AgentCore Lebenszykluseinstellungen von Amazon Bedrock konfigurieren

Mit dem LifecycleConfiguration Eingabeparameter für CreateAgentRuntimekönnen Sie den Lebenszyklus von Runtime-Sitzungen und Ressourcen in Amazon Bedrock AgentCore Runtime verwalten. Diese Konfiguration trägt zur Optimierung der Ressourcennutzung bei, indem inaktive Sitzungen automatisch bereinigt werden und verhindert wird, dass Instances mit langer Laufzeit unbegrenzt Ressourcen verbrauchen.

Sie können mit dem Vorgang auch Lebenszykluseinstellungen für eine bestehende AgentCore Runtime konfigurieren. UpdateAgentRuntime

Konfigurationsattribute

Beschränkungen

Standardverhalten

Wenn nicht angegeben LifecycleConfiguration wird oder Nullwerte enthält, wendet die Plattform die folgende Logik an:

Standardwerte

Erstellen Sie eine AgentCore Runtime mit Lebenszykluskonfiguration

Sie können eine Lebenszykluskonfiguration angeben, wenn Sie eine AgentCore Runtime erstellen.

import boto3

client = boto3.client('bedrock-agentcore-control', region_name='us-west-2')

try:
    response = client.create_agent_runtime(
        agentRuntimeName='my_agent_runtime',
        agentRuntimeArtifact={
            'containerConfiguration': {
                'containerUri': '123456789012.dkr.ecr.us-west-2.amazonaws.com/my-agent:latest'
            }
        },
        lifecycleConfiguration={
            'idleRuntimeSessionTimeout': 1800,  # 30 minutes, configurable
            'maxLifetime': 14400  # 4 hours
        },
        networkConfiguration={'networkMode': 'PUBLIC'},
        roleArn='arn:aws:iam::123456789012:role/AgentRuntimeRole'
    )

    print(f"Agent runtime created: {response['agentRuntimeArn']}")
except client.exceptions.ValidationException as e:
    print(f"Validation error: {e}")
except Exception as e:
    print(f"Error creating agent runtime: {e}")

Aktualisieren Sie die Lebenszykluskonfiguration für eine AgentCore Runtime

Sie können die Lebenszykluskonfiguration für eine bestehende AgentCore Runtime aktualisieren.

import boto3

client = boto3.client('bedrock-agentcore-control', region_name='us-west-2')

agent_runtime_id = 'my_agent_runtime'

try:
    response = client.update_agent_runtime(
        agentRuntimeId=agent_runtime_id,
        agentRuntimeArtifact={
            'containerConfiguration': {
                'containerUri': '123456789012.dkr.ecr.us-west-2.amazonaws.com/my-agent:latest'
            }
        },
        networkConfiguration={'networkMode': 'PUBLIC'},
        roleArn='arn:aws:iam::123456789012:role/AgentRuntimeRole',
        lifecycleConfiguration={
            'idleRuntimeSessionTimeout': 600,   # 10 minutes
            'maxLifetime': 7200                 # 2 hours
        }
    )

    print("Lifecycle configuration updated successfully")
except client.exceptions.ValidationException as e:
    print(f"Validation error: {e}")
except client.exceptions.ResourceNotFoundException:
    print("Agent runtime not found")
except Exception as e:
    print(f"Error updating configuration: {e}")

Rufen Sie die Lebenszykluskonfiguration für eine AgentCore Runtime ab

Sie können die Lebenszykluskonfiguration für eine bestehende AgentCore Runtime abrufen.

import boto3

client = boto3.client('bedrock-agentcore-control', region_name='us-west-2')

def get_lifecycle_config():
    try:
        response = client.get_agent_runtime(agentRuntimeId="my_agent_runtime")

        lifecycle_config = response.get('lifecycleConfiguration', {})
        idle_timeout = lifecycle_config.get('idleRuntimeSessionTimeout', 900)
        max_lifetime = lifecycle_config.get('maxLifetime', 28800)

        print(f"Current configuration:")
        print(f"  Idle timeout: {idle_timeout}s ({idle_timeout//60} minutes)")
        print(f"  Max lifetime: {max_lifetime}s ({max_lifetime//3600} hours)")

        return lifecycle_config

    except Exception as e:
        print(f"Error retrieving configuration: {e}")
        return None

# Usage
config = get_lifecycle_config()
print(config)

Validierung und Einschränkungen

Die Lebenszykluskonfiguration umfasst Validierungsregeln und Einschränkungen, um ungültige Konfigurationen zu verhindern.

Häufige Validierungsfehler

import boto3

client = boto3.client('bedrock-agentcore-control', region_name='us-west-2')

try:
    client.create_agent_runtime(
        agentRuntimeName='invalid_config_agent',
        agentRuntimeArtifact={
            'containerConfiguration': {
                'containerUri': '123456789012.dkr.ecr.us-west-2.amazonaws.com/my-agent:latest'
            }
        },
        lifecycleConfiguration={
            'idleRuntimeSessionTimeout': 3600,  # 1 hour, configurable
            'maxLifetime': 1800                 # 30 minutes - INVALID!
        },
        networkConfiguration={'networkMode': 'PUBLIC'},
        roleArn='arn:aws:iam::123456789012:role/AgentRuntimeRole',
        )
except client.exceptions.ValidationException as e:
    print(f"Validation failed: {e}")
    # Output: idleRuntimeSessionTimeout must be less than or equal to maxLifetime

Hilfsfunktion zur Validierung

def validate_lifecycle_config(idle_timeout, max_lifetime):
    """Validate lifecycle configuration before API call"""
    errors = []

    # Check range constraints
    if not (1 <= idle_timeout <= 28800):
        errors.append(f"idleRuntimeSessionTimeout must be between 1 and 28800 seconds")

    if not (1 <= max_lifetime <= 28800):
        errors.append(f"maxLifetime must be between 1 and 28800 seconds")

    # Check relationship constraint
    if idle_timeout > max_lifetime:
        errors.append(f"idleRuntimeSessionTimeout ({idle_timeout}s) must be ≤ maxLifetime ({max_lifetime}s)")

    return errors

# Usage
errors = validate_lifecycle_config(3600, 1800)
if errors:
    for error in errors:
        print(f"Validation error: {error}")
else:
    print("Configuration is valid")

Lebenszykluseinstellungen und Runtime-Sitzungen

Die von Ihnen definierten Lebenszyklus-Konfigurationseinstellungen werden auf jede einzelne Runtime-Sitzung angewendet. Wenn Sie einen Agenten mit einer bestimmten Sitzung aufrufenruntimeSessionId, stellt AgentCore Runtime eine dedizierte MicroVM für diese Sitzung bereit. Die Lebenszyklus-Timeouts (idleRuntimeSessionTimeoutundmaxLifetime) regeln den Lebenszyklus dieser spezifischen MicroVM-Instanz.

import boto3
import json
import uuid

client = boto3.client('bedrock-agentcore', region_name='us-west-2')

# Each unique runtimeSessionId gets its own microVM with lifecycle settings applied
session_id_user_1 = str(uuid.uuid4())  # User 1's session
session_id_user_2 = str(uuid.uuid4())  # User 2's session

# First invocation for User 1 - creates new microVM with lifecycle timers
response1 = client.invoke_agent_runtime(
    agentRuntimeArn='arn:aws:bedrock-agentcore:us-west-2:123456789012:runtime/my-agent',
    runtimeSessionId=session_id_user_1,  # Dedicated microVM for this session
    payload=json.dumps({"prompt": "Hello from User 1"}).encode()
)

# First invocation for User 2 - creates separate microVM with its own lifecycle timers
response2 = client.invoke_agent_runtime(
    agentRuntimeArn='arn:aws:bedrock-agentcore:us-west-2:123456789012:runtime/my-agent',
    runtimeSessionId=session_id_user_2,  # Different microVM for this session
    payload=json.dumps({"prompt": "Hello from User 2"}).encode()
)

# Subsequent invocations to same session reuse the existing microVM
# The idle timeout resets with each invocation to the same session
response3 = client.invoke_agent_runtime(
    agentRuntimeArn='arn:aws:bedrock-agentcore:us-west-2:123456789012:runtime/my-agent',
    runtimeSessionId=session_id_user_1,  # Reuses User 1's existing microVM
    payload=json.dumps({"prompt": "Follow-up from User 1"}).encode()
)

Wichtige Punkte zu Lebenszykluseinstellungen und Sitzungen:

Bewährte Methoden

Folgen Sie diesen bewährten Methoden, wenn Sie Lebenszykluseinstellungen für eine optimale Ressourcennutzung und ein optimales Benutzererlebnis konfigurieren.

Empfehlungen

Allgemeine Muster