기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

AgentCore CLI 시작하기

이 빠른 시작은 AgentCore CLI를 사용하여 몇 분 안에 0에서 실행 중인 에이전트로 이동합니다. CLI를 설치하고, 프로젝트를 스캐폴드하고, 로컬에서 테스트하고, 에이전트에 배포하고 AWS, 에이전트를 호출합니다.

AgentCore에서 에이전트를 구축하는 두 가지 방법, 즉 동일한 CLI:

이 페이지에서는 코드 기반 흐름을 안내합니다. 하네스는 AgentCore 하네스란 무엇입니까?를 참조하세요.

AWS 계정 가입

AWS 계정 가입

시작하려면 AWS 계정이 AWS필요합니다. AWS 계정 생성에 대한 자세한 내용은 AWS 계정 관리 참조 안내서의 AWS 계정 시작하기를 참조하세요.

사전 조건

1단계: AgentCore CLI 설치

npm install -g @aws/agentcore

다음을 확인합니다.

agentcore --version

나중에 업데이트하려면 설치 명령 또는를 다시 실행합니다agentcore update. 소스 및 문제: GitHub의 agentcore-cli.

2단계: 프로젝트 생성

agentcore create

대화형 마법사는 먼저 빌드할 항목을 묻습니다.

에이전트를 선택하면 마법사가 다음을 계속 진행합니다.

플래그를 직접 전달하여 코드 기반 에이전트를 생성할 수도 있습니다.

agentcore create \
  --project-name MyProject \
  --name MyAgent \
  --language Python \
  --framework Strands \
  --model-provider Bedrock \
  --memory none \
  --build CodeZip

사용 가능한 모든 명령 및 옵션은 AgentCore CLI 참조를 참조하세요.

빌드 유형

프로젝트 구조

agentcore create는 코드 기반 에이전트 및 하네스에 대해 공유 프로젝트 구성과 다른 애플리케이션 구조를 생성합니다.

키 파일:

3단계: 로컬에서 테스트

cd MyProject
agentcore dev

agentcore dev는 Python 가상 환경을 생성하고, 종속성을 설치하고, 핫 재로드로 로컬 서버를 시작하고, 에이전트와 채팅하고, 트레이스를 검사하고, 프로젝트 리소스를 찾아볼 수 있도록 브라우저에서 에이전트 검사기를 엽니다. 코드 변경 사항은 자동으로 선택됩니다.

4단계: 에이전트 배포

agentcore deploy

배포:

CDK가 계정을 부트스트랩하는 동안 처음 배포하는 데 몇 분 정도 걸립니다. 후속 배포가 더 빠릅니다.

배포하지 않고 변경될 내용 미리 보기:

agentcore deploy --dry-run

상태 확인:

agentcore status

5단계: 배포된 에이전트 호출

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

에이전트에 결제가 구성된 경우 호출 시 결제 컨텍스트를 제공합니다.

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

이것이 바로 루프입니다. 에서 반복하고app/MyAgent/main.py,를 사용하여 테스트agentcore dev하고,를 사용하여 배포하고agentcore deploy,를 사용하여 호출합니다agentcore invoke.

프로그래밍 방식으로 에이전트 호출

AWS SDK InvokeAgentRuntime 작업을 사용하여 배포된 에이전트를 호출할 수 있습니다. 에이전트 런타임 ARN을 가져옵니다.

agentcore status

invoke_agent.py이라는 이름의 파일을 만듭니다. 에이전트 ARN을 에이전트의 ARN으로 바꿉니다.

import json
import uuid

import boto3

agent_arn = "Agent ARN"
prompt = "Tell me a joke"

client = boto3.client("bedrock-agentcore")
response = client.invoke_agent_runtime(
    agentRuntimeArn=agent_arn,
    runtimeSessionId=str(uuid.uuid4()),
    payload=json.dumps({"prompt": prompt}).encode(),
    qualifier="DEFAULT",
)

content = []
for chunk in response.get("response", []):
    content.append(chunk.decode("utf-8"))

print(json.loads("".join(content)))

코드를 실행합니다.

python invoke_agent.py

자격 증명에 bedrock-agentcore:InvokeAgentRuntime 권한이 있어야 합니다.

프로젝트에 기능 추가

agentcore add는에서 리소스를 관리합니다agentcore.json. 대화형 메뉴의 인수 없이 실행하거나 리소스를 직접 대상으로 지정합니다.

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

각 추가 명령은 구성을 스캐폴드하고 필요한 값을 묻는 메시지를 표시합니다. 추가한 후를 실행agentcore deploy하여 프로비저닝합니다.

연결할 수 있는 기능에 대한 심층 분석:

로그 및 추적 보기

# 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>

문제 해결

자세한 내용은 Amazon Bedrock AgentCore 런타임 문제 해결을 참조하세요.

정리

agentcore remove all
agentcore deploy

remove all는 구성을 재설정합니다. 후속 작업은 빈 상태를 deploy 감지하고 계정의 리소스를 해제합니다.

다음 단계