欢迎来到 Amazon Bedrock AgentCore 示例仓库！

Amazon Bedrock AgentCore 不依赖于特定的框架或模型，使您能够灵活、安全且大规模地部署和运行先进的 AI 代理。无论您使用 Strands Agents、CrewAI、LangGraph、LlamaIndex 或其他任何框架，并在任意大型语言模型（LLM）上运行，Amazon Bedrock AgentCore 都能为您提供相应的基础设施支持。通过消除构建和管理专用代理基础设施这一繁琐任务，Amazon Bedrock AgentCore 让您可以直接采用自己偏好的框架和模型，无需重写代码即可完成部署。

本集合提供了示例和教程，帮助您理解、实现并将 Amazon Bedrock AgentCore 的功能集成到您的应用中。

从 Starter Toolkit 迁移？ 本仓库正从 Bedrock AgentCore Starter Toolkit 迁移到新的 AgentCore CLI。仍依赖 Starter Toolkit 的示例位于 legacy/ 目录下，将在未来几周内逐步更新。请参阅 MIGRATION.md，了解完整的旧路径到新路径映射。

🎥 视频

使用 Amazon Bedrock AgentCore 构建您的第一个生产就绪型 AI 代理。我们将带您超越原型开发阶段，展示如何利用 Amazon Bedrock AgentCore 将您的首个代理式 AI 应用程序投入生产环境。

📁 仓库结构

🚀 getting-started/

几分钟内创建您的第一个代理

借助 AgentCore CLI，这是在 Amazon Bedrock AgentCore 上快速创建、开发和部署代理的最佳方式。

• python/ — Python 代理示例（代码解释器、网关、记忆、身份等）
• typescript/ — TypeScript 代理示例

🧩 features/

深入探索 AgentCore 各项能力

专注于 AgentCore 各项能力的示例：

• 运行时 — 安全、无服务器的运行环境，用于大规模部署代理和工具
• 网关 — 将 API、Lambda 函数和服务转换为兼容 MCP 的工具
• 身份 — 跨 AWS 和第三方应用的代理身份与访问管理
• 记忆 — 用于个性化代理体验的托管内存基础设施
• 工具 — 内置的代码解释器和浏览器工具
• 可观测性 — 使用 OpenTelemetry 追踪、调试和监控代理性能
• 评估 — 内置及自定义评估器，用于按需和在线评估
• 策略 — 使用 Cedar 策略实现细粒度的访问控制

💡 end-to-end/

完整应用

结合多种 AgentCore 能力解决实际业务问题的生产级用例。每个用例都包含部署说明、架构图和测试指南。

🔌 integrations/

将 AgentCore 与您的技术栈连接

• identity-providers/ — Okta、Entra、Cognito 等身份提供商集成
• observability/ — Grafana、Datadog、Dynatrace 等监控平台集成
• data-platforms/ — 数据湖、数据仓库和分析工具集成
• ux-examples/ — Streamlit、AG-UI 等前端模式

🏗️ infrastructure-as-code/

部署自动化

使用 CloudFormation、AWS CDK 或 Terraform 预制的生产级模板，用于预配 AgentCore 资源。

🚀 blueprints/

全栈参考应用

完整的、可部署的代理式应用程序，集成了服务、身份验证和业务逻辑，您可以根据自己的需求进行定制。

📦 legacy/

Starter Toolkit 示例（待迁移）

这些示例仍依赖于 Bedrock AgentCore Starter Toolkit CLI。随着 SDK 支持的逐步推出，它们将被迁移到 AgentCore CLI。有关状态，请参阅 MIGRATION.md。

使用 AgentCore CLI 快速入门

AgentCore CLI 是在 Amazon Bedrock AgentCore 上创建、开发和部署代理的推荐方式。它以简化的项目式工作流取代了之前的 Starter Toolkit。

第 1 步：先决条件

• 一个已配置凭证的 AWS 账户（使用 aws configure 配置）
• Node.js 20.x 或更高版本
• uv（用于 Python 代理）或 Node.js（用于 TypeScript 代理）
• 模型访问权限：已在 Amazon Bedrock 控制台 中启用 Anthropic Claude 4.0
• AWS 权限：
  • BedrockAgentCoreFullAccess 托管策略
  • AmazonBedrockFullAccess 托管策略

第 2 步：安装 CLI 并创建项目

# 安装 AgentCore CLI
npm install -g @aws/agentcore

# 创建新项目（交互式向导）
agentcore create
cd my-agent

create 向导会根据您选择的框架（Strands Agents、LangGraph、Google ADK、OpenAI 等）和语言（Python 或 TypeScript）搭建一个可直接运行的项目。

第 3 步：本地开发

# 启动本地开发服务器
agentcore dev

此时您的代理已在本地运行。CLI 会监听文件变化，并提供一个本地调用端点用于测试。

第 4 步：部署到 AWS

# 部署到 Amazon Bedrock AgentCore
agentcore deploy

# 测试已部署的代理
agentcore invoke

添加更多功能

agentcore add memory           # 添加托管内存
agentcore add identity         # 添加身份提供商
agentcore add evaluator        # 添加 LLM-as-a-Judge 评估
agentcore add online-eval      # 启用持续评估
agentcore deploy               # 将更改同步到 AWS

恭喜！您的代理现已在 Amazon Bedrock AgentCore 运行时上运行。

如需完整的 CLI 参考，请参阅 AgentCore CLI 文档。

运行 Notebook

本仓库中的一些示例以 Jupyter Notebook 的形式提供：

1. 创建并激活虚拟环境

python -m venv .venv
source .venv/bin/activate

2. 安装依赖项

pip install -r requirements.txt

3. 导出/激活运行 Notebook 所需的 AWS 凭证。

4. 将您的虚拟环境注册为 Jupyter Notebook 可使用的内核

python -m ipykernel install --user --name=notebook-venv --display-name="Python (notebook-venv)"

您可以使用以下命令列出所有内核：

jupyter kernelspec list

5. 运行 Notebook，并确保选择了正确的内核

jupyter notebook path/to/your/notebook.ipynb

重要提示： 在 Jupyter 中打开 Notebook 后，请务必前往 Kernel → Change kernel，然后选择“Python (notebook-venv)”，以确保您的虚拟环境中的包可用。

🔗 相关链接

• AgentCore CLI
• Amazon Bedrock AgentCore 文档
• 开始使用 Amazon Bedrock AgentCore - 工作坊
• 深入 Bedrock AgentCore - 工作坊
• Amazon Bedrock AgentCore 定价
• Amazon Bedrock AgentCore 常见问题

🤝 贡献

我们欢迎贡献！请参阅我们的 贡献指南，了解如何：

• 添加新的示例
• 改进现有示例
• 报告问题
• 提出改进建议

📄 许可证

本项目采用 Apache License 2.0 许可证授权——详情请参阅 LICENSE 文件。

贡献者

Amazon Bedrock AgentCore Samples 快速上手指南

Amazon Bedrock AgentCore 是一个框架无关、模型无关的基础设施，助您安全地大规模部署和运营 AI 智能体。本仓库提供了丰富的示例和教程，帮助您快速集成 AgentCore 能力。

环境准备

在开始之前，请确保您的开发环境满足以下要求：

• AWS 账户：已配置凭证 (aws configure)。
• Node.js：版本 20.x 或更高（用于安装 CLI）。
• Python/Node 运行时：
  • Python 项目：推荐安装 uv 进行依赖管理。
  • TypeScript 项目：需安装 Node.js。
• 模型访问权限：需在 Amazon Bedrock 控制台 中启用模型访问（例如 Anthropic Claude 系列）。
• AWS 权限：当前用户需具备以下托管策略：
  • BedrockAgentCoreFullAccess
  • AmazonBedrockFullAccess

注意：目前官方未提供特定的中国镜像源，请确保网络环境可正常访问 AWS 服务及 npm/pypi 源。如有需要，可自行配置国内通用的 npm 或 pip 镜像加速。

安装步骤

推荐使用 AgentCore CLI 来创建、开发和部署智能体。

1. 安装 CLI 工具 使用 npm 全局安装 AgentCore CLI：

   npm install -g @aws/agentcore
   

2. 创建新项目 运行创建命令，跟随交互式向导选择框架（如 Strands Agents, LangGraph, OpenAI 等）和语言（Python 或 TypeScript）：

   agentcore create
   cd my-agent
   

   注：my-agent 为您在项目向导中输入的项目名称。

基本使用

1. 本地开发

在项目目录下启动本地开发服务器。CLI 会自动监听文件变化并提供本地调用端点供测试：

agentcore dev

2. 部署到 AWS

当代码准备就绪后，将其部署到 Amazon Bedrock AgentCore Runtime：

agentcore deploy

3. 调用测试

部署完成后，直接使用 CLI 调用已上线的智能体进行测试：

agentcore invoke

4. 扩展功能

您可以随时通过 CLI 添加更多企业级能力（如记忆、身份认证、评估等），并同步部署：

# 添加托管记忆
agentcore add memory

# 添加身份提供商集成
agentcore add identity

# 添加 LLM 评估器
agentcore add evaluator

# 同步更改到 AWS
agentcore deploy

恭喜！您已成功在 Amazon Bedrock AgentCore 上运行了一个生产级别的 AI 智能体。更多高级用法请参考仓库中的 features/ 和 end-to-end/ 目录。