View a markdown version of this page

Amazon Bedrock AgentCore 入門 - Amazon Bedrock AgentCore
註冊 AWS 帳戶先決條件步驟 1：安裝 AgentCore CLI步驟 2：建立您的專案步驟 3：在本機測試步驟 4：部署您的代理程式步驟 5：叫用您部署的代理程式將功能新增至您的專案檢視日誌和追蹤清除後續步驟

Amazon Bedrock AgentCore 入門

此快速入門可讓您使用 AgentCore CLI，在幾分鐘內從零到執行中的代理程式。您將安裝 CLI、堆疊專案、在本機測試 AWS、部署至 並叫用您的代理程式。

在 AgentCore 上建置代理程式的兩種方式，相同的 CLI：

  • 受管繫帶。您在組態檔案中宣告代理程式 （模型、提示、工具、記憶體），AgentCore 會為您執行迴圈。無架構，無協同運作程式碼。當您想要從想法到執行中代理程式的最快路由時，路徑良好。進一步了解。

  • 程式碼型代理程式。您可以使用已知的架構 (Strands、LangGraph、Google ADK 或 OpenAI 代理程式） 在 Python 中編寫代理程式迴圈，並將其部署到 AgentCore 執行期。完全控制協同運作邏輯。

此頁面會逐步解說程式碼型流程。如需 繫帶，請參閱什麼是 AgentCore 繫帶。

註冊 AWS 帳戶

註冊 AWS 帳戶

若要開始使用 AWS，您需要 AWS 帳戶。如需建立 AWS 帳戶的資訊，請參閱《AWS 帳戶管理參考指南》中的 帳戶入門。 AWS

先決條件

  • Node.js 20 或更新版本。AgentCore CLI 以 npm 套件的形式分佈。使用 檢查 node --version。如有需要，請從 nodejs.org 安裝 。

  • npm。隨附於 Node.js。

  • 已設定登入資料的 AWS 帳戶。透過 AWS CLI、環境變數或 AWS 設定檔設定 。請參閱設定 AWS CLI。

  • Python 3.10 或更新版本 （適用於代理程式程式碼）。使用 檢查 python3 --version。

  • IAM 許可。您的身分需要許可才能進行 AgentCore API 呼叫，並擔任部署期間使用的 CDK 引導角色。請參閱 AgentCore CLI IAM 許可。

步驟 1：安裝 AgentCore CLI

npm install -g @aws/agentcore

驗證：

agentcore --version

若要稍後更新，請重新執行安裝命令或 agentcore update。來源和問題：GitHub 上的 agentcore-cli。

步驟 2：建立您的專案

agentcore create

互動式精靈會先詢問您要建置的內容：

  • Harness - 受管組態型代理程式迴圈。不需要架構或協同運作程式碼。請參閱什麼是 AgentCore 繫帶。

  • 代理程式 - 使用您選擇的架構、部署到 AgentCore 執行期的程式碼型代理程式。

  • 略過 - 建立不含代理程式的專案結構。稍後使用 新增一個agentcore add。

如果您選擇 代理程式，精靈會繼續：

  • 架構 - Strands Agents （建議）、LangChain/LangGraph、Google Agent Development Kit 或 OpenAI Agents SDK

  • 模型提供者 - Amazon Bedrock、Anthropic、OpenAI 或 Gemini

  • 記憶體 - 無、短期或長期和短期

  • 組建類型 - CodeZip （預設） 或 Container

您也可以直接傳遞旗標來建立程式碼型代理程式：

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

專案結構

agentcore create 會產生：

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
        └── ...

金鑰檔案：

  • agentcore/agentcore.json - 主要組態。定義您的代理程式、記憶體存放區、閘道、登入資料和其他資源。由 agentcore add和 管理agentcore remove。

  • app/ - 您的代理程式程式碼。每個客服人員都會使用進入點和 取得自己的子目錄pyproject.toml。

  • agentcore/aws-targets.json - 部署的帳戶 AWS 和區域。

步驟 3：在本機測試

cd MyAgent
agentcore dev

agentcore dev 會建立 Python 虛擬環境、安裝相依性、啟動具有熱重新載入的本機伺服器，並在瀏覽器中開啟代理程式檢查程式，讓您可以與代理程式聊天、檢查追蹤和瀏覽專案資源。程式碼變更會自動取得。

有用的旗標：

  • --no-browser - 使用終端機型 TUI 而非瀏覽器檢查器。

  • --no-traces - 停用將追蹤寫入 agentcore/.cli/traces。

  • --logs - 處於非互動式模式的結尾伺服器日誌。

  • --port <N> - 固定開發連接埠 （預設值為 HTTP 8080、MCP 8000、A2A 9000；忙碌時自動遞增）。

步驟 4：部署您的代理程式

agentcore deploy

部署：

  1. 將您的程式碼封裝成 zip 成品 （如果 ，則建置容器--build Container)

  2. 在幕後使用 AWS CDK 來合成和佈建資源

  3. 為您的代理程式建立 AgentCore 執行期端點

  4. 設定 CloudWatch 記錄和可觀測性

第一次部署需要幾分鐘的時間，而 CDK 會引導您的帳戶。後續部署速度更快。

預覽在不部署的情況下變更的內容：

agentcore deploy --dry-run

檢查狀態：

agentcore status

步驟 5：叫用您部署的代理程式

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

如果您的代理程式已設定付款，請在調用時提供付款內容：

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

這就是迴圈。在 上反覆運算app/MyAgent/main.py、使用 進行測試agentcore dev、使用 部署agentcore deploy、使用 叫用 agentcore invoke。

將功能新增至您的專案

agentcore add 管理 中的資源agentcore.json。在沒有互動式功能表引數的情況下執行它，或直接將資源設為目標。

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

每個新增命令會堆疊組態，並提示必要值。新增後，執行 agentcore deploy以佈建。

深入探討您可以連接的功能：

檢視日誌和追蹤

# 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>

清除

agentcore remove all
agentcore deploy

remove all 會重設組態。追蹤會deploy偵測空白狀態，並縮減您帳戶中的資源。

後續步驟