View a markdown version of this page

Comece a usar o Amazon Bedrock AgentCore - Amazon Bedrock AgentCore
Inscreva-se para um AWS accountPré-requisitosEtapa 1: instalar a AgentCore CLIEtapa 2: Crie seu projetoEtapa 3: testar localmenteEtapa 4: implantar seu agenteEtapa 5: invocar seu agente implantadoAdicione recursos ao seu projetoExibir registros e rastreamentosFazer a limpeza.Próximas etapas

Comece a usar o Amazon Bedrock AgentCore

Esse guia de início rápido leva você de zero a um agente em execução em alguns minutos usando a AgentCore CLI. Você instalará a CLI, estruturará um projeto, testará localmente, implantará e invocará seu AWS agente.

Duas maneiras de criar um agente na AgentCore mesma CLI:

  • Arnês gerenciado. Você declara o agente em um arquivo de configuração (modelo, prompt, ferramentas, memória) e AgentCore executa o loop para você. Sem estrutura, sem código de orquestração. Bom caminho quando você quer o caminho mais rápido da ideia para um agente em execução. Saiba mais.

  • Code-based agente. Você escreve o loop do agente em Python usando uma estrutura que você já conhece (Strands LangGraph, Google ADK ou OpenAI Agents) e a implanta no Runtime. AgentCore Controle total sobre a lógica de orquestração.

Esta página mostra o fluxo baseado em código. Para arnês, consulte O que é o AgentCore arnês.

Inscreva-se para um AWS account

Inscreva-se para um AWS account

Para começar AWS, você precisa de uma AWS conta. Para obter informações sobre como criar uma AWS conta, consulte Introdução a uma AWSAWS conta no Guia de referência de gerenciamento de contas.

Pré-requisitos

  • Node.js 20 ou mais tarde. A AgentCore CLI é distribuída como um pacote npm. Verifique comnode --version. Instale a partir de nodejs.org, se necessário.

  • npm. Incluído com Node.js.

  • Uma AWS conta com credenciais configuradas. Configure via AWS CLI, variáveis de ambiente ou um AWS perfil. Consulte Configuração da AWS CLI.

  • Python 3.10 ou posterior (para código de agente). Verifique compython3 --version.

  • Permissões do IAM. Sua identidade precisa de permissões para fazer chamadas de AgentCore API e assumir as funções de bootstrap do CDK usadas durante a implantação. Consulte AgentCore Permissões do CLI IAM.

Etapa 1: instalar a AgentCore CLI

npm install -g @aws/agentcore

Verificar:

agentcore --version

Para atualizar mais tarde, execute novamente o comando de instalação ou. agentcore update Fonte e problemas: agentcore-cli on. GitHub

Etapa 2: Crie seu projeto

agentcore create

O assistente interativo pergunta primeiro o que você deseja criar:

  • Harness - Um loop de agente gerenciado baseado em configuração. Não é necessário código de estrutura ou orquestração. Veja o que é o AgentCore arnês.

  • Agente - Um agente baseado em código usando uma estrutura de sua escolha, implantada no Runtime. AgentCore

  • Ignorar - Crie a estrutura do projeto sem um agente. Adicione um mais tarde comagentcore add.

Se você escolher Agente, o assistente continuará com:

  • Estrutura — Strands Agents (recomendado) LangChain/LangGraph, Google Agent Development Kit ou OpenAI Agents SDK

  • Fornecedor de modelos: Amazon Bedrock, Anthropic, OpenAI ou Gemini

  • Memória - Nenhuma, apenas de curto prazo ou de longo e curto prazo

  • Tipo de compilação - CodeZip (padrão) ou contêiner

Você também pode passar sinalizadores diretamente para criar um agente baseado em código:

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

Estrutura do projeto

agentcore creategera:

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
        └── ...

Arquivos principais:

  • agentcore/agentcore.json- a configuração principal. Define seus agentes, armazenamentos de memória, gateways, credenciais e outros recursos. Gerenciado por agentcore add agentcore remove e.

  • app/- seu código de agente. Cada agente obtém seu próprio subdiretório com um ponto de entrada e um. pyproject.toml

  • agentcore/aws-targets.json- a AWS conta e a região para implantação.

Etapa 3: testar localmente

cd MyAgent
agentcore dev

agentcore devcria um ambiente virtual Python, instala dependências, inicia um servidor local com hot reload e abre o inspetor de agentes em seu navegador para que você possa conversar com o agente, inspecionar rastreamentos e navegar pelos recursos do projeto. As alterações no código são coletadas automaticamente.

Sinalizadores úteis:

  • --no-browser- use a TUI baseada em terminal em vez do inspetor do navegador.

  • --no-traces- desative os traços de gravação emagentcore/.cli/traces.

  • --logs- registros do servidor de cauda no modo não interativo.

  • --port <N>- fixe a porta de desenvolvimento (padrão 8080 para HTTP, 8000 para MCP, 9000 para A2A; incrementa automaticamente se estiver ocupada).

Etapa 4: implantar seu agente

agentcore deploy

Implantar:

  1. Empacota seu código em um artefato zip (ou cria um contêiner se) --build Container

  2. Usa o AWS CDK nos bastidores para sintetizar e provisionar recursos

  3. Cria um endpoint AgentCore Runtime para seu agente

  4. Configura o CloudWatch registro e a observabilidade

A primeira implantação leva alguns minutos enquanto o CDK inicializa sua conta. As implantações subsequentes são mais rápidas.

Visualize o que mudará sem implantar:

agentcore deploy --dry-run

Verifique o status:

agentcore status

Etapa 5: invocar seu agente implantado

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

Se seu agente tiver pagamentos configurados, forneça o contexto do pagamento no momento da chamada:

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

Esse é o loop. Itereapp/MyAgent/main.py, teste comagentcore dev, implante comagentcore deploy, invoque com. agentcore invoke

Adicione recursos ao seu projeto

agentcore addgerencia recursos emagentcore.json. Execute-o sem argumentos para o menu interativo ou direcione um recurso diretamente.

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

Cada comando add estrutura a configuração e solicita os valores necessários. Depois de adicionar, execute agentcore deploy para provisionar.

Mergulha profundamente nos recursos que você pode conectar:

Exibir registros e rastreamentos

# 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>

Fazer a limpeza.

agentcore remove all
agentcore deploy

remove allredefine a configuração. O acompanhamento deploy detecta o estado vazio e destrói os recursos da sua conta.

Próximas etapas

  • Qual é o AgentCore arnês - o caminho baseado em configuração para um agente em execução. Use qualquer modelo, conecte-se às ferramentas, mantenha o estado, implante em sua VPC e passe para o código quando precisar.

  • AgentCore amostras de código - exemplos de ponta a ponta em todas as estruturas e recursos.