AgentCore memanfaatkan

Setiap agen memiliki lapisan orkestrasi: loop yang memanggil model, memilih alat, meneruskan hasil kembali, mengelola konteks, dan menangani kegagalan. Menjalankannya dalam produksi membutuhkan infrastruktur nyata di bawahnya: komputasi, kotak pasir, koneksi alat yang aman, sistem file, memori, identitas, dan observabilitas. Bersama-sama, mereka membentuk agen harness, sistem yang memungkinkan agen benar-benar berjalan.

Berdiri satu secara lokal cepat. Produksi adalah tempat pekerjaan meledak, dan saat ia harus melayani lebih dari satu pengguna, lapisan baru muncul: konkurensi, isolasi, identitas, status, penskalaan. Sampai saat ini, setiap tim melakukan itu bekerja sendiri.

Agen terkelola memanfaatkan secara AgentCore bergantian yang berfungsi menjadi konfigurasi. Anda menyatakan apa yang dilakukan agen Anda (model, alat, keterampilan, instruksi); AgentCore menangani lingkungan, komputasi, memori, identitas, jaringan, dan pengamatan yang mengubah konfigurasi menjadi agen yang berjalan. Mencoba model yang berbeda atau menambahkan alat baru adalah perubahan konfigurasi, bukan penulisan ulang kode.

Setiap sesi harness stateful secara default dan berjalan dalam microVM yang aman dan terisolasi per sesi (didukung oleh runtime). AgentCore Agen memiliki sistem file dan shell sendiri, sehingga dapat menulis kode, menjalankannya, dan dapat mempertahankan memori dan file jangka pendek dan jangka panjang di seluruh sesi, bahkan ketika sesi microVM yang mendasarinya telah kedaluwarsa dan digantikan oleh yang baru. Agen dapat menggunakan model apa pun yang disediakan oleh Amazon Bedrock, OpenAI, Google Gemini, atau penyedia LiteLLM-compatible apa pun, dan dapat mengganti penyedia di tengah sesi tanpa kehilangan konteks, sehingga Anda dapat merencanakan dengan satu model dan mengeksekusi dengan yang lain, atau menukar penyedia untuk uji kinerja harga tanpa membangun kembali percakapan. Agen dapat terhubung ke alat melalui AgentCore gateway, server MCP, atau menggunakan browser bawaan atau penerjemah kode. Anda dapat melampirkan AWS keterampilan dari Git, S3, atau katalog AWS keterampilan yang dikuratori dengan satu sakelar, sehingga agen mengambil keahlian domain sesuai permintaan alih-alih berimprovisasi. Ketika Anda membutuhkan lingkungan khusus dengan dependensi Anda sendiri, Anda dapat membawa wadah Anda sendiri. Anda juga dapat memasang File S3 atau EFS untuk berbagi data di seluruh sesi dan harness dengan ketahanan dan riwayat S3 penuh. Setiap tindakan dilacak secara otomatis melalui AgentCore observabilitas, dengan tampilan terpadu yang memunculkan apa yang dilakukan agen di setiap kemampuan di satu tempat, sehingga Anda berhenti melompat di antara grup log untuk mengumpulkan apa yang terjadi.

Anda dapat mengulangi lalu lintas nyata dengan AgentCore evaluasi dan pengoptimalan untuk menilai perilaku, mendapatkan rekomendasi cepat dan deskripsi alat, dan menjalankan A/B tes dengan pelaporan signifikansi statistik per sesi. Kemudian, luncurkan perubahan dengan aman dengan versi yang tidak dapat diubah dan titik akhir bernama, dan putar kembali secara instan dengan mengarahkan titik akhir ke versi sebelumnya. Anda dapat memasukkan harness ke pipeline yang lebih besar melalui AgentCore InvokeHarness status di AWS Step Functions, atau mengekspor ke kode Strands (Claude Agent SDK segera hadir) dan menjalankannya saat AgentCore runtime ketika konfigurasi tidak cukup. Semua yang Anda butuhkan untuk membangun, menjalankan, dan mengoperasikan agen produksi, tanpa mengelola infrastruktur. Harness ini didukung oleh Strands Agents, kerangka kerja agen sumber terbuka dari. AWS

Tidak ada biaya harness terpisah. Anda hanya membayar untuk AgentCore kemampuan dasar yang Anda gunakan. Untuk detailnya, lihat halaman AgentCore harga.

AgentCore harness tersedia di GA di semua wilayah yang ditampilkan di sini.