Amazon Bedrock AgentCore 示例集
用 CLI 将多框架 AI Agent 部署并运行在 AWS AgentCore。
按维度查看评分与理由
证据显示：仓库包含安全扫描工作流（ASH），但未提供最小权限原则的明确说明；示例中可能涉及AWS凭证配置，但未强调用户确认机制；数据流透明度有限，仅通过文档提及；敏感数据处理未详细说明；依赖安全通过扫描工作流部分体现，但未提供依赖锁定或漏洞缓解细节；外部影响（如部署到AWS）有文档说明，但未涉及回滚机制；来源归属通过贡献者列表和许可证体现，但发布者未验证。扣分原因：缺少用户确认、回滚机制，敏感数据处理和依赖安全证据不足。
证据显示：仓库结构清晰，README与目录结构一致，但未提供自洽性测试；依赖可用性未明确说明，仅列出依赖项；失败消息未在文档中体现。扣分原因：缺乏对依赖可用性和失败处理的明确说明。
证据显示：面向多种框架和模型，提供多种场景示例，但触发精度（如CLI命令）未详细说明；环境适配（如AWS配置）有文档，但未覆盖所有环境。扣分原因：触发精度和部分环境适配证据不足。
证据显示：信息架构清晰，安装说明详细，命名稳定（目录结构一致），示例丰富，许可证明确（Apache-2.0），维护责任通过贡献指南体现，但已知限制和版本变更日志未明确。扣分原因：缺少已知限制和版本变更日志。
证据显示：输出可用性通过示例和文档体现，边际价值高（提供多种集成），但成本效益未量化。扣分原因：成本效益缺乏具体数据。
证据显示：部分声明有文档支持，但缺乏跨来源验证，事实与推断未明确分离。扣分原因：验证证据不足。
- 发布者身份未验证，需谨慎对待来源。
- 依赖未锁定版本，存在供应链风险。
- 示例可能涉及AWS凭证，需确保安全配置。
- 缺少回滚机制，部署后出现问题难以恢复。
这个 Agent 能做什么，适合哪些场景？
这是 Amazon Bedrock AgentCore 的示例与教程仓库，而不是一个可直接聊天的单一 Agent。仓库按 getting-started、features、end-to-end、integrations、infrastructure-as-code、blueprints 和 legacy 组织内容。它覆盖 Runtime、Gateway、Identity、Memory、内置工具、可观测性、评估和 Policy 等 AgentCore 能力，并提供 Python 与 TypeScript 示例。推荐交付路径是使用 AgentCore CLI 在本地开发，再部署到 Amazon Bedrock AgentCore Runtime；端到端应用和蓝图用于组合多项能力。适合已决定在 AWS 上运行 Agent、需要可操作参考实现与部署模板的团队。
通过 npm install -g @aws/agentcore 安装 CLI 后，agentcore create 会交互式创建项目，并可选择 Strands Agents、LangGraph、Google ADK、OpenAI 等框架及 Python 或 TypeScript。agentcore dev 启动本地开发服务器，监听文件变化并提供本地调用端点。agentcore deploy 将项目部署到 Amazon Bedrock AgentCore，agentcore invoke 测试已部署 Agent。CLI 还提供 agentcore add memory、agentcore add identity、agentcore add evaluator 和 agentcore add online-eval 来添加对应能力；Gateway 示例说明可将 API、Lambda 函数和服务转换为 MCP 兼容工具。
- AWS 开发团队希望用 CLI 创建 Python Agent，并在本地验证后部署到 AgentCore Runtime。
- 使用 Strands Agents、LangGraph、CrewAI 或 LlamaIndex 的团队，需要参考如何接入 AgentCore 基础设施。
- 需要把现有 API、Lambda 函数或服务封装为 MCP 兼容工具的 Agent 平台工程师。
- 需要为个性化 Agent 接入托管 Memory，或为第三方应用配置 Identity 的开发者。
- 需要结合运行时、身份、工具和可观测性能力构建完整业务应用的团队。
这个 Agent 有哪些优点和局限？
- 以 AgentCore CLI 提供从项目创建、本地开发到部署和调用测试的明确工作流。
- 示例覆盖 Python 和 TypeScript，并明确面向多个 Agent 框架与模型选择。
- 将 Runtime、Gateway、Identity、Memory、可观测性、评估和 Policy 分为专题示例，便于按能力采用。
- 提供端到端应用、基础设施即代码模板和可定制的全栈蓝图。
- 核心部署边界是 Amazon Bedrock AgentCore Runtime，因此采用 AWS 平台是前提。
- 快速开始要求 AWS 账户、已配置凭证、两项 AWS 托管权限和 Bedrock 模型访问。
- CLI 需要 Node.js 20.x 或更高版本；Python 路径还依赖
uv。 - 部分示例仍依赖旧 Starter Toolkit，处于向 AgentCore CLI 迁移过程中。
如何安装或部署这个 Agent？
前提：配置 AWS 账户凭证（aws configure），安装 Node.js 20.x 或更高版本；Python Agent 使用 uv，TypeScript Agent 使用 Node.js；在 Amazon Bedrock 控制台启用 Anthropic Claude 4.0 的模型访问。AWS 权限需要 BedrockAgentCoreFullAccess 和 AmazonBedrockFullAccess。执行：
npm install -g @aws/agentcore
agentcore create
cd my-agent如何使用这个 Agent？
在创建的项目目录执行 agentcore dev 启动本地开发服务器并测试本地调用端点。部署时执行 agentcore deploy，然后用 agentcore invoke 测试已部署 Agent。需要扩展能力时，可依次执行如 agentcore add memory、agentcore add identity、agentcore add evaluator 或 agentcore add online-eval，再执行 agentcore deploy 同步变更。
这个 Agent 与同类方案有什么区别？
仓库将 AgentCore CLI 定位为推荐的创建、开发和部署方式，并说明它取代了 Bedrock AgentCore Starter Toolkit 的旧工作流。仍依赖 Starter Toolkit 的样例被放在 legacy/，迁移映射记录在 MIGRATION.md。
常见问题
这是一个可直接部署的单一 Agent 吗？
部署需要哪些 AWS 权限？
BedrockAgentCoreFullAccess 和 AmazonBedrockFullAccess，并要求 AWS 凭证已配置。是否只能使用一种 Agent 框架或模型？
使用成本是多少？
旧 Starter Toolkit 项目怎么办？
legacy/，并提供 MIGRATION.md 映射。