在当前生成式人工智能迅猛发展的背景下，如何促使智能体从演示阶段过渡到实际生产应用，这已成为开发者和企业共同面临的核心挑战。在近期结束的纽约亚马逊云科技峰会上，亚马逊云科技正式推出了Amazon Bedrock AgentCore，并一次性发布了包括七大功能模块在内的全新产品。这些模块直接针对agents应用过程中的核心痛点，如安全性、可观测性、身份认证、持久记忆以及工具集成等，几乎涵盖了工程化agent的整个能力链路。

亚马逊云科技最新发布的“全家桶”产品，为agent开发者带来了哪些便利？在峰会期间，我们与亚马逊云科技软件开发部门的负责人Preethi CN展开了深入的探讨。她目前正负责亚马逊云科技Agentic AI的研发工作，同时为整个Agentic AI部门提供战略层面的指导。

Preethi CN向智东西透露，Amazon Bedrock AgentCore的推出对开发者而言标志着一场革命性的转变，其七大功能模块均具备极高的灵活性，用户可选择全部采纳，亦或依据自身业务需求挑选其中之一。此外，这些模块均能与各类模型及框架实现无缝兼容。开发者仅需几行代码即可将AgentCore融入应用，并能够借助托管服务直接获取其功能。这些构建模块以插件和叠加的形式作用于agent代码，为它增添了可扩展性，同时并不限制开发者所选择的编排模式。

我们的设计理念与问题解决思路，始终将客户的需求作为核心。”她着重指出。

Preethi CN在讨论针对Agentic AI的集成开发环境Kiro时指出，Kiro宛如开发者身旁的初级工程师，它能够协助完成编程任务并实现既定目标。Kiro引入了一种创新性的开发理念——即基于规格的驱动开发。例如，用户只需简单提出“在我的应用中实现社交登录”这样的需求，并附上详细的需求描述或架构图，Kiro便能自动生成结构严谨、质量上乘、可直接部署至生产环境的代码。

Kiro的另一大亮点是具备agentic hooks（代理钩子）机制。用户可将自定钩子逻辑委托给agent处理，例如：“每当文件被保存，自动创建单元测试”、“为该段代码嵌入性能监控点”亦或“对这段代码进行全面优化”。将这些功能模块纳入其中，它们便能在用户开展其他开发任务的同时，于后台自动启动运行。

七个模块助力Agent的开发与进化，实现了从“能够实现”到“高效运行”的转变。

以往，构建agents常常需要借助LangChain、Haystack、Strands等开源框架，制作一个演示原型并不复杂，然而，若要确保其稳定运行、与业务系统实现无缝对接，并确保安全与合规，通常需要投入数月的时间。

AgentCore新增的七项功能，旨在填补“演示与实际生产间存在的差距”，开发者能够根据具体业务需求进行灵活配置，将自建的智能体部署至生产领域，并享受到企业级的安全保障、高可靠性、出色的运营体验以及便捷的运维服务。

AgentCore Runtime致力于打造一个既安全又灵活的agent运行环境，它能够适应不断变化的任务负载。此环境具备低延迟的交互特性，能够胜任长达8小时的复杂异步任务处理。目前，它是唯一一个既能支持跨开源和商业框架的使用，又能实现完整会话隔离的运行环境。

AgentCore Memory：旨在增强agent的记忆力，提供行业领先的短期与长期记忆准确度，进而增强agent对上下文的感知能力。

AgentCore身份认证系统：它能够实现无障碍且保障安全的代理身份验证，并且能够与Amazon Cognito、Microsoft Entra ID、Okta等身份验证服务实现无缝对接。

AgentCore Gateway：该系统为agent构建了安全的连接通道，使其能够发现并调用多样化的工具，同时，它还支持将API、Lambda函数以及现有的服务轻松地转换成agent能够使用的兼容工具。

AgentCore代码解析器：允许开发者依据安全标准，自行设定执行环境的实例种类以及会话参数。在执行复杂运算、核实推理、数据加工或创建可视化内容的过程中，agents需在安全的沙箱环境中编写并执行相关代码。

AgentCore浏览器工具，这是一款无需特定模型即可使用的、操作迅速且保障安全的在线浏览器工具。它能够支持AI智能体与网站进行大规模的互动，适用于诸如表单填写、网页浏览等多样化任务。

AgentCore的可观测性功能，依托于Amazon CloudWatch平台搭建，借助内置的仪表盘和遥测技术，为用户提供关键性能指标。此外，它还能与现有的可观测性解决方案无缝对接，使得开发者能够实时监控Agent的行为轨迹。这一功能有助于开发者持续评估agent的表现，进而提高系统的迭代效率。

AgentCore能够与开发者所选择的各类框架实现无缝对接，亚马逊云科技坚信，在集成过程中，灵活性至关重要。

二、初创公司上手定制agent，无需啃底层技术硬骨头

关于初创企业着手打造智能代理，Preethi CN提供了一系列切实可行的指导方针。

若你立志打造一款旅行助手，此助手能协助用户挑选心仪的旅行目的地、规划行程路线、完成预订手续。你可以从采用模型驱动的Strands Agent着手，只需明确你希望构建的助手的业务需求，挑选合适的模型，系统便会自动为你生成相应的代码。

这段代码的基础上，只需添加几行，便能使AgentCore Memory得以整合。这样，agent便能自动从终端用户的交流中提取出用户的偏好、语义记忆以及摘要信息。这些信息将被作为长期记忆保存，以便在未来的对话中能够进行检索并加以应用。

为了顺利实现航班衔接并完成预订，您必须确保使用一款安全的网络浏览器；此外，通过仅几行代码的简单集成，AgentCore浏览器工具即可协助agent顺畅地浏览网页，并能执行身份验证与授权任务，进而代表您进行相关操作。

若您希望使代理获取企业内部信息，可选用AgentCore Gateway这一工具。通过构建此类代理，您可将它们安置于AgentCore Runtime环境中。随后，利用AgentCore Observability对代理的运行状况进行跟踪，并识别出优化代理性能的相应策略。

这一整套流程下来，不需要“啃底层”，按需组合模块即可上线。

Preethi CN明确指出，亚马逊云科技一贯致力于为客户带来创新，助力他们解决技术重负以及底层工作的复杂性。

工程上构建一个可信赖的智能代理系统，其挑战始于基础层面的创新。亚马逊云科技在这方面已取得显著进展，不仅实现了虚拟机的广泛隔离，而且允许用户根据实际使用的CPU和内存量进行灵活付费，用户只需为实际使用的资源支付费用。

亚马逊云科技持续加强在核心技术的差异化建设。例如，自动推理是其一项显著特色能力。针对模型可能出现的“幻觉”现象，亚马逊云科技推出了逻辑演绎和数学检验等手段来评估输出的真实性和可靠性。这种策略特别适用于医疗、金融等对输出结果可靠性要求极高的高风险行业，从而为模型输出的可靠性提供了更加坚实的保障。

除了AgentCore这一核心产品，亚马逊云科技还推出了众多辅助构建模型与部署生成式AI应用的关键工具。

Amazon Bedrock作为模型托管平台，向用户展示了多样化的基础模型选项，能够适应各种业务需求。与此同时，亚马逊云科技承担起确保平台具备可观测性和扩展性的责任。自从引入AgentCore技术，该平台在加速agent的构建与部署流程方面发挥了重要作用。

Amazon SageMaker致力于协助开发者和科研人员对模型进行训练。而Amazon Q则专注于为那些期望构建业务流程以适应特定场景需求的企业客户提供支持，其核心优势在于业务流程的自动化。

结语：AI agents下一站，从人类辅助走向自主决策

Agentic AI的竞争态势正逐步从“能否实现”转变为“能否持续稳定运行”。亚马逊云科技最新推出的AgentCore，旨在为agent的发展旅程搭建起“积木式”的基础设施，通过模块化、可监测、可扩展的设计，有效降低了Agent投入生产的门槛，助力构建出真正稳定且可控的agent系统。

Preethi CN指出，目前agent在生产过程中仍需部分人工参与决策制定，然而随着模型性能的增强，未来它们有望进化为完全独立的agent，无需人为干预便能执行复杂决策。无论是医疗、金融、市场营销还是制造业，各个领域都将随着Agentic AI的进步而经历变革。亚马逊云科技所提供的这些构建模块，有效助力客户与开发者加快步伐，共同探索Agentic AI的广阔前景。

在探讨通用型Agent与垂直型Agent在短期内的发展趋势时，Preethi CN预测，这两种类型的Agent都将拥有市场空间。通用型Agent擅长处理涉及众多用户的大规模标准化任务，而医疗健康、生命科学等特定领域则对具有行业特定技能的Agent有更高需求，预计未来这两种类型将实现融合。

我们始终秉持着以客户需求为导向的创新理念。对于今天我们所推出的新内容，我内心充满了激动，并且对即将到来的发展阶段抱有极高的期待。这无疑将是一个充满激情与活力的阶段。Preethi CN这样总结道。