Bedrock AgentCore 托管 Agent 全流程：从本地开发到云端部署
Bedrock AgentCore 托管 Agent 全流程：从本地开发到云端部署，5 分钟跑通
上周折腾了两天 Agent 部署。本地 demo 跑得好好的，一上生产就各种问题——冷启动慢、内存溢出、并发扛不住、版本回滚手忙脚乱。
后来发现 Bedrock AgentCore 的托管运行时能解决大部分问题。它本质上是一个"Agent 专用的 Serverless 运行时"——你只管写 Agent 逻辑，基础设施的事（扩缩容、版本管理、健康检查、日志）全交给平台。
记录一下从本地开发到部署上线的完整流程。
为什么需要托管运行时
自己部署 Agent 服务要操心的事：
- 容器编排 — ECS/EKS + Task Definition + Service Discovery
- 扩缩容 — 根据请求量自动伸缩，Agent 调用延迟高（等模型响应），worker 数难估
- 版本管理 — 灰度发布、回滚、A/B 测试
- 健康检查 — Agent 可能"假活"（进程在但模型调不通）
- 成本控制 — Agent 空闲时也占着 GPU/CPU 资源
AgentCore 托管运行时把这些全包了。你交付一个 Python 包，它帮你跑起来。
本地开发
先用 Strands SDK 写一个简单的客服 Agent：
# agent.py
from strands import Agent, tool
from strands.models.bedrock import BedrockModel
import boto3
@tool
def query_order(order_id: str) -> dict:
"""根据订单号查询订单状态
Args:
order_id: 订单编号，如 ORD-20260610-001
"""
# 实际场景连 DynamoDB
dynamodb = boto3.resource("dynamodb")
table = dynamodb.Table("orders")
response = table.get_item(Key={"order_id": order_id})
return response.get("Item", {"error": "订单不存在"})
@tool
def create_ticket(customer_id: str, issue: str, priority: str = "normal") -> dict:
"""创建客服工单
Args:
customer_id: 客户 ID
issue: 问题描述
priority: 优先级 (low/normal/high/urgent)
"""
import uuid
ticket_id = f"TK-{uuid.uuid4().hex[:8].upper()}"
# 实际写入数据库
return {"ticket_id": ticket_id, "status": "created", "priority": priority}
def create_agent():
"""创建客服 Agent 实例"""
model = BedrockModel(
model_id="anthropic.claude-sonnet-4-20250514-v1:0",
region_name="us-east-1"
)
agent = Agent(
model=model,
system_prompt="""你是电商客服助手。职责：
1. 帮用户查询订单状态
2. 处理退款/换货请求（创建工单）
3. 回答常见问题
规则：
- 先确认用户身份（订单号或客户ID）
- 退款/换货必须创建工单，不能口头承诺
- 超出职责范围的问题，告知用户转人工
回答简洁友好，用中文。""",
tools=[query_order, create_ticket]
)
return agent
本地测试：
# test_local.py
from agent import create_agent
agent = create_agent()
print(agent("我的订单 ORD-20260610-001 到哪了？"))
print(agent("快递一周没动了，我要退货"))
部署到 AgentCore
Step 1：创建部署包
# 项目结构
customer-service-agent/
├── agent.py # Agent 逻辑
├── requirements.txt # 依赖
└── agentcore.yaml # 部署配置
requirements.txt：
strands-agents>=0.1.0
strands-agents-tools>=0.1.0
boto3>=1.34.0
agentcore.yaml：
name: customer-service-agent
runtime: python3.12
entry: agent.py
handler: create_agent
resources:
memory: 512 # MB
timeout: 120 # 秒（Agent 对话可能较长）
scaling:
min_instances: 1 # 保持 1 个热实例避免冷启动
max_instances: 10
target_utilization: 0.7
environment:
AWS_DEFAULT_REGION: us-east-1
DYNAMODB_TABLE: orders
Step 2：部署
# 安装 AgentCore CLI
pip install agentcore-cli
# 部署（自动打包+上传+发布）
agentcore deploy \
--config agentcore.yaml \
--region us-east-1
部署完成后会返回一个 endpoint：
✅ Deployed: customer-service-agent v1
Endpoint: https://agentcore.us-east-1.api.aws/agents/customer-service-agent/invoke
Step 3：调用
import boto3
import json
client = boto3.client("bedrock-agentcore", region_name="us-east-1")
response = client.invoke_agent(
agentName="customer-service-agent",
input={
"message": "我的订单 ORD-20260610-001 发货了吗？"
},
sessionId="user-12345-session-001" # 用于维护多轮对话
)
print(json.loads(response["body"].read())["output"])
版本管理和灰度发布
# 发布新版本
agentcore deploy --config agentcore.yaml --version v2
# 灰度：90% 流量走 v1，10% 走 v2
agentcore traffic set \
--agent customer-service-agent \
--split v1=90,v2=10
# 确认无问题，全量切换
agentcore traffic set \
--agent customer-service-agent \
--split v2=100
# 发现问题，一键回滚
agentcore rollback --agent customer-service-agent --to v1
监控和日志
AgentCore 自动集成 CloudWatch：
- 调用延迟 — P50/P95/P99
- 工具调用成功率 — 每个 @tool 函数的成功/失败比
- token 消耗 — 每次对话的 input/output token 数
- 并发数 — 当前活跃会话数
# 查看实时日志
agentcore logs --agent customer-service-agent --follow
# 查看调用统计
agentcore metrics --agent customer-service-agent --period 1h
踩坑记录
-
timeout 设太短 — Agent 调用模型 + 工具可能要 30-60 秒，默认 30 秒会超时。建议设 120 秒以上。
-
冷启动优化 — 如果
min_instances=0，首次请求要等容器启动 + 模型预热（约 5-8 秒）。对延迟敏感的场景保持 min_instances=1。 -
会话状态 — AgentCore 用 sessionId 管理多轮对话状态，确保同一用户的请求带相同的 sessionId，否则每次都是新对话。
-
IAM 权限 — Agent 里调的 AWS 服务（DynamoDB、S3 等）需要在 AgentCore 的执行角色里加对应权限，不然运行时报 AccessDenied。
成本估算
- 计算费用 — 按实际调用时长计费，空闲不收费（如果 min_instances=0）
- 模型费用 — 按 Bedrock token 计费（Sonnet 约 $3/百万 input token）
- 存储费用 — 对话历史存储，按 GB 计
对比自建 ECS 部署：省了 ALB 费用 + 闲时资源费用，月均能省 40-60%。
参考链接
- Bedrock AgentCore 文档：https://docs.aws.amazon.com/bedrock/latest/userguide/agentcore-overview.html
- Strands Agents SDK：https://github.com/strands-agents/sdk-python
- AgentCore 定价：https://aws.amazon.com/bedrock/pricing/
- CloudWatch 集成：https://docs.aws.amazon.com/bedrock/latest/userguide/agentcore-monitoring.html
浙公网安备 33010602011771号