本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。
定义网关目标配置
目标配置取决于您要添加到网关的目标类型。有关支持的网关目标类型的更多信息，请参阅 Amazon Bedrock AgentCore 网关亚马逊 Bedrock AgentCore 网关支持的目标支持的目标。
选择一个主题以查看添加目标类型的示例：
添加 Lambda 目标
您可以使用 CL AgentCore I 将 Lambda 目标指定为并提供 Lambda ARN lambda-function-arn 和工具架构文件，从而向网关添加 Lambda 目标。--type
目标配置
Lambda 函数的目标配置（或负载）包含以下字段：
有关 Lambda 目标的更多信息，请参阅 AWS Lambda 函数目标。
选择以下方法之一：
例
- AgentCore CLI
-
-
要添加 Lambda 函数作为目标，请agentcore add gateway-target使用--type lambda-function-arn选项运行。提供 Lambda ARN 和包含工具架构的 JSON 文件：
agentcore add gateway-target \
--name MyLambdaTarget \
--type lambda-function-arn \
--lambda-arn arn:aws:lambda:us-east-1:123456789012:function:MyFunction \
--tool-schema-file tools.json \
--gateway MyGateway
agentcore deploy
对于lambda-function-arn目标，使用向 AgentCore CLI 提供工具架构--tool-schema-file。对于 AgentCore Python 开发工具包和 Boto3，请提供工具架构和。inlinePayload
- AgentCore Python SDK
-
-
使用 AgentCore Python 开发工具包，您可以使用默认配置创建 AWS Lambda 目标。
# Import dependencies
from bedrock_agentcore_starter_toolkit.operations.gateway.client import GatewayClient
# Initialize the client
client = GatewayClient(region_name="us-east-1")
# Create a lambda target.
lambda_target = client.create_mcp_gateway_target(
gateway=gateway,
name=None, # If you don't set one, one will be generated.
target_type="lambda",
target_payload=None, # Define your own lambda if you pre-created one. Otherwise leave this as None and one will be created for you.
credentials=None, # If you leave this as None, one will be created for you
)
以下是您可以提供的示例参数target_payload。如果您省略该target_payload参数，则使用以下有效载荷：
{
"lambdaArn": "<insert your lambda arn>",
"toolSchema": {
"inlinePayload": [
{
"name": "get_weather",
"description": "Get weather for a location",
"inputSchema": {
"type": "object",
"properties": {
"location": {
"type": "string",
"description": "the location e.g. seattle, wa"
}
},
"required": [
"location"
]
}
},
{
"name": "get_time",
"description": "Get time for a timezone",
"inputSchema": {
"type": "object",
"properties": {
"timezone": {
"type": "string"
}
},
"required": [
"timezone"
]
}
}
]
}
}
- Boto3
-
-
以下 Python 代码显示了如何使用 Py AWS thon 开发工具包 (Boto3) 添加 Lambda 目标：
import boto3
# Create the agentcore client
agentcore_client = boto3.client('bedrock-agentcore-control')
# Create a Lambda target
target = agentcore_client.create_gateway_target(
gatewayIdentifier="your-gateway-id",
name="LambdaTarget",
targetConfiguration={
"mcp": {
"lambda": {
"lambdaArn": "arn:aws:lambda:us-west-2:123456789012:function:YourLambdaFunction",
"toolSchema": {
"inlinePayload": [
{
"name": "get_weather",
"description": "Get weather for a location",
"inputSchema": {
"type": "object",
"properties": {"location": {"type": "string"}},
"required": ["location"],
},
},
{
"name": "get_time",
"description": "Get time for a timezone",
"inputSchema": {
"type": "object",
"properties": {"timezone": {"type": "string"}},
"required": ["timezone"],
},
},
]
}
}
}
},
credentialProviderConfigurations=[
{
"credentialProviderType": "GATEWAY_IAM_ROLE"
}
]
)
- Interactive
-
-
在 AgentCore CLI 交互式终端用户界面中agentcore，运行，选择添加，选择网关目标，然后选择 Lambda 函数：
然后，向导会提示您输入目标名称、Lambda 函数 ARN、工具架构文件和出站授权配置。
添加 API 网关阶段目标
要将 API 网关 REST API 的某个阶段添加为目标，请指定 API 的 ARN 和阶段并定义设置，以筛选 API 网关中的工具或覆盖网关中工具的名称和描述：
以下示例显示如何添加 API 网关目标。还应用了以下配置：
选择以下方法之一：
例
- AgentCore CLI
-
-
要将 API Gateway REST API 阶段添加为目标，请agentcore add gateway-target使用以下--type api-gateway选项运行：
agentcore add gateway-target \
--name MyAPIGatewayTarget \
--type api-gateway \
--rest-api-id your-rest-api-id \
--stage your-stage \
--gateway MyGateway
agentcore deploy
- AWS CLI
-
-
以下命令使用 AWS CLI：
aws bedrock-agentcore-control create-gateway-target \
--gateway-identifier "your-gateway-id" \
--name "SearchAPITarget" \
--target-configuration '{
"mcp": {
"apiGateway": {
"restApiId": "your-rest-api-id",
"stage": "your-stage",
"apiGatewayToolConfiguration": {
"toolFilters": [
{
"filterPath": "/products",
"methods": [
"GET",
"POST"
]
}
],
"toolOverrides": [
{
"path": "/products",
"method": "GET",
"name": "get_items",
"description": "Gets information for items in the list of products."
}
]
}
}
}
}'
--credential-provider-configurations '[
{
"credentialProviderType": "GATEWAY_IAM_ROLE"
}
]'
- Boto3
-
-
以下代码显示了使用 AWS Python 软件开发工具包 (Boto3)：
import boto3
# Create the client
agentcore_client = boto3.client('bedrock-agentcore-control')
# Create an API gateway REST API target with gateway service role authentication
target = agentcore_client.create_gateway_target(
gatewayIdentifier="your-gateway-id",
name="SearchAPITarget",
targetConfiguration={
"mcp": {
"apiGateway": {
"restApiId": "your-rest-api-id",
"stage": "your-stage",
"apiGatewayToolConfiguration": {
"toolFilters": [
{
"filterPath": "/products",
"methods": [
"GET",
"POST"
]
}
],
"toolOverrides": [
{
"path": "/products",
"method": "GET",
"name": "get_item",
"description": "Gets information for a specific item in the product list."
}
]
}
}
}
},
credentialProviderConfigurations=[
{
"credentialProviderType": "GATEWAY_IAM_ROLE"
}
]
)
- Interactive
-
-
在 AgentCore CLI 交互式终端用户界面中agentcore，运行，选择添加，选择网关目标，然后选择 API Gateway REST API：
然后，向导会提示您输入目标名称、REST API ID、阶段和出站授权配置。
添加 OpenAPI 目标
选择以下方法之一：
例
- AgentCore CLI
-
-
要添加 OpenAPI 架构目标，请agentcore add gateway-target使用--type open-api-schema选项运行并提供您的 OpenAPI 规范文件的路径：
agentcore add gateway-target \
--name MyOpenAPITarget \
--type open-api-schema \
--schema path/to/openapi-spec.json \
--outbound-auth none|api-key|oauth \
--gateway MyGateway
agentcore deploy
- Boto3
-
-
以下 Python 代码显示了如何使用 Py AWS thon SDK (Boto3) 添加 OpenAPI 目标。该架构已上传到一个 S3 位置，该位置的 URI 在中引用target_payload。目标的出站授权是通过 API 密钥进行的。
import boto3
# Create the client
agentcore_client = boto3.client('bedrock-agentcore-control')
# Create an OpenAPI target with API Key authentication
target = agentcore_client.create_gateway_target(
gatewayIdentifier="your-gateway-id",
name="SearchAPITarget",
targetConfiguration={
"mcp": {
"openApiSchema": {
"s3": {
"uri": "s3://your-bucket/path/to/open-api-spec.json",
"bucketOwnerAccountId": "123456789012"
}
}
}
},
credentialProviderConfigurations=[
{
"credentialProviderType": "API_KEY",
"credentialProvider": {
"apiKeyCredentialProvider": {
"providerArn": "arn:aws:agent-credential-provider:us-east-1:123456789012:token-vault/default/apikeycredentialprovider/abcdefghijk",
"credentialLocation": "HEADER",
"credentialParameterName": "X-API-Key"
}
}
}
]
)
- Interactive
-
-
在 AgentCore CLI 交互式终端用户界面中agentcore，运行，选择添加，选择网关目标，然后选择 OpenAPI 架构：
然后，向导会提示您输入目标名称、OpenAPI 规范文件路径和出站授权配置。
添加 Smithy 目标
选择以下方法之一：
例
- AgentCore CLI
-
-
要添加 Smithy 模型目标，请agentcore add gateway-target使用该--type smithy-model选项运行并提供您的 Smithy 模型文件的路径：
agentcore add gateway-target \
--name MySmithyTarget \
--type smithy-model \
--schema path/to/smithy-model.json \
--gateway MyGateway
agentcore deploy
- Boto3
-
-
以下 Python 代码显示了如何使用 Py AWS thon 软件开发工具包 (Boto3) 添加 Smithy 模型目标：
import boto3
# Create the agentcore client
agentcore_client = boto3.client('bedrock-agentcore-control')
# Create a Smithy model target
target = agentcore_client.create_gateway_target(
gatewayIdentifier="your-gateway-id",
name="DynamoDBTarget",
targetConfiguration={
"mcp": {
"smithyModel": {
"s3": {
"uri": "s3://your-bucket/path/to/smithy-model.json",
"bucketOwnerAccountId": "123456789012"
}
}
}
},
credentialProviderConfigurations=[
{
"credentialProviderType": "GATEWAY_IAM_ROLE"
}
]
)
- Interactive
-
-
在 AgentCore CLI 交互式终端用户界面中agentcore，运行，选择添加，选择网关目标，然后选择 Smithy 模型：
然后，向导会提示您输入目标名称、Smithy 模型文件路径和出站授权配置。
添加 HTTP 运行时目标
您可以将亚马逊 Bedrock AgentCore 运行时代理作为 HTTP 目标添加到您的网关。网关直接将流量发送到运行时代理，无需聚合或协议转换。
有关 HTTP 目标的更多信息，请参阅亚马逊 Bedrock AgentCore 运行时目标。
选择以下方法之一：
例
- AWS CLI
-
-
以下命令使用 IAM 授权创建 HTTP 运行时目标：
aws bedrock-agentcore-control create-gateway-target \
--gateway-identifier "your-gateway-id" \
--name "MyRuntimeTarget" \
--description "Runtime gateway target" \
--target-configuration '{
"http": {
"agentcoreRuntime": {
"arn": "arn:aws:bedrock-agentcore:us-west-2:111122223333:runtime/RUNTIME_ID"
}
}
}' \
--credential-provider-configurations '[{
"credentialProviderType": "GATEWAY_IAM_ROLE"
}]'
- Boto3
-
-
以下 Python 代码显示了如何使用 Py AWS thon 软件开发工具包 (Boto3) 添加 HTTP 运行时目标：
import boto3
agentcore_client = boto3.client('bedrock-agentcore-control')
target = agentcore_client.create_gateway_target(
gatewayIdentifier="your-gateway-id",
name="MyRuntimeTarget",
description="Runtime gateway target",
targetConfiguration={
"http": {
"agentcoreRuntime": {
"arn": "arn:aws:bedrock-agentcore:us-west-2:111122223333:runtime/RUNTIME_ID"
}
}
},
credentialProviderConfigurations=[
{
"credentialProviderType": "GATEWAY_IAM_ROLE"
}
]
)
添加 MCP 服务器目标
您可以使用 C AgentCore LI 或 P AWS ython SDK (Boto3) 添加 MCP 服务器目标。以下示例显示如何创建具有不同出站授权类型的 MCP 服务器目标。
具有 IAM (SigV4) 授权的 MCP 服务器
以下示例使用 IAM 授权创建了 MCP 服务器目标。网关使用带有网关服务角色的证书的 SigV4 对 MCP 服务器的请求进行签名。必须指定用于签service名的名称。region是可选的，默认为网关的区域。
的值service取决于您的 MCP 服务器的托管位置。以下是常用值：
-
bedrock-agentcore— 适用于托管在 Amazon Bedrock 上的 MCP 服务器 AgentCore，例如运行时（请参阅在 AgentCore 运行时部署 MCP 服务器）或其他网关。
-
execute-api— 适用于亚马逊 API Gateway 背后的 MCP 服务器。
-
lambda— 适用于 Lambda 函数 URL 后面的 MCP 服务器。
选择以下方法之一：
例
- AWS CLI
-
-
aws bedrock-agentcore-control create-gateway-target \
--gateway-identifier "your-gateway-id" \
--name "MyMCPTarget" \
--target-configuration '{
"mcp": {
"mcpServer": {
"endpoint": "https://my-server.bedrock-agentcore.us-west-2.api.aws"
}
}
}' \
--credential-provider-configurations '[{
"credentialProviderType": "GATEWAY_IAM_ROLE",
"credentialProvider": {
"iamCredentialProvider": {
"service": "bedrock-agentcore",
"region": "us-west-2"
}
}
}]'
- Interactive
-
-
在 AgentCore CLI 交互式终端用户界面中agentcore，运行，选择添加，选择网关目标，然后选择 MCP 服务器端点：
然后，向导会提示您输入目标名称、MCP 服务器端点 URL 和出站授权配置。
- Boto3
-
-
import boto3
agentcore_client = boto3.client('bedrock-agentcore-control')
target = agentcore_client.create_gateway_target(
gatewayIdentifier="your-gateway-id",
name="MyMCPTarget",
targetConfiguration={
"mcp": {
"mcpServer": {
"endpoint": "https://my-server.bedrock-agentcore.us-west-2.api.aws"
}
}
},
credentialProviderConfigurations=[
{
"credentialProviderType": "GATEWAY_IAM_ROLE",
"credentialProvider": {
"iamCredentialProvider": {
"service": "bedrock-agentcore",
"region": "us-west-2"
}
}
}
]
)
具有 OAuth 授权的 MCP 服务器
以下示例使用 OAuth（客户端凭证）授权创建了 MCP 服务器目标。
选择以下方法之一：
例
- AWS CLI
-
-
aws bedrock-agentcore-control create-gateway-target \
--gateway-identifier "your-gateway-id" \
--name "MyMCPTarget" \
--target-configuration '{
"mcp": {
"mcpServer": {
"endpoint": "https://my-mcp-server.example.com"
}
}
}' \
--credential-provider-configurations '[{
"credentialProviderType": "OAUTH",
"credentialProvider": {
"oauthCredentialProvider": {
"providerArn": "arn:aws:bedrock-agentcore:us-west-2:123456789012:token-vault/default/oauth2credentialprovider/my-oauth-provider",
"scopes": []
}
}
}]'
- AgentCore CLI
-
-
要添加具有 OAuth 授权的 MCP 服务器目标，请使用--type mcp-server选项运行并指定 OAuth agentcore add gateway-target 凭据：
agentcore add gateway-target \
--type mcp-server \
--name MyMCPTarget \
--endpoint https://my-mcp-server.example.com \
--gateway MyGateway \
--outbound-auth oauth \
--oauth-client-id my-client \
--oauth-client-secret my-secret \
--oauth-discovery-url https://auth.example.com/.well-known/openid-configuration
agentcore deploy
- Boto3
-
-
import boto3
agentcore_client = boto3.client('bedrock-agentcore-control')
target = agentcore_client.create_gateway_target(
gatewayIdentifier="your-gateway-id",
name="MyMCPTarget",
targetConfiguration={
"mcp": {
"mcpServer": {
"endpoint": "https://my-mcp-server.example.com"
}
}
},
credentialProviderConfigurations=[
{
"credentialProviderType": "OAUTH",
"credentialProvider": {
"oauthCredentialProvider": {
"providerArn": "arn:aws:bedrock-agentcore:us-west-2:123456789012:token-vault/default/oauth2credentialprovider/my-oauth-provider",
"scopes": []
}
}
}
]
)
具有 API 密钥授权的 MCP 服务器
以下示例使用 API 密钥授权创建了 MCP 服务器目标。
选择以下方法之一：
例
- AWS CLI
-
-
aws bedrock-agentcore-control create-gateway-target \
--gateway-identifier "your-gateway-id" \
--name "MyMCPTarget" \
--target-configuration '{
"mcp": {
"mcpServer": {
"endpoint": "https://my-mcp-server.example.com"
}
}
}' \
--credential-provider-configurations '[{
"credentialProviderType": "API_KEY",
"credentialProvider": {
"apiKeyCredentialProvider": {
"providerArn": "arn:aws:bedrock-agentcore:us-west-2:123456789012:token-vault/default/apikeycredentialprovider/my-api-key",
"credentialLocation": "HEADER",
"credentialParameterName": "x-api-key",
"credentialPrefix": ""
}
}
}]'
- Boto3
-
-
import boto3
agentcore_client = boto3.client('bedrock-agentcore-control')
target = agentcore_client.create_gateway_target(
gatewayIdentifier="your-gateway-id",
name="MyMCPTarget",
targetConfiguration={
"mcp": {
"mcpServer": {
"endpoint": "https://my-mcp-server.example.com"
}
}
},
credentialProviderConfigurations=[
{
"credentialProviderType": "API_KEY",
"credentialProvider": {
"apiKeyCredentialProvider": {
"providerArn": "arn:aws:bedrock-agentcore:us-west-2:123456789012:token-vault/default/apikeycredentialprovider/my-api-key",
"credentialLocation": "HEADER",
"credentialParameterName": "x-api-key",
"credentialPrefix": ""
}
}
}
]
)
使用亚马逊 Bedrock 托管知识库添加连接器目标
您可以将 Amazon Bedrock 托管知识库连接器作为目标添加到网关。
有关亚马逊 Bedrock 托管知识库连接器的更多信息，请参阅亚马逊 Bedrock 托管知识库。
建立托管知识库
该连接器提供了两个工具，每个工具都以其后端操作命名：AgenticRetrieveStream（多步骤、流式代理检索）和Retrieve（单一混合搜索）。您可以为每个工具添加一个配置条目。
对于AgenticRetrieveStream，设置retrievers（要查询的托管知识库）并输agenticRetrieveConfiguration入parameterValues。两者都是必需的——省略agenticRetrieveConfiguration会导致运行时错误。它可以是一个空对象 ({})，用于接受服务管理的默认值，但要指定foundationModelType并rerankingModelType明确配置内容。该代理在通话时不提供知识库 ID。对于Retrieve，设置为 knowledgeBaseIdparameterValues；这是必填项。
该连接器仅支持托管知识库。连接器目标仅支持GATEWAY_IAM_ROLE凭据提供者类型。
例
- Boto3
-
-
以下 Python 代码显示了如何使用 Py AWS thon 软件开发工具包 (Boto3) 使用亚马逊 Bedrock 托管知识库连接器配置创建网关目标：
import boto3
gateway_client = boto3.client("bedrock-agentcore-control", region_name="<REGION>")
gateway_client.create_gateway_target(
name="managed-kb",
gatewayIdentifier="<GATEWAY_ID>",
targetConfiguration={
"mcp": {
"connector": {
"source": {"connectorId": "bedrock-knowledge-bases"},
"configurations": [
{
"name": "AgenticRetrieveStream",
"parameterValues": {
"retrievers": [
{
"description": "Product documentation",
"configuration": {"knowledgeBase": {"knowledgeBaseId": "<KB_ID_1>"}},
},
{
"description": "Engineering runbooks",
"configuration": {"knowledgeBase": {"knowledgeBaseId": "<KB_ID_2>"}},
},
],
"agenticRetrieveConfiguration": {
"foundationModelType": "MANAGED",
"rerankingModelType": "MANAGED",
},
},
},
{
"name": "Retrieve",
"parameterValues": {"knowledgeBaseId": "<KB_ID>"},
},
],
}
}
},
credentialProviderConfigurations=[
{"credentialProviderType": "GATEWAY_IAM_ROLE"}
],
)
- AWS CLI
-
-
以下命令使用 AWS CLI 使用 Amazon Bedrock 托管知识库连接器配置创建网关目标：
aws bedrock-agentcore-control create-gateway-target \
--gateway-identifier "<GATEWAY_ID>" \
--name "managed-kb" \
--target-configuration '{
"mcp": {
"connector": {
"source": {
"connectorId": "bedrock-knowledge-bases"
},
"configurations": [
{
"name": "AgenticRetrieveStream",
"parameterValues": {
"retrievers": [
{
"description": "Product documentation",
"configuration": {"knowledgeBase": {"knowledgeBaseId": "<KB_ID_1>"}}
},
{
"description": "Engineering runbooks",
"configuration": {"knowledgeBase": {"knowledgeBaseId": "<KB_ID_2>"}}
}
],
"agenticRetrieveConfiguration": {
"foundationModelType": "MANAGED",
"rerankingModelType": "MANAGED"
}
}
},
{
"name": "Retrieve",
"parameterValues": {
"knowledgeBaseId": "<KB_ID>"
}
}
]
}
}
}' \
--credential-provider-configurations '[{"credentialProviderType": "GATEWAY_IAM_ROLE"}]' \
--region "<REGION>"
- AgentCore CLI
-
-
要添加托管知识库连接器目标，请agentcore add gateway-target使用--type connector --connector bedrock-knowledge-bases以下命令运行：
agentcore add gateway-target \
--name MyKnowledgeBaseTarget \
--type connector \
--connector bedrock-knowledge-bases \
--knowledge-base-id <KB_ID> \
--gateway MyGateway
agentcore deploy
- Interactive
-
-
在 AgentCore CLI 交互式终端用户界面中，运行agentcore add gateway-target，然后从目标类型选择器中选择 Amazon Bedrock 知识库：
向导会提示您输入名称和描述，并允许您选择一种或多种源类型和来源。
在您调用后CreateGatewayTarget，Gateway 会异步验证配置（通常在大约 30 秒内），其中包括对每个绑定知识库的GetKnowledgeBase检查。轮询GetGatewayTarget直至status结束READY；FAILED状态包括描述问题的原因。
要自定义代理检索（例如，限制规划迭代或安装护栏），请在中添加可选字段。agenticRetrieveConfiguration如果省略它们，则服务管理的默认值适用。有关所有可接受的值，请参阅配置参考。
{
"name": "AgenticRetrieveStream",
"parameterValues": {
"retrievers": [
{ "configuration": { "knowledgeBase": { "knowledgeBaseId": "<KB_ID>" } } }
],
"agenticRetrieveConfiguration": {
"maxAgentIteration": 5,
"policyConfiguration": {
"guardrailConfiguration": {
"guardrailId": "<GUARDRAIL_ID>",
"guardrailVersion": "1"
}
}
}
}
}
控制代理可以设置哪些参数
每个工具配置条目接受两个参数控件，用于确定呼叫代理看到的内容以及网关向知识库发送的内容：
绑定 knowledgeBaseIdparameterValues，不要将其公开。
以下配置条目绑定知识库，将默认值设置为 10 个结果，并将查询文本和结果数暴露给代理：
{
"name": "Retrieve",
"description": "Search the knowledge base for relevant documents.",
"parameterValues": {
"knowledgeBaseId": "<KB_ID>",
"retrievalConfiguration": {
"managedSearchConfiguration": {
"numberOfResults": 10
}
}
},
"parameterOverrides": [
{
"path": "$.retrievalQuery.text",
"description": "The search query. Use specific keywords for best results.",
"visible": true
},
{
"path": "$.retrievalConfiguration.managedSearchConfiguration.numberOfResults",
"description": "Number of results to retrieve (1-100).",
"visible": true
}
]
}
配置网关服务角色
此连接器使用网关执行角色 ——您传递给的 IAM 角色 ARNCreateGateway，该 AgentCore 服务假定该角色代表您调用后端。这是您创建的角色，而不是服务相关角色。对于亚马逊 Bedrock 托管知识库连接器，它需要以下权限：
-
bedrock:GetKnowledgeBase— 在创建目标时验证绑定知识库。范围限于托管知识库资源。
-
bedrock:Retrieve— 用于Retrieve工具。范围限于托管知识库资源。
-
bedrock:AgenticRetrieveStream— 用于AgenticRetrieveStream工具。此操作的范围不限于托管知识库资源，因此请将其授予权限。*
网关将后端调用签名为bedrock服务。bedrock:GetKnowledgeBase无论您添加了哪些工具，都包括在内；如果仅添加一个工具，则仅包括该工具的检索操作。
bedrock-agentcore:InvokeGateway不是执行角色的一部分。该权限属于调用者（调用网关的代理或应用程序），而不属于网关承担的角色。
将包含以下内容的策略添加到附加到网关的执行角色中：
{
"Version": "2012-10-17",
"Statement": [
{
"Sid": "ValidateKnowledgeBase",
"Effect": "Allow",
"Action": "bedrock:GetKnowledgeBase",
"Resource": "arn:aws:bedrock:<REGION>:<ACCOUNT_ID>:knowledge-base/<KB_ID>"
},
{
"Sid": "RetrieveFromKnowledgeBase",
"Effect": "Allow",
"Action": "bedrock:Retrieve",
"Resource": "arn:aws:bedrock:<REGION>:<ACCOUNT_ID>:knowledge-base/<KB_ID>"
},
{
"Sid": "AgenticRetrieveStream",
"Effect": "Allow",
"Action": "bedrock:AgenticRetrieveStream",
"Resource": "*"
}
]
}
服务角色还必须信任该 AgentCore 服务，这样它才能代入该角色。附上以下信任政策，将其范围限定为您的账户和网关，并附上aws:SourceAccount和aws:SourceArn条件：
{
"Version": "2012-10-17",
"Statement": [
{
"Sid": "AllowAgentCoreToAssumeRole",
"Effect": "Allow",
"Principal": {
"Service": "bedrock-agentcore.amazonaws.com"
},
"Action": "sts:AssumeRole",
"Condition": {
"StringEquals": {
"aws:SourceAccount": "<ACCOUNT_ID>"
},
"ArnLike": {
"aws:SourceArn": "arn:aws:bedrock-agentcore:<REGION>:<ACCOUNT_ID>:gateway/*"
}
}
}
]
}
使用 Web 搜索工具添加连接器目标
您可以将内置连接器作为目标添加到网关。Web 搜索工具连接器无需自定义基础架构或 API 密钥即可提供托管的 Web 搜索功能。
有关 Web 搜索工具连接器的更多信息，请参阅 Web 搜索工具。
设置 Web 搜索工具
您可以选择通过在source字段中添加来将目标固定到特定的连接器版本。version如果省略version，则目标将使用连接器的当前默认版本。有关连接器版本的更多信息，请参阅连接器版本。
例
- Boto3
-
-
以下 Python 代码显示了如何使用 Py AWS thon SDK (Boto3) 使用 Web 搜索工具连接器配置创建网关目标：
import boto3
gateway_client = boto3.client("bedrock-agentcore-control", region_name="<REGION>")
gateway_client.create_gateway_target(
name="web-search-tool",
gatewayIdentifier="<GATEWAY_ID>",
targetConfiguration={
"mcp": {
"connector": {
"source": {"connectorId": "web-search", "version": "1.1.0"},
"configurations": [{"name": "WebSearch", "parameterValues": {}}],
}
}
},
credentialProviderConfigurations=[
{"credentialProviderType": "GATEWAY_IAM_ROLE"}
],
)
- AWS CLI
-
-
以下命令使用 AWS CLI 使用 Web 搜索工具连接器配置创建网关目标：
aws bedrock-agentcore-control create-gateway-target \
--gateway-identifier "<GATEWAY_ID>" \
--name "web-search-tool" \
--target-configuration '{
"mcp": {
"connector": {
"source": {
"connectorId": "web-search",
"version": "1.1.0"
},
"configurations": [
{
"name": "WebSearch",
"parameterValues": {}
}
]
}
}
}' \
--credential-provider-configurations '[{"credentialProviderType": "GATEWAY_IAM_ROLE"}]' \
--region "<REGION>"
- AgentCore CLI
-
-
要添加 Web 搜索工具目标，请运行agentcore add gateway-target以下命令--type connector --connector web-search：
agentcore add gateway-target \
--name MyWebSearchTarget \
--type connector \
--connector web-search \
--gateway MyGateway
agentcore deploy
- Interactive
-
-
在 AgentCore CLI 交互式终端用户界面中，运行agentcore add gateway-target，然后从目标类型选择器中选择 Amazon Web Search：
向导会提示您输入目标名称、要连接的网关以及要从搜索结果中排除的可选域列表。
配置域过滤
您可以通过配置域名包含列表或排除列表来限制允许 Web 搜索工具查询哪些域。这对于想要阻止代理从特定网站返回结果的管理员很有用。
-
Target-level 域排除列表 -从目标的所有搜索中排除的域列表，在创建目标时使用设置parameterValues.domainFilter.exclude。排除列表在服务器端强制执行，对呼叫代理隐藏。
-
Target-level 域包含列表（连接器版本1.2.0及更高版本）-除了排除列表外，您还可以配置parameterValues.domainFilter.include为将搜索限制在一组特定的域中。
Request-level 在连接器版本 include/exclude 及更高版本1.2.0中，过滤器（域和发布日期范围）可供呼叫代理使用。 Request-level 过滤器由目标级别的排除和包含列表组成：目标级别的排除和包含项始终适用，代理无法放松它们。
以下示例创建了一个固定到版本1.2.0的 Web 搜索工具目标，其中包含域名包含列表和排除列表：
例
- Boto3
-
-
以下 Python 代码显示了如何使用 Py AWS thon 软件开发工具包 (Boto3) 创建具有域过滤功能的 Web 搜索工具目标：
import boto3
gateway_client = boto3.client("bedrock-agentcore-control", region_name="<REGION>")
gateway_client.create_gateway_target(
name="web-search-tool",
gatewayIdentifier="<GATEWAY_ID>",
targetConfiguration={
"mcp": {
"connector": {
"source": {"connectorId": "web-search", "version": "1.2.0"},
"configurations": [
{
"name": "WebSearch",
"parameterValues": {
"domainFilter": {
"include": ["allowed-website-1.com", "allowed-website-2.com"],
"exclude": ["blocked-website-1.com", "blocked-website-2.com"]
}
},
}
],
}
}
},
credentialProviderConfigurations=[
{"credentialProviderType": "GATEWAY_IAM_ROLE"}
],
)
- AWS CLI
-
-
以下命令使用 AWS CLI 创建具有域过滤功能的 Web 搜索工具目标：
aws bedrock-agentcore-control create-gateway-target \
--gateway-identifier "<GATEWAY_ID>" \
--name "web-search-tool" \
--target-configuration '{
"mcp": {
"connector": {
"source": {
"connectorId": "web-search",
"version": "1.2.0"
},
"configurations": [
{
"name": "WebSearch",
"parameterValues": {
"domainFilter": {
"include": ["allowed-website-1.com", "allowed-website-2.com"],
"exclude": ["blocked-website-1.com", "blocked-website-2.com"]
}
}
}
]
}
}
}' \
--credential-provider-configurations '[{"credentialProviderType": "GATEWAY_IAM_ROLE"}]' \
--region "<REGION>"
- AgentCore CLI
-
-
通过以下方式传递以逗号分隔的域名列表：--exclude-domains
agentcore add gateway-target \
--name MyWebSearchTarget \
--type connector \
--connector web-search \
--exclude-domains blocked-website-1.com,blocked-website-2.com \
--gateway MyGateway
agentcore deploy
- Interactive
-
-
在 AgentCore CLI 交互式终端用户界面中，在您选择 Amazon Web Search 并选择网关后，“添加网关目标” 向导会提示您输入一个以逗号分隔的可选域名列表，以从搜索结果中排除。将提示符留空将创建不进行域过滤的目标。
您还可以更新现有目标以使用添加或修改域筛选UpdateGatewayTarget。
配置网关服务角色
网关需要一个服务角色来允许该 AgentCore 服务代表您执行操作。对于 Web 搜索工具，该角色需要以下权限：
向附加到网关的服务角色添加包含以下内容的策略：
{
"Version": "2012-10-17",
"Statement": [
{
"Sid": "InvokeGateway",
"Effect": "Allow",
"Action": "bedrock-agentcore:InvokeGateway",
"Resource": "arn:aws:bedrock-agentcore:<REGION>:<ACCOUNT_ID>:gateway/*"
},
{
"Sid": "InvokeWebSearch",
"Effect": "Allow",
"Action": "bedrock-agentcore:InvokeWebSearch",
"Resource": "arn:aws:bedrock-agentcore:<REGION>:aws:tool/web-search.v1"
}
]
}
