工作階段錄製和重播

瀏覽器工作階段記錄和重播可提供全面的可觀測性，用於偵錯、稽核或訓練目的。當您建立已啟用工作階段記錄的瀏覽器時，Amazon Bedrock AgentCore 會自動擷取瀏覽器互動，並將其存放在您指定的 Amazon S3 儲存貯體中以供日後分析。

工作階段重播會擷取完整的瀏覽器互動資料，讓您檢視重播並了解瀏覽器工作階段期間發生的動作。此功能透過提供瀏覽器行為的詳細洞察，協助您解決錯誤並改善未來的調用。

工作階段重播期間收集的資訊包括：

工作階段錄製的先決條件

若要啟用工作階段錄製，您需要：

設定用於錄製的 IAM 角色

若要啟用工作階段記錄，您需要具有許可的 IAM 執行角色，才能將記錄資料寫入 Amazon S3，並將活動記錄到 CloudWatch。如需設定許可的詳細說明，請參閱許可。

執行角色需要超出標準瀏覽器許可的額外許可：

{
    "Sid": "S3Permissions",
    "Effect": "Allow",
    "Action": [
        "s3:PutObject",
        "s3:GetObject",
        "s3:ListBucket",
        "s3:ListMultipartUploadParts",
        "s3:AbortMultipartUpload"
    ],
    "Resource": [
        "arn:aws:s3:::your-recording-bucket",
        "arn:aws:s3:::your-recording-bucket/*"
    ]
},
{
    "Sid": "CloudWatchLogsPermissions",
    "Effect": "Allow",
    "Action": [
        "logs:CreateLogGroup",
        "logs:CreateLogStream",
        "logs:PutLogEvents",
        "logs:DescribeLogStreams"
    ],
    "Resource": "*"
}

將 取代your-recording-bucket為您實際的 Amazon S3 儲存貯體名稱。

步驟 1：使用錄音功能建立瀏覽器工具

建立啟用記錄的自訂瀏覽器工具。如需建立瀏覽器工具的詳細說明，請參閱建立 AgentCore 瀏覽器。

建立瀏覽器工具時，請確定您：

使用 Python SDK 的範例：

import boto3
import uuid

region = "us-west-2"
bucket = "your-recording-bucket"

client = boto3.client("bedrock-agentcore-control", region_name=region)

response = client.create_browser(
    name="MyRecordingBrowser",
    description="Browser with session recording enabled",
    networkConfiguration={"networkMode": "PUBLIC"},
    executionRoleArn="arn:aws:iam::123456789012:role/AgentCoreBrowserRecordingRole",
    clientToken=str(uuid.uuid4()),
    recording={
        "enabled": True,
        "s3Location": {
            "bucket": bucket,
            "prefix": "browser-recordings"
        }
    }
)

browser_identifier = response.get("browserId") or response.get("browserIdentifier")
print(f"Created browser with recording: {browser_identifier}")
print(f"Recordings will be stored at: s3://{bucket}/browser-recordings/")

步驟 2：使用啟用錄製功能的瀏覽器

將已啟用錄音的瀏覽器與任何自動化架構搭配使用。所有瀏覽器互動都會自動記錄。使用 Strands 的範例：

from strands import Agent
from strands_tools.browser import AgentCoreBrowser

# Use the browser created with recording
browser_identifier = "your-browser-identifier"
region = "us-west-2"
browser_tool = AgentCoreBrowser(region=region, identifier=browser_identifier)

agent = Agent(tools=[browser_tool.browser])
prompt = (
    "Navigate to https://docs.aws.amazon.com/bedrock-agentcore/latest/devguide/what-is-bedrock-agentcore.html "
    "and summarize the key features of AgentCore."
)

response = agent(prompt)
print("Agent Response:")
print(response.message["content"][0]["text"])

此工作階段期間的所有互動都會在工作階段結束時自動記錄並上傳至您的 Amazon S3 儲存貯體。

步驟 3：監控即時工作階段和重播錄製

AWS 主控台提供完整工具，可進行即時監控和記錄的工作階段分析。

即時檢視監控

即時監控瀏覽器工作階段，並與作用中工作階段互動：

在 主控台中存取即時檢視

即時檢視界面提供：

工作階段重播和分析

透過主控台重播介面存取詳細的工作階段記錄和分析：

在主控台中存取工作階段重播

工作階段分析功能

主控台提供多個分析工具：

導覽錄音

使用這些方法來導覽錄音：

步驟 4：以程式設計方式存取錄音

使用 Amazon Bedrock AgentCore SDK 和 APIs 以程式設計方式存取即時檢視和記錄洞見，以進行自訂整合和自動化分析。

程式設計即時檢視存取

使用瀏覽器用戶端和檢視器伺服器連線至即時瀏覽器工作階段：

import time
from rich.console import Console
from bedrock_agentcore.tools.browser_client import browser_session
from browser_viewer import BrowserViewerServer

console = Console()

def main():
    try:
        # Create browser session
        with browser_session('us-west-2') as client:
            print("✅ Browser ready!")
            ws_url, headers = client.generate_ws_headers()

            # Start viewer server
            console.print("[cyan]Starting viewer server...[/cyan]")
            viewer = BrowserViewerServer(client, port=8005)
            viewer_url = viewer.start(open_browser=True)

            # Keep running
            while True:
                time.sleep(1)

    except KeyboardInterrupt:
        console.print("[yellow]Shutting down...[/yellow]")
        if 'client' in locals():
            client.stop()
            console.print("✅ Browser session terminated")

if __name__ == "__main__":
    main()

程式設計記錄存取

直接從 Amazon S3 存取記錄資料以進行自訂分析工作流程：

import boto3

s3_client = boto3.client('s3', region_name='us-west-2')

# List recordings in your bucket
bucket_name = "your-recording-bucket"
prefix = "browser-recordings/"

response = s3_client.list_objects_v2(Bucket=bucket_name, Prefix=prefix)

print(f"Recordings in s3://{bucket_name}/{prefix}:")
for obj in response.get('Contents', []):
    print(f"  {obj['Key']} ({obj['Size']} bytes)")
    print(f"    Last Modified: {obj['LastModified']}")
    print()

記錄資料結構：

s3://your-recording-bucket/browser-recordings/
  └── session-id/
      ├── batch_1.ndjson.gz
      ├── batch_2.ndjson.gz
      └── batch_3.ndjson.gz

每個工作階段都會建立具有工作階段 ID 的資料夾，並在工作階段進行時以區塊形式上傳記錄資料。

工作階段重播程式設計範例

對於進階使用案例，您可以建立自訂工作階段重播檢視器，並將記錄資料整合到您自己的分析工作流程中。

下列 GitHub 範例顯示獨立工作階段重播檢視器，以及使用瀏覽器工作階段重播功能時的完整瀏覽器體驗。

如需其他範例，請參閱 GitHub 上的 AgentCore 瀏覽器範例。

# View the latest recording in a bucket
python view_recordings.py --bucket session-record-test-123456789012 --prefix replay-data

# View a specific recording
python view_recordings.py --bucket session-record-test-123456789012 --prefix replay-data --session 01JZVDG02M8MXZY2N7P3PKDQ74

# Use a specific AWS profile
python view_recordings.py --bucket session-record-test-123456789012 --prefix replay-data --profile my-profile

# View the latest recording in a bucket
python -m live_view_sessionreplay.browser_interactive_session