AgentCore Harness

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 aman, sistem file, memori, identitas, dan pengamatan. Bersama-sama, mereka membentuk agen harness, sistem yang memungkinkan agen benar-benar berjalan.

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

Agen terkelola memanfaatkan pada AgentCore gilirannya yang berfungsi menjadi konfigurasi. Anda menyatakan apa yang dilakukan agen Anda (model, alat, keterampilan, instruksi); AgentCore menangani lingkungan, komputasi, memori, identitas, jaringan, dan observabilitas 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 bersifat stateful secara default dan berjalan di microVM yang aman dan terisolasi per sesi (didukung oleh AgentCore runtime). Agen memiliki sistem file dan shell sendiri, sehingga dapat menulis kode, menjalan kannya, dan dapat mempertahankan memori dan file jangka pendek dan jangka panjang di seluruh sesi, bahkan ketika sesi microVM yang mendasarinya telah kedaluwarsa dan diganti dengan yang baru. Agen dapat menggunakan model apa pun yang disediakan oleh Amazon Bedrock, OpenAI, Google Gemini, atau LiteLLM-compatible penyedia apa pun, dan dapat beralih penyedia di tengah sesi tanpa kehilangan konteks, sehingga Anda dapat merencanakan dengan satu model dan mengeksekusi dengan yang lain, atau menukar penyedia untuk tes harga-kinerja 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 daya tahan dan riwayat S3 penuh. Setiap tindakan dilacak secara otomatis melalui AgentCore pengamatan, dengan tampilan terpadu yang menampilkan apa yang dilakukan agen di setiap kemampuan di satu tempat, sehingga Anda berhenti melompat di antara grup log untuk menyatukan apa yang terjadi.

Anda dapat mengulangi lalu lintas nyata dengan AgentCore evaluasi dan pengoptimalan untuk menilai perilaku, mendapatkan rekomendasi prompt dan deskripsi alat, dan menjalankan A/B pengujian 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 saluran 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 didukung oleh Str ands Agents, kerangka agen sumber terbuka dari AWS.

Tidak ada biaya harness terpisah. Anda membayar hanya 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.