View a markdown version of this page

Inizia a usare Amazon Bedrock AgentCore - Amazon Bedrock AgentCore
Iscriviti per un AWS accountPrerequisitiFase 1: Installare la AgentCore CLIFase 2: Crea il tuo progettoFase 3: Esegui il test a livello localeFase 4: Implementa il tuo agenteFase 5: richiamare l'agente distribuitoAggiungi funzionalità al tuo progettoVisualizza registri e tracceEliminazioneFasi successive

Inizia a usare Amazon Bedrock AgentCore

Questo quickstart consente di passare da zero a un agente funzionante in pochi minuti utilizzando la AgentCore CLI. Installerai la CLI, costruirai un progetto, testerai localmente, distribuirai e richiamerai il tuo AWS agente.

Due modi per creare un agente sulla AgentCore stessa CLI:

  • Imbracatura gestita. L'agente viene dichiarato in un file di configurazione (modello, prompt, strumenti, memoria) ed AgentCore esegue il ciclo automaticamente. Nessun framework, nessun codice di orchestrazione. Ottimo percorso quando si desidera il percorso più veloce dall'idea a un agente funzionante. Ulteriori informazioni.

  • Code-based agente. Scrivi il loop dell'agente in Python utilizzando un framework che già conosci (Strands LangGraph, Google ADK o OpenAI Agents) e lo distribuisci su Runtime. AgentCore Controllo completo sulla logica di orchestrazione.

Questa pagina illustra il flusso basato sul codice. Per l'imbracatura, vedi Cos'è l'imbracatura. AgentCore

Iscriviti per un AWS account

Iscriviti per un AWS account

Per iniziare AWS, hai bisogno di un AWS account. Per informazioni sulla creazione di un AWS account, consulta Guida introduttiva a un AWSAWS account nella Guida di riferimento alla gestione degli account.

Prerequisiti

  • Node.js 20 o versioni successive. La AgentCore CLI è distribuita come pacchetto npm. Verifica con. node --version Installa da nodejs.org se necessario.

  • npm. Incluso con Node.js.

  • Un AWS account con credenziali configurate. Configura tramite AWS CLI, variabili di ambiente o un AWS profilo. Vedi Configurazione della AWS CLI.

  • Python 3.10 o successivo (per il codice agente). Verifica con. python3 --version

  • Autorizzazioni IAM. La tua identità necessita delle autorizzazioni per effettuare chiamate AgentCore API e assumere i ruoli di bootstrap CDK utilizzati durante la distribuzione. Vedi AgentCore Autorizzazioni CLI IAM.

Fase 1: Installare la AgentCore CLI

npm install -g @aws/agentcore

Verifica:

agentcore --version

Per eseguire l'aggiornamento in un secondo momento, esegui nuovamente il comando di installazione o. agentcore update Fonte e problemi: agentcore-cli on. GitHub

Fase 2: Crea il tuo progetto

agentcore create

La procedura guidata interattiva chiede innanzitutto cosa vuoi creare:

  • Harness: un loop di agenti gestito basato sulla configurazione. Non è richiesto alcun framework o codice di orchestrazione. Vedi Cos'è l'imbracatura. AgentCore

  • Agente: un agente basato sul codice che utilizza un framework a scelta, distribuito in Runtime. AgentCore

  • Salta: crea la struttura del progetto senza un agente. Aggiungine uno in un secondo momento conagentcore add.

Se scegli Agente, la procedura guidata continua con:

  • Framework: Strands Agents (consigliato) LangChain/LangGraph, Google Agent Development Kit o OpenAI Agents SDK

  • Fornitore di modelli: Amazon Bedrock, Anthropic, OpenAI o Gemini

  • Memoria: nessuna, solo a breve termine o a lungo e breve termine

  • Tipo di build: CodeZip (impostazione predefinita) o Contenitore

Puoi anche passare i flag direttamente per creare un agente basato sul codice:

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

Struttura del progetto

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
        └── ...

File chiave:

  • agentcore/agentcore.json- la configurazione principale. Definisce gli agenti, gli archivi di memoria, i gateway, le credenziali e altre risorse. Gestito da agentcore add e. agentcore remove

  • app/- il tuo codice agente. Ogni agente ha la propria sottodirectory con un punto di ingresso e un. pyproject.toml

  • agentcore/aws-targets.json- l' AWS account e la regione per la distribuzione.

Fase 3: Esegui il test a livello locale

cd MyAgent
agentcore dev

agentcore devcrea un ambiente virtuale Python, installa le dipendenze, avvia un server locale con hot reload e apre l'agent inspector nel browser in modo da poter chattare con l'agente, ispezionare le tracce e sfogliare le risorse del progetto. Le modifiche al codice vengono rilevate automaticamente.

Bandiere utili:

  • --no-browser- utilizza il TUI basato su terminale anziché l'ispettore del browser.

  • --no-traces- disabilita la scrittura di tracce su. agentcore/.cli/traces

  • --logs- i log del server di coda in modalità non interattiva.

  • --port <N>- blocca la porta dev (impostazione predefinita 8080 per HTTP, 8000 per MCP, 9000 per A2A; incrementi automatici se occupata).

Fase 4: Implementa il tuo agente

agentcore deploy

Implementazione:

  1. Impacchetta il codice in un artefatto zip (o crea un contenitore se) --build Container

  2. Utilizza AWS CDK sotto il cofano per sintetizzare e fornire risorse

  3. Crea un endpoint AgentCore Runtime per il tuo agente

  4. Configura la CloudWatch registrazione e l'osservabilità

La prima implementazione richiede alcuni minuti mentre CDK avvia l'account. Le implementazioni successive sono più veloci.

Visualizza in anteprima cosa cambierà senza implementare:

agentcore deploy --dry-run

Verifica lo stato:

agentcore status

Fase 5: richiamare l'agente distribuito

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

Se il tuo agente ha configurato i pagamenti, fornisci il contesto di pagamento al momento della chiamata:

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

Questo è il loop. Iterateapp/MyAgent/main.py, testate conagentcore dev, implementate conagentcore deploy, invocate con. agentcore invoke

Aggiungi funzionalità al tuo progetto

agentcore addgestisce le risorse inagentcore.json. Eseguilo senza argomenti per il menu interattivo o indirizza direttamente una risorsa.

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

Ogni comando add racchiude la configurazione e richiede i valori richiesti. Dopo l'aggiunta, esegui a provisioning. agentcore deploy

Approfondimenti sulle funzionalità che puoi allegare:

Visualizza registri e tracce

# 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>

Eliminazione

agentcore remove all
agentcore deploy

remove allripristina la configurazione. Il follow-up deploy rileva lo stato di vuoto e riduce le risorse del tuo account.

Fasi successive

  • Cos'è il AgentCore cablaggio: il percorso basato sulla configurazione verso un agente in esecuzione. Usa qualsiasi modello, connettiti agli strumenti, mantieni lo stato, implementalo nel tuo VPC e passa alla programmazione quando ne hai bisogno.

  • AgentCore esempi di codice: esempi completi di framework e funzionalità.