View a markdown version of this page

Conceitos básicos - Amazon Bedrock AgentCore

Conceitos básicos

Você pode usar o chicote por meio da AgentCore CLI ou diretamente AWS com SDKs, como. boto3 A CLI é o caminho mais rápido para a maioria dos desenvolvedores; os SDKs são para uso programático em seu próprio aplicativo.

Pré-requisitos

Conceitos básicos

exemplo
AWS CLI/boto3

Crie o arnês com um nome e uma função de execução:

aws bedrock-agentcore-control create-harness \ --harness-name "MyHarness" \ --execution-role-arn "arn:aws:iam::123456789012:role/MyHarnessRole"

Enquete get-harness até"status": "READY". Observe o arn na resposta.

aws bedrock-agentcore-control get-harness \ --harness-id "MyHarness-XyZ123"

Invoque a partir do Python. Se você não especificar um modelo, o equipamento usa como padrão o Anthropic Claude Sonnet 4.6 no Amazon Bedrock:

import boto3 client = boto3.client("bedrock-agentcore", region_name="us-west-2") response = client.invoke_harness( harnessArn="arn:aws:bedrock-agentcore:us-west-2:123456789012:harness/MyHarness-XyZ123", # Replace with your harness ARN runtimeSessionId="1234abcd-12ab-34cd-56ef-1234567890ab", messages=[{ "role": "user", "content": [{"text": "Research three tropical vacation options under $3k."}] }], ) for event in response["stream"]: if "contentBlockDelta" in event: delta = event["contentBlockDelta"].get("delta", {}) if "text" in delta: print(delta["text"], end="", flush=True) elif "runtimeClientError" in event: print(f"\nError: {event['runtimeClientError']['message']}")
AgentCore CLI

Instale a AgentCore CLI:

npm install -g @aws/agentcore

Crie um projeto de arnês de forma não interativa com sinalizadores:

agentcore create --name myresearchagent --model-provider bedrock

Implemente e invoque:

agentcore deploy agentcore invoke --harness myresearchagent \ --session-id "$(uuidgen)" \ "Research three tropical vacation options under $3k, within five hours of NYC."

A resposta é transmitida para o seu terminal. Reutilize o mesmo --session-id em todas as invocações para continuar a conversa no mesmo ambiente.

Para adicionar mais chicotes a um projeto existente, useagentcore add harness. Para gerar um script de invocação autônomo do Python, adicione. --with-invoke-script

Sinalizadores úteis:

  • --no-browser(-b) - use o terminal TUI em vez do inspetor do navegador

  • --logs(-l) - executado no modo não interativo com registros para stdout

  • --port <port>(-p) - define a porta do servidor de desenvolvimento (padrão 8080)

  • --no-traces- desativar a coleta local de rastreamento do OTEL

Interactive

Instale a AgentCore CLI:

npm install -g @aws/agentcore

Execute agentcore create sem sinalizadores para iniciar o assistente interativo:

agentcore create
  1. Insira o nome do seu projeto:

    Assistente de criação: insira o nome do projeto
  2. Selecione Harness como o tipo de projeto:

    Assistente de criação: selecione o tipo de projeto
  3. Escolha seu fornecedor de modelos:

    Assistente de criação: selecione o provedor do modelo
  4. Escolha seu ambiente (padrão, URI do contêiner ou Dockerfile):

    Assistente de criação: selecione o ambiente
  5. Configure a memória:

    Assistente de criação: configure a memória
  6. Opcionalmente, defina configurações avançadas (ferramentas, autenticação, rede, ciclo de vida, limites, truncamento, armazenamento da sessão):

    Assistente de criação: configurações avançadas
  7. Revise sua configuração e confirme:

    Assistente de criação: revise e confirme

Após a confirmação, o assistente monta seu projeto. Implante com agentcore deploy e, em seguida, invoque comagentcore invoke.

Verifique o status do projeto a qualquer momento comagentcore status:

AgentCore painel de status
  1. Desenvolvimento local

Se quiser testar o equipamento em seu ambiente local, você pode executar o servidor de desenvolvimento:

agentcore dev

Quando você executaagentcore dev, a CLI primeiro implanta seus recursos de harness AWS, criando a função do IAM, o harness e qualquer memória ou credencial configuradas em seu projeto:

Progresso da implantação: criação CloudFormation de recursos

Após a conclusão da implantação, ele inicia um servidor local e abre o inspetor de agentes em seu navegador, onde você pode conversar com o equipamento, inspecionar rastreamentos e procurar recursos do projeto:

Agente inspetor: converse com seu arnês

Expanda as configurações do arnês para visualizar e substituir a configuração do arnês da sessão atual:

Agente inspetor: configurações e configurações do chicote

É tudo o que você precisa para colocar um arnês em funcionamento. As seções a seguir abordam tudo o que você pode configurar.

nota

Eles runtimeSessionId devem ter pelo menos 33 caracteres. Use um UUID ou identificador similar. Reutilize o mesmo ID de sessão em todas as invocações para continuar uma conversa no mesmo ambiente.

Documentação de API

Para obter detalhes adicionais, consulte a Referência da API:

Formato de resposta de streaming

InvokeHarnessretorna um fluxo de eventos. Os principais tipos de eventos são:

  • messageStart- início de uma nova mensagem (incluirole)

  • contentBlockStart- início de um bloco de conteúdo (textotoolUse, outoolResult)

  • contentBlockDelta- conteúdo incremental (text, toolUse entrada,reasoningContent)

  • contentBlockStop- fim de um bloco de conteúdo

  • messageStop- fim da mensagem (incluistopReason)

  • metadata- métricas de uso e latência de tokens

  • runtimeClientError- erro durante a execução

A stopReason entrada messageStop indica por que o agente parou:

  • end_turn- o agente terminou normalmente

  • tool_use- o agente está chamando uma função embutida e aguardando um resultado do lado do cliente

  • max_tokens- o limite de tokens por turno do modelo foi atingido

  • max_iterations_exceeded- o maxIterations limite foi atingido

  • timeout_exceeded- o timeoutSeconds limite foi atingido

  • max_output_tokens_exceeded- o maxTokens orçamento estava esgotado