请用一句话介绍你自己。" \  --region us-east-1

核心能力详解：5 大支柱

支柱一·无服务器 Agent 运行时。AgentCore 的核心是一个完全托管的编排引擎，负责执行「模型推理 → 决定是否调用工具 → 拿到工具结果 → 再次推理」的循环，直到模型给出最终答案。开发者不需要自己写 while 循环或管理模型调用频率，同时按调用次数计费，无请求时不产生费用。

支柱二·工具调用（Action Groups）。Action Groups 用于向 Agent 注册外部工具，每个 Action 定义一个函数名、描述和输入输出 Schema。执行时通过 actionGroupExecutor 指定执行方式，默认指向一个 Lambda 函数，AgentCore 会自动将模型的工具调用请求转换为对应入参并触发执行，再把函数返回值注入模型上下文完成推理闭环。

支柱三·会话与记忆（Sessions & Memory）。会话由 Session ID 唯一标识，AgentCore 自动维护每个会话的消息历史，无需开发者自行存储和拼接上下文。记忆系统则支持将重要事实（如用户的偏好）长期保存并在后续会话中复用，具体策略通过 Memory 配置（如内容粒度、保存时长）控制。

支柱四·知识库集成。AgentCore 支持将 Amazon Bedrock Knowledge Bases 作为 Agent 的检索来源，通过 Knowledge Base 配置把向量检索能力接入 Agent。模型在推理时决定是否发起检索、采纳哪些检索片段作为上下文增强回答，不需要开发者手动实现 RAG（检索增强生成）管道。

支柱五·可观测性与成本控制。AgentCore 自动将运行日志（含每次模型调用与工具调用的输入输出完整记录）输出到 CloudWatch Logs，与 AWS X-Ray 集成以支持分布式追踪。每一次推理调用、工具执行、Token 消耗都会在 CloudWatch 生成指标，并可通过 AWS Cost Explorer 按资源标签拆分成本，便于在生产环境做预算治理。

生产部署与监控：从上线到运维

部署方式一：AWS CLI/SDK 基础设施即代码。生产环境建议用 AWS CloudFormation 或 Terraform（AWS 官方提供资源类型）将 Agent 的指令、模型配置、Action Group 和知识库绑定全部声明为代码，随 CI/CD 流水线一起发布。Agent 配置更新通过 update-agent 完成，版本化配置通过标签（Tag）管理，避免人工在控制台点选造成配置漂移。

部署方式二：Lambda 工具函数 + API Gateway 暴露。工具函数以 Lambda 实现，建议将 Action Group 的函数调用与业务逻辑分离：Lambda 只做参数校验和数据返回，复杂业务放后端服务。需要将 Agent 开放给外部应用时，用 API Gateway 包一层薄代理调用 invoke-agent，并开启 API Key 或 Cognito（AWS 身份认证服务）鉴权，不要把带 AWS 凭证的调用暴露在公网。

可观测性：AgentCore 的 CloudWatch Logs 会记录推理前后的完整上下文，排查「Agent 为什么答错」时，先看 toolUse 事件是否被正确触发，再看工具返回是否被模型采纳。Metrics 方面重点监控 InvocationCount（调用量）、InvocationFailureCount（失败量）和 ModelInvocationLatency（模型延迟）；成本治理用 AWS Budgets 按 Agent ID 设置预算告警，防止失控的循环调用产生巨额费用。

<p class="para-label">避坑清单：</p>

<ul class="dash-list"><li>坑 1：AgentCore 并非所有 Bedrock 区域可用。创建前用 aws bedrock-agent-core list-agents 验证区域支持，否则会得到 UnknownOperationException；生产环境请优先选择 us-east-1 或 us-west-2。</li><li>坑 2：执行角色缺少 Bedrock 模型调用权限。角色只配了 AssumeRole 但未附加 bedrock:InvokeModel 策略时，Agent 会报 AccessDenied，且错误信息容易误导为模型本身不可用。</li><li>坑 3：Action Group 的 Lambda 执行超时或返回格式不符合预期。Lambda 默认 3 秒超时会频繁中断工具调用，建议调到 30 秒以上；返回值必须是 AgentCore 文档规定的 JSON 结构，否则模型拿不到可解析的工具结果。</li><li>坑 4：Session ID 不复用导致「多轮失忆」。每次调用 invoke-agent 都新建 session-id 会丢失上下文，前端必须维护好会话标识并在轮询中透传。</li><li>坑 5：控制台功能不完整却误以为全部能力可视化。目前 AgentCore 控制台只支持浏览与编辑，创建和更新必须走 API/CLI，纯控制台用户会卡在向导缺失处。</li></ul>

版本迭代

AgentCore 于 2024 年 12 月在 AWS re:Invent 2024 上作为预览版（Preview）发布，2025 年上半年转为正式可用（GA）。其演进主线是：先确立「无服务器 Agent 运行时」的核心形态，再逐步补齐 Action Group 执行器、知识库接入、记忆系统等生产级能力，并向更多区域扩展。截至 2025 年 6 月，服务处于稳定迭代期，主要变化集中在功能增强而非架构变更。

AI 应用场景

常见误区

面试题