View a markdown version of this page

Comience a usar Amazon Bedrock AgentCore - Amazon Bedrock AgentCore
Inscríbase en un AWS inscritaRequisitos previosPaso 1: Instalar la AgentCore CLIPaso 2: Crea tu proyectoPaso 3: Realice una prueba localPaso 4: Despliegue a su agentePaso 5: invoque al agente desplegadoAñada capacidades a su proyectoVea los registros y las trazasLimpiezaSiguientes pasos

Comience a usar Amazon Bedrock AgentCore

Este inicio rápido le permite pasar de cero a un agente en ejecución en unos minutos mediante la AgentCore CLI. Instalará la CLI, estructurará un proyecto, probará localmente, implementará e invocará a AWS su agente.

Dos formas de crear un agente en la AgentCore misma CLI:

  • Arnés gestionado. Declara el agente en un archivo de configuración (modelo, indicador, herramientas, memoria) y AgentCore ejecuta el ciclo por usted. Sin marco, sin código de orquestación. Es una buena opción cuando se busca la ruta más rápida desde la idea hasta el agente activo. Más información.

  • Code-based agente. El bucle de agentes se escribe en Python utilizando un marco que ya conoce (Strands LangGraph, Google ADK o OpenAI Agents) y lo AgentCore despliega en Runtime. Control total sobre la lógica de orquestación.

Esta página explica el flujo basado en código. Para el arnés, consulte Qué es el AgentCore arnés.

Inscríbase en un AWS inscrita

Inscríbase en una AWS inscrita

Para empezar AWS, necesitas una AWS cuenta. Para obtener información sobre cómo crear una AWS cuenta, consulta Cómo empezar con una AWS cuenta en la Guía de referencia de administración de AWS cuentas.

Requisitos previos

  • Node.js 20 o una versión posterior. La AgentCore CLI se distribuye como un paquete npm. Consulte connode --version. Instálelo desde nodejs.org si es necesario.

  • npm. Incluido con Node.js.

  • Una AWS cuenta con credenciales configuradas. Configure mediante AWS CLI, variables de entorno o un AWS perfil. Consulte Configuración de la AWS CLI.

  • Python 3.10 o posterior (para código de agente). Consulte conpython3 --version.

  • Permisos de IAM. Tu identidad necesita permisos para realizar llamadas a la AgentCore API y asumir las funciones de arranque de la CDK utilizadas durante la implementación. Consulte Permisos de IAM de AgentCore CLI.

Paso 1: Instalar la AgentCore CLI

npm install -g @aws/agentcore

Verificar:

agentcore --version

Para realizar la actualización más adelante, vuelva a ejecutar el comando install oagentcore update. Fuente y problemas: agentcore-cli activado. GitHub

Paso 2: Crea tu proyecto

agentcore create

El asistente interactivo pregunta primero qué es lo que desea crear:

  • Harness: un bucle de agentes gestionado y basado en configuraciones. No se requiere ningún marco ni código de orquestación. Consulte Qué es el AgentCore arnés.

  • Agente: un agente basado en código que utiliza el marco que usted elija y que se implementa en AgentCore Runtime.

  • Omitir: cree la estructura del proyecto sin un agente. Añada una más adelante conagentcore add.

Si elige Agente, el asistente continúa con:

  • Framework: Strands Agents (recomendado) LangChain/LangGraph, kit de desarrollo de agentes de Google o SDK de agentes OpenAI

  • Proveedor de modelos: Amazon Bedrock, Anthropic, OpenAI o Gemini

  • Memoria: ninguna, solo a corto plazo o a largo y corto plazo

  • Tipo de compilación: CodeZip (predeterminado) o Contenedor

También puedes pasar indicadores directamente para crear un agente basado en código:

agentcore create \
  --name MyAgent \
  --framework Strands \
  --model-provider Bedrock \
  --memory none \
  --build CodeZip

Estructura de un proyecto

agentcore creategenera:

MyAgent/
├── agentcore/
│   ├── agentcore.json      # Project and resource configuration
│   ├── aws-targets.json    # Deployment target (account and region)
│   └── cdk/                # CDK infrastructure (auto-managed)
└── app/
    └── MyAgent/            # Your agent code
        ├── main.py         # Agent entrypoint
        ├── pyproject.toml  # Python dependencies
        └── ...

Archivos clave:

  • agentcore/agentcore.json- la configuración principal. Define los agentes, los almacenes de memoria, las pasarelas, las credenciales y otros recursos. Administrado por agentcore add y. agentcore remove

  • app/- tu código de agente. Cada agente tiene su propio subdirectorio con un punto de entrada y un. pyproject.toml

  • agentcore/aws-targets.json- la AWS cuenta y la región de despliegue.

Paso 3: Realice una prueba local

cd MyAgent
agentcore dev

agentcore devcrea un entorno virtual de Python, instala dependencias, inicia un servidor local con una recarga en caliente y abre el inspector de agentes en el navegador para que pueda conversar con el agente, inspeccionar las trazas y explorar los recursos del proyecto. Los cambios en el código se registran automáticamente.

Banderas útiles:

  • --no-browser- utilice la TUI basada en el terminal en lugar del inspector del navegador.

  • --no-traces- deshabilita la escritura de trazas en. agentcore/.cli/traces

  • --logs- el servidor de cola registra en modo no interactivo.

  • --port <N>- fije el puerto de desarrollo (por defecto 8080 para HTTP, 8000 para MCP, 9000 para A2A; se incrementa automáticamente si está ocupado).

Paso 4: Despliegue a su agente

agentcore deploy

Despliegue:

  1. Empaqueta tu código en un artefacto zip (o crea un contenedor si--build Container)

  2. Utiliza el AWS CDK de forma clandestina para sintetizar y aprovisionar recursos

  3. Crea un punto final AgentCore de ejecución para su agente

  4. Configura el CloudWatch registro y la observabilidad

La primera implementación tarda unos minutos, mientras que CDK inicia el proceso de arranque de su cuenta. Los despliegues posteriores son más rápidos.

Obtenga una vista previa de lo que cambiará sin implementarlo:

agentcore deploy --dry-run

Compruebe el estado:

agentcore status

Paso 5: invoque al agente desplegado

agentcore invoke --prompt "Hello, what can you do?"

Si su agente ha configurado los pagos, proporcione el contexto de pago en el momento de la solicitud:

agentcore invoke \
  --prompt "Access https://example-x402-merchant.com/paid-api" \
  --payment-instrument-id <INSTRUMENT_ID> \
  --auto-session \
  --payment-user-id user@example.com

Ese es el ciclo. Continúa iterandoapp/MyAgent/main.py, prueba conagentcore dev, despliega conagentcore deploy, invoca con. agentcore invoke

Añada capacidades a su proyecto

agentcore addgestiona los recursos enagentcore.json. Ejecútelo sin argumentos para el menú interactivo o diríjase directamente a un recurso.

agentcore add memory        # Store conversation context
agentcore add agent         # Add a second agent to the same project
agentcore add gateway       # Connect external APIs/tools through Gateway
agentcore add credential    # Add an API key for a non-Bedrock provider
agentcore add evaluator     # Quality evaluation
agentcore add payment-manager   # Payments: create a payment manager
agentcore add payment-connector # Payments: link a payment provider

Cada comando de adición estructura la configuración y solicita los valores necesarios. Después de agregar, ejecute agentcore deploy para aprovisionar.

Análisis detallado de las capacidades que puede adjuntar:

Vea los registros y las trazas

# Stream recent logs
agentcore logs

# Filter
agentcore logs --since 30m --level error
agentcore logs --query "timeout"

# List recent traces
agentcore traces list

# Get a specific trace
agentcore traces get <trace-id>

Limpieza

agentcore remove all
agentcore deploy

remove allrestablece la configuración. El seguimiento deploy detecta el estado vacío y agota los recursos de tu cuenta.

Siguientes pasos

  • ¿Cuál es el AgentCore arnés? La ruta basada en la configuración hacia un agente en ejecución. Utilice cualquier modelo, conéctese a herramientas, conserve el estado, impleméntelo en su VPC y pase al código cuando lo necesite.

  • AgentCore ejemplos de código: ejemplos integrales de distintos marcos y capacidades.