View a markdown version of this page

Agen Builder - Pembuat Aplikasi AI Generatif di AWS
AgentCore integrasiKonfigurasi agenStreaming dan pemrosesanManajemen memoriObservabilitasPembuat Alur Kerja

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Agen Builder

Agen Builder menyediakan platform untuk membuat, menyebarkan, dan mengelola agen AI siap produksi di Amazon Bedrock. AgentCore Bagian ini menjelaskan komponen teknis dan detail implementasi.

AgentCore integrasi

Agent Builder menggunakan pendekatan penerapan berbasis konfigurasi dengan image agen yang dibuat sebelumnya untuk memungkinkan penerapan agen yang cepat, aman, dan dapat diskalakan.

Gambar agen pra-dibangun

Gambar kontainer agen dibuat oleh tim GAAB selama CI/CD pipeline dan dipublikasikan ke repositori ECR publik. Setiap versi gambar terkait dengan versi solusi GAAB (misalnya, v4.0.0 →:v4.0.0). gaab-strands-agent Gambar didasarkan pada Strands SDK dan termasuk:

  • Lingkungan runtime agen

  • Integrasi klien MCP

  • Kemampuan manajemen memori

  • OpenTelemetry instrumentasi

Cache Pull-Through ECR

Solusinya menggunakan ECR Pull-Through Cache untuk secara otomatis mendistribusikan gambar agen dari repositori ECR publik ke ECR pribadi pelanggan. Layanan yang dikelola AWS ini:

  • Cache gambar pada tarikan pertama (penundaan 2-5 menit)

  • Menghilangkan logika penyalinan gambar kustom

  • Menyediakan ketersediaan gambar lokal untuk penerapan berikutnya

  • Membuat aturan cache unik per penerapan untuk menghindari konflik

Penyimpanan konfigurasi

Konfigurasi agen disimpan di DynamoDB bersama konfigurasi kasus penggunaan yang ada. Setiap konfigurasi meliputi:

  • Templat prompt sistem

  • Penyedia model dan ID model

  • Parameter model (suhu, max_tokens)

  • Referensi dan titik akhir server MCP

  • Pengaturan memori (toggle memori jangka panjang)

  • Metadata penyebaran

Registri versi gambar

Tabel DynamoDB melacak versi gambar agen yang tersedia dan URIs cache mereka, memungkinkan manajemen versi dan kompatibilitas mundur.

Konfigurasi agen

Permintaan sistem

Permintaan sistem mendefinisikan perilaku agen, kepribadian, dan kemampuan. Pengguna admin dapat:

  • Mengedit template default melalui UI Agent Builder

  • Sertakan instruksi untuk penggunaan alat dan pemformatan respons

  • Setel ulang ke templat default kapan saja

Pemilihan model

Agent Builder mendukung model Amazon Bedrock di v4.0.0:

  • Penyedia model: Amazon Bedrock (hanya opsi di v4.0.0)

  • Pemilihan model: Claude, Nova, dan model Bedrock lainnya

  • Parameter model: Suhu, max_tokens, top_p, dan pengaturan khusus model

Integrasi server MCP

Server Protokol Konteks Model memberi agen akses ke alat dan data perusahaan:

  • Penemuan server melalui titik akhir GET /mcp API

  • Konfigurasi dinamis tanpa perubahan kode

  • Otentikasi dan manajemen titik akhir

  • Kemampuan alat paparan agen

Streaming dan pemrosesan

Streaming waktu nyata

Agent Builder menggunakan Server-Sent Events (SSE) dari AgentCore dijembatani hingga WebSocket streaming respons waktu nyata:

  • Fungsi Lambda membuat koneksi SSE ke Runtime AgentCore

  • Stream dijembatani ke API Gateway WebSocket

  • Memungkinkan pengiriman token-by-token respons ke klien

  • Menjaga koneksi untuk permintaan yang berjalan lama

Kendala pemrosesan

Pemrosesan agen di v4.0.0 terbatas pada batas waktu eksekusi Lambda:

  • Waktu pemrosesan maksimum: 15 menit

  • Model pemrosesan sinkron

  • Cocokkan untuk agen percakapan dan alur kerja moderat

  • Dukungan asinkron yang diperluas direncanakan untuk v4.1 +

Manajemen memori

Memori jangka pendek

Diaktifkan secara default untuk semua agen yang menggunakan kustom MemoryHookProvider:

  • Menangkap peristiwa percakapan melalui handler callback Strands

  • Mengatur berdasarkan ActorID dan SessionID untuk isolasi konteks

  • Mempertahankan konteks percakapan dalam sesi

  • Integrasi otomatis dengan AgentCore Memori

Memori jangka panjang

Fitur opsional menggunakan AgentCore Memory Tool dari strands_tools:

  • Beralih sederhana di UI Agent Builder

  • Strategi memori semantik dengan pengaturan default

  • Akses yang dikendalikan agen melalui pemanggilan alat alami

  • Menyimpan wawasan yang diekstraksi di seluruh sesi

  • Menggunakan ConversationId sebagai SessionId

Observabilitas

AWS OpenTelemetry Distro (ADOT)

Agen secara otomatis diinstrumentasi selama pembuatan kontainer:

  • Pembuatan jejak otomatis untuk operasi agen

  • Penelusuran terdistribusi melintasi batas layanan

  • Pencatatan terstruktur dengan korelasi IDs

  • Integrasi dengan Penelusuran CloudWatch Transaksi

Aliran otentikasi

Pengguna mengautentikasi melalui Amazon Cognito dengan token JWT yang divalidasi oleh otorisasi Lambda khusus yang mengambil kebijakan IAM dari DynamoDB berdasarkan grup pengguna.

Pembuat Alur Kerja

Workflow Builder memungkinkan orkestrasi multi-agen dengan membuat agen supervisor yang mengoordinasikan beberapa agen Pembuat Agen menggunakan pola delegasi Agen sebagai Alat.

Arsitektur alur kerja

Komponen kunci

  • Agen Supervisor: Agen Entrypoint yang menerima permintaan pengguna dan delegasi ke agen khusus

  • Agen Khusus: Kasus penggunaan Agen Builder terdaftar sebagai alat untuk supervisor

  • Agent Registry: tabel DynamoDB menyimpan konfigurasi agen dan metadata

  • Lapisan Orkestrasi: Implementasi SDK Strands of Agents as Tools pattern

Instantiasi agen

Pembuatan agen lokal

Semua agen khusus dipakai secara lokal dalam Runtime yang sama: AgentCore

  1. Mengambil konfigurasi agen dari DynamoDB

  2. Membuat instance lokal dari setiap agen Agen Builder

  3. Setiap agen mempertahankan koneksi server MCP sendiri

  4. Agen pengawas mendaftarkan agen khusus sebagai alat

  5. Strands SDK mengelola pemilihan dan delegasi agen