智东西

作者 | ZeR0

编辑 | 漠影

智东西 7 月 24 日报道，在生成式 AI 火热发展的当下，如何让 agent 从 demo 走向生产，成为摆在开发者和企业面前的关键问题。在刚刚落幕的亚马逊云科技纽约峰会上，亚马逊云科技发布 Amazon Bedrock AgentCore，一次性推出七大功能模块，直指 agents 落地的痛点——安全、可观测、身份识别、长期记忆、工具连接等等，几乎覆盖了工程化 agent 的全链路能力。

亚马逊云科技最新推出的这套 " 全家桶 "，能为 agent 开发带来哪些便利？在峰会期间，智东西与亚马逊云科技软件开发部门负责人 Preethi CN 进行了深入交流。她当前负责亚马逊云科技 Agentic AI 的开发工作，并对整个 Agentic AI 部门提供战略指导。

Preethi CN 告诉智东西，Amazon Bedrock AgentCore 的发布，对于开发者来说是一个颠覆性的转折点，七大功能模块都是灵活的，客户既可以全盘采用，又可以根据自身业务目标只选择其中的一项，而且它们都能与任何模型或框架兼容。开发者只需几行代码，就能将 AgentCore 集成到应用程序，并直接通过托管服务获得这些能力。这些构建模块是以插件和叠加方式作用于 agent 代码，为其提供可扩展能力，因此不会约束开发者采用的编排方式。

" 我们的功能设计与问题思考完全以客户问题为出发点。" 她强调说。

谈到面向 Agentic AI 的 IDE Kiro，Preethi CN 总结道，Kiro 就像一位开发者身边的初级工程师，能协助编程并达成目标，它引入了一个全新概念——基于规格驱动的开发，比如用户只需说一句 " 在我的应用中添加社交登录 "，再配上需求说明或架构图，它就可以自动生成结构清晰、高质量、可直接部署到生产环境的代码。

Kiro 的另一个出色功能是 agentic hooks（agent 钩子机制）。用户可以将自己的钩子逻辑交给 agent 处理，比如说：" 当我保存这个文件时，请自动生成单元测试 "、" 请为这段代码添加性能指标埋点 " 或 " 请对这段代码进行整体优化 "。把这些作为钩子添加进来，它们就会在用户进行其他开发工作时在后台自动运行。

一、7 个模块助攻 Agent 开发进化，从 " 做得出来 " 到 " 跑得起来 "

过去，agents 的构建往往依赖 LangChain、Haystack、Strands 等开源框架，做个 demo 不难，但要让它稳定落地、与业务系统打通并保障安全合规，往往需要耗时几个月。

AgentCore 的 7 项新功能，正是为解决这个 "demo 与生产之间的鸿沟 " 而生，开发者可根据业务需要灵活选配，将自己构建的 agent 推向生产环境，同时获得企业级的安全性、可靠性、卓越运营和运维便利性。

（1）AgentCore Runtime：构建一个安全、弹性、能应对多变任务负载的 agent 运行环境，支持低延迟交互体验，可处理长达 8 小时的复杂异步工作负载，是目前唯一支持跨各类开源和商业框架使用并实现完整会话隔离的运行环境。

（2）AgentCore Memory：让 agent 增强 " 记性 "，提供业界领先的短期和长期记忆精度，提升 agent 上下文感知能力。

（3）AgentCore Identity：提供无缝、安全的 agent 身份验证能力，可与 Amazon Cognito、Microsoft Entra ID、Okta 等身份服务集成。

（4）AgentCore Gateway：为 agent 提供安全路径以发现与调用各类工具，并可轻松将 API、Lambda 函数及现有服务便捷转换为 agent 可兼容工具。

（5）AgentCore Code Interpreter：支持开发者根据安全要求，自定义执行环境的实例类型与会话参数。agents 在执行复杂计算、验证推理、处理数据或生成可视化内容时，需要在安全的沙箱环境中编写并执行代码。

（6）AgentCore Browser Tool：一款不依赖具体模型的、快速且安全的云端浏览器工具，让 AI agents 大规模的与网站进行交互，可用于填写表单、网页导航等任务。

（7）AgentCore Observability：基于 Amazon CloudWatch 构建，通过内置仪表板和 telemetry 提供重要指标，并可与现有可观测性系统集成，让开发者能实时追踪 Agent 行为链路，从而持续审查 agent 表现，提升系统迭代效率。

AgentCore 能与开发者想用的任何框架集成，亚马逊云科技相信灵活性才是关键。

二、初创公司上手定制 agent，无需啃底层技术硬骨头

对于初创公司如何开始构建 agent，Preethi CN 给了一些实用建议。

例如，你想做一个旅行助手 Agent，它能帮用户预订喜欢的目的地、安排行程、完成预订。你可以从使用模型驱动方式的 Strands Agent 开始，只需提供想构建的 Agent 的业务目标，选择模型，就可以自动生成所需代码。

有了这段代码，再加几行代码，就可以集成 AgentCore Memory，让 agent 自动从终端用户对话中提取用户偏好、语义记忆、摘要，并将其作为长期记忆存储，从而可以在未来的对话中进行检索和应用。

如果你想要连接航班并完成预订，你还需要一个安全的浏览器，同样只需几行代码即可集成 AgentCore Browser Tool，让它能帮助 agent 浏览网页，还可以进行身份认证和授权，从而代表你执行操作。

假如你想让 agent 访问企业数据，你可以使用 AgentCore Gateway。构建了这样的 agents，就可以将它们部署到 AgentCore Runtime，然后用 AgentCore Observability 来监控运行表现，找出改进 agent 的策略。

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 强调，亚马逊云科技始终坚持为客户创新，帮他们摆脱繁重的技术难题与底层的复杂工作。

构建可靠 Agentic AI 系统的工程挑战从底层创新开始。亚马逊云科技已经在大规模实现虚拟机隔离方面进行创新，同时还让客户能够按实际使用的 CPU 和内存按需付费，只需为自己所使用的资源付费。

亚马逊云科技在核心技术领域不断夯实差异化能力。比如，自动推理就是一个独特能力。面对模型 " 幻觉 " 问题，亚马逊云科技提出用逻辑推演、数学验证等方式判断输出是否真实可信。这种机制适用于高风险行业如医疗、金融等，对模型输出的可靠性提出了更高保障。

除了 AgentCore 外，亚马逊云科技还提供多个对构建模型和部署生成式 AI 应用很有帮助的关键产品。

模型托管平台 Amazon Bedrock，为用户提供了丰富的基础模型选择，能满足不同业务需求，亚马逊云科技则负责可观测性和扩展性。该平台引入 AgentCore 后，帮助进一步加速 agent 构建和部署的流程。

Amazon SageMaker 则侧重于帮助开发者和科学家训练模型。Amazon Q 主要服务希望构建业务流程来支持特定场景需求的企业用户，主打业务流程自动化。

结语：AI agents 下一站，从人类辅助走向自主决策

Agentic AI 的竞争正从 " 做得出 " 走向 " 用得稳 "。亚马逊云科技最新推出的 AgentCore，为构建 agent 之旅的提供了 " 积木式 " 基础设施，用模块化、可观测、可插拔的方式，降低 Agent 进入生产的门槛，构建真正稳定可控的 agent 系统。

Preethi CN 认为，当前 agent 在生产中依然需要部分人工辅助做决策，但随着模型能力提升，未来它们将发展成完全自主的 agent，在无需人为干预的情况下做出复杂决策。从医疗、金融、市场营销到制造业，各行各业都将在 Agentic AI 的演进中迎来转型。而亚马逊云科技提供的这些构建模块，能够帮助客户与开发者加速迈向 Agentic AI 之路。

谈到通用型 Agent 及垂直型 Agent 短期的发展前景，Preethi CN 预判两类均存在需求，通用型 Agent 适合处理与许多用户相关的大量标准化任务，而医疗健康、生命科学等垂直行业需要更具领域特性的能力，未来必定是两者结合。

" 对我们而言，一切都围绕为客户创新这一原则。我对我们今天所发布的内容感到非常兴奋，也很期待接下来这一阶段的发展。这将是一个非常令人振奋的时期。"Preethi CN 总结道。