agentcore-samples

照着官方样例,把智能体从Demo推到生产上线

agentcore-samples 是 Amazon Bedrock AgentCore 的官方示例仓库,用 Python 编写,集中展示如何把 AI 智能体从原型推进到生产环境。它解决的核心问题是:智能体 Demo 容易做,但真正上线时缺身份认证、内存管理、工具网关、运行时隔离和可观测性。仓库通过一组可运行的样例,演示 AgentCore 的 Runtime、Gateway、Identity、Memory 等模块如何协同,覆盖认证授权、会话记忆持久化、外部工具/API 接入、多智能体编排等能力。开发者可以照着样例快速搭建自己的生产级智能体,而不是从零造轮子。它面向已在 AWS 生态、希望用托管服务降低运维成本的团队,也适合想了解生产级智能体架构的学习者。

开源 pay_as_you_go 智能体
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 3390
维护状态 活跃
是否开源
定价模式 pay_as_you_go

项目数据

分类智能体
开发团队awslabs
所属国家
定价模式pay_as_you_go
价格说明AWS Bedrock AgentCore 按用量计费,新用户可享 AWS 免费套餐试用
访问状态
是否开源
开源协议Apache-2.0
主要语言Python
技术栈/模型agent,agentic-ai,agents,authentication,bedrock,core,gateway,identity-management,memory-management,production-code,runtime
GitHub 星标★ 3390
30天Star增速
HF 下载量
上线时间2025-07-03 00:00:00
最近更新2026-09-21 00:00:00
维护状态活跃
中文支持
访问方式
移动端支持
综合评分
收录时间2026-09-22
浏览次数0

使用教程

难度:进阶 约 30 分钟 部署方式:命令行工具 8 步

环境要求

  • Node.js 与 npm(用于全局安装 AgentCore CLI)
  • 可用的 AWS 账号及 AWS 凭证(部署与 Notebook 运行都需要)
  • Python 环境(运行仓库中的 Jupyter Notebook 样例)
  • 已安装 Jupyter Notebook 及相关依赖

安装与启动步骤

  1. 1安装 AgentCore CLI

    README 推荐的官方方式,用 npm 全局安装 CLI,用于创建、开发和部署智能体

    npm install -g @aws/agentcore
  2. 2创建智能体项目

    README 该步骤标题为 Install the CLI and Create a Project,但未给出创建命令,需参考 CLI 仓库文档

  3. 3配置 AWS 凭证

    README 要求在运行/部署前导出或激活所需 AWS 凭证,具体命令未在 README 中给出

  4. 4部署到 AgentCore

    使用 CLI 把智能体部署到 Amazon Bedrock AgentCore,需要先完成凭证配置

    agentcore deploy
  5. 5调用已部署智能体

    部署完成后用 CLI 直接测试调用效果,确认智能体在云上可正常工作

    agentcore invoke
  6. 6创建虚拟环境

    运行仓库中 Jupyter Notebook 样例前,先建立并激活 Python 虚拟环境

    python -m venv .venv
    source .venv/bin/activate
  7. 7安装 Notebook 依赖

    在已激活的虚拟环境中安装仓库 requirements.txt 里的所有依赖包

    pip install -r requirements.txt
  8. 8注册内核并运行 Notebook

    把虚拟环境注册为 Jupyter 内核,再运行样例 Notebook,并注意选择正确内核

    python -m ipykernel install --user --name=notebook-venv --display-name="Python (notebook-venv)"
    jupyter kernelspec list
    jupyter notebook path/to/your/notebook.ipynb

如何确认成功

agentcore invoke 能返回智能体响应即部署成功;Notebook 中内核选为 Python (notebook-venv) 后能正常跑通。

常见问题

Q:安装 CLI 后提示 agentcore 命令找不到怎么办?

A:确认 npm 全局安装目录(npm bin -g 或 npm prefix -g)已加入系统 PATH,重开终端后再试。

Q:部署时报错缺少 AWS 凭证怎么办?

A:按 README 要求在本地导出或激活 AWS 凭证,并确认该账号有权使用 Amazon Bedrock AgentCore。

Q:Notebook 里 import 报模块不存在?

A:通常是内核选错了,进入 Kernel → Change kernel,选择 Python (notebook-venv) 后重新运行。

Q:如何确认虚拟环境内核已注册成功?

A:执行 jupyter kernelspec list,列表中能看到 notebook-venv 即表示注册成功。

注意事项

  • README 节选中 CLI 步骤只给出了安装(npm install -g @aws/agentcore)与部署/调用命令,创建项目的具体命令缺失。
  • 本仓库为示例集合,README 未提供仓库克隆命令,请自行从 GitHub 获取样例目录。
  • Notebook 样例在运行前必须先导出/激活 AWS 凭证,否则相关调用会失败。
  • Notebook 打开后务必手动把内核切换为 Python (notebook-venv),否则虚拟环境中的包不可见。

核心亮点

  • 官方维护,样例覆盖 Runtime、Gateway、Identity、Memory 等生产级模块,可直接参考落地
  • 基于 AWS 托管服务,省去自建认证、记忆存储和运行时隔离的运维成本
  • Python 示例结构清晰,配有部署脚本和说明,上手路径明确

不足之处

  • 强绑定 AWS Bedrock 生态,非 AWS 用户迁移成本高
  • 样例偏演示性质,复杂业务场景的完整工程实践仍需自行补齐

适用场景

  • 在 AWS 上快速搭建带身份认证和记忆的客服智能体
  • 为企业内部工具/API 接入智能体网关提供参考实现
  • 学习生产级智能体架构,评估 AgentCore 是否适合团队

替代项目

LangGraph、CrewAI

项目介绍

agentcore-samples 是智能体领域的开源项目,由 awslabs 开发,2025 年首次发布。

在全站 12,909 个收录项目中,它的 GitHub 星标数(3,390)位列前 30%,在智能体分类的 2,491 个项目里位列前 12%。

项目目前处于活跃维护状态,最近一次代码更新于 2026-09-21。AWS Bedrock AgentCore 按用量计费,新用户可享 AWS 免费套餐试用。

它主要面向的使用场景是:在AWS上快速搭建带身份认证和记忆的客服智能体。同类可对比的替代方案包括 LangGraph、CrewAI。

上一篇:mobile-use

下一篇:gemini-notebook-mcp-cli

同类项目推荐

xinchao-dynamic-mind 开源

给 AI 装上疲惫和欲望,让交互更真实

独立、可自托管的 AI 动态心智状态引擎:驱动力、念头池、疲惫、睡眠与意图。

★ 195 2026-08-09
deepseek-harness 开源

把 AI 能力拆成乐高积木,拼出你的专属智能体。

DeepSeek Harness: Everything is a Plugin.

★ 229933 2026-08-15
EvoAgentX 开源

让 AI 智能体自己迭代变强,越用越聪明

EvoAgentX: Building a Self-Evolving Ecosystem of AI Agents

★ 3345 2026-09-12
AutoGPT 开源

开箱即用的 AI 员工,交代任务就自己干完

AutoGPT is the vision of accessible AI for everyone, to use and to build on. Our mis···

★ 187446 2026-08-09