Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
AgentCore harnais
Chaque agent possède une couche d'orchestration : une boucle qui appelle le modèle, sélectionne les outils, renvoie les résultats, gère le contexte et gère les échecs. Son exécution en production nécessite une véritable infrastructure sous-jacente : calcul, sandbox, connexions sécurisées aux outils, système de fichiers, mémoire, identité et observabilité. Ensemble, ils forment le harnais d'agent, le système qui permet à un agent de fonctionner réellement.
Il est rapide d'en mettre un en place localement. La production est l'endroit où le travail explose, et dès qu'il doit servir plus d'un utilisateur, une toute nouvelle couche apparaît : simultanéité, isolation, identité, état, mise à l'échelle. Jusqu'à présent, chaque équipe effectuait ce travail elle-même.
Le harnais d'agents gérés AgentCore passe à tour de rôle à la configuration. Vous déclarez ce que fait votre agent (modèle, outils, compétences, instructions) ; il AgentCore gère l'environnement, le calcul, la mémoire, l'identité, le réseau et l'observabilité qui transforment la configuration en un agent en cours d'exécution. Essayer un autre modèle ou ajouter un nouvel outil constitue un changement de configuration, pas une réécriture de code.
Chaque session de harnais est dotée d'un état par défaut et s'exécute dans une microVM sécurisée et isolée par session (soutenue par le AgentCore moteur d'exécution). L'agent possède son propre système de fichiers et son propre shell, ce qui lui permet d'écrire du code, de l'exécuter et de conserver des mémoires et des fichiers à court et à long terme entre les sessions, même lorsque la session microVM sous-jacente a expiré et est remplacée par une nouvelle. Les agents peuvent utiliser n'importe quel modèle fourni par Amazon Bedrock, OpenAI, Google Gemini ou n'importe quel LiteLLM-compatible fournisseur, et peuvent changer de fournisseur en cours de session sans perdre le contexte. Vous pouvez donc planifier avec un modèle et exécuter avec un autre, ou échanger de fournisseur pour un test prix-performance sans avoir à reconstruire la conversation. Les agents peuvent se connecter aux outils via une AgentCore passerelle, des serveurs https://modelcontextprotocol.io/
Vous pouvez effectuer des itérations sur le trafic réel grâce à AgentCore des évaluations et à des optimisations pour évaluer le comportement, obtenir des recommandations rapides et descriptives d'outils, et exécuter des A/B tests avec des rapports de signification statistique par session. Ensuite, déployez les modifications en toute sécurité avec des versions immuables et des points de terminaison nommés, puis annulez instantanément en pointant un point de terminaison vers une version antérieure. Vous pouvez déposer un harnais dans un pipeline plus important via l' AgentCore InvokeHarness état dans AWS Step Functions, ou l'exporter vers du code Strands (le SDK Claude Agent sera bientôt disponible) et l'exécuter au moment de l' AgentCore exécution lorsque la configuration ne suffit pas. Tout ce dont vous avez besoin pour créer, exécuter et exploiter des agents de production, sans avoir à gérer l'infrastructure. Le harnais est alimenté par Strands Agents
Il n'y a pas de frais de harnais distincts. Vous ne payez que pour les AgentCore fonctionnalités sous-jacentes que vous utilisez. Pour plus de détails, consultez la page AgentCore des tarifs
AgentCore le harnais est disponible en Géorgie dans toutes les régions indiquées ici.