Главная / Статьи

Amazon Bedrock AgentCore для разработчиков: среда выполнения, память, шлюз и политики

Экскурсия, ориентированная на разработчиков, по Amazon Bedrock AgentCore: его основные сервисы, функции для производственного использования, пример архитектуры помощника поддержки и ситуации, когда стоит его внедрить.

Издатель: REACTAPP.TOP6 мин чтения1391 слов

Источники: Amazon Bedrock AgentCore Explained for Developers

Демонстрации агентов обычно впечатляют примерно пять минут. После этого начинаются неприятные вопросы: на какой машине работает агент? Что сохраняет его контекст с одной сессии на другую? Как он может обращаться к Slack, Jira или внутренним API без создания проблем с безопасностью? И как обнаружить ошибки в вызовах инструментов, плохие ответы или постепенное увеличение задержек после запуска? Amazon Bedrock AgentCore предназначен именно для устранения этих проблем. AWS представляет его как управляемую платформу для безопасного создания, развертывания и эксплуатации агентов в масштабах, независимо от используемой фреймворков или базовых моделей.

Представьте себе Bedrock как слой моделей, а AgentCore — как производственный слой, окружающий агента. Такое разделение важно, поскольку сейчас у многих команд нет проблем с получением моделей. Их останавливает длинный список задач, которые начинаются после успешного выполнения первого запроса: работа в реальном времени, управление памятью, доступ к инструментам, идентификация, мониторинг, оценка, регулирование и взаимодействие между командами. AgentCore объединяет все эти аспекты в одну платформу, избавляя команды от необходимости самостоятельной настройки сложных связей между компонентами.

AWS быстро развивается в этой области. Функция Policy в AgentCore стала доступна для широкого использования 3 марта 2026 года, функция Evaluations — 31 марта 2026 года, а AWS Agent Registry вышел в превью 9 апреля 2026 года. Если рассматривать эти даты вместе, становится ясно, что поставщик создаёт полный набор инструментов для производственных агентов, выходящий за рамки простого доступа к моделям и демонстраций чат-ботов.

Какие проблемы решает этот инструмент

Самое простое понимание AgentCore — это список решений для распространённых инженерных проблем. Переход агента из демо-режима в производственный часто выявляет одни и те же потребности каждый раз:

  • Безопасное место для запуска агента
  • Память, сохраняющаяся между сессиями
  • Структурированный доступ к инструментам
  • Идентификатор и учётные данные
  • Логи, метрики и проверки качества для команды
  • Процессы утверждения и повторное использование в организации

AgentCore покрывает эти потребности с помощью модульных сервисов: Runtime, Memory, Gateway и Identity, встроенного интерпретатора кода и инструментов браузера, а также Observability, Evaluations, Policy и Registry. Благодаря модульной структуре вам не нужно перестраивать всю систему вокруг одной жёсткой структуры.

Именно такая модульность является одним из сильных сторон этого решения. AgentCore не требует от пользователя отказа от LangGraph, CrewAI, Strands или других фреймворков. AWS заявляет, что он не зависит ни от конкретного фреймворка, ни от типа модели, и поддерживает модели, не связанные с Bedrock. На практике это скорее похоже на инфраструктуру, обеспечивающую работу агентов, чем на замкнутую экосистему.

Основные компоненты

Время выполнения

Время выполнения предназначено для хранения кода агента или инструмента. По словам AWS, оно обеспечивает развертывание независимо от фреймворка, автоматическое масштабирование, встроенную безопасность, изоляцию на основе микроВМ и сессии продолжительностью до восьми часов. Последние два аспекта заслуживают внимания: агенты рассматриваются не как краткосрочные функции, а как рабочие нагрузки, сохраняющие состояние, выполняющие множество шагов и должные работать до завершения реальной задачи.

Память

Память представляет собой классическую слабость систем агентов, поскольку они забывают всё. Memory в AgentCore сохраняет краткосрочный контекст текущей сессии и долгосрочную память, которая сохраняется между сессиями. Команды получают управляемый сервис и не должны самостоятельно разрабатывать собственный слой памяти, процессы извлечения данных и логику поиска.

Gateway

Gateway — это связующее звено между агентом и окружающими его инструментами. AWS утверждает, что он преобразует API, функции Lambda и другие сервисы в инструменты, которые агенты могут вызывать через управляемые коннекторы. В феврале 2026 года появилась возможность выполнения инструментов на стороне сервера благодаря интеграции Gateway с API Bedrock Responses, что устраняет часть клиентской оркестрации и сокращает нестабильные циклы работы инструментов в коде приложения.

Identity

Идентификация — это та составляющая, которая свидетельствует о серьезности платформы. AgentCore Identity обеспечивает поддержку идентификации нечеловеческих сущностей и автоматизированных рабочих нагрузок, обрабатывая процессы аутентификации, авторизации и управления учетными данными для агентов и инструментов. Поддерживаются протоколы SigV4, механизмы OAuth 2.0 и API-ключи. Когда агент действует от имени пользователя, обращается к внутренним системам или вызывает внешние сервисы, идентификация становится самостоятельной функцией, а не скрытым элементом работы системы.

Встроенные инструменты

Встроены два инструмента. Благодаря интерпретатору кода агент может писать, выполнять и отлаживать код в изолированной среде. Браузер обеспечивает управляемую среду выполнения браузера для навигации по сайтам и взаимодействия с ними. AWS продолжает развивать оба этих инструмента: профили браузеров появились в феврале 2026 года, поддержка политик Chrome и пользовательских корневых центральных сертификационных учреждений — в марте, а взаимодействие на уровне операционной системы — в апреле. Направление развития очевидно: агенты предназначены для работы в реальных корпоративных средах, а не в упрощенных сандбоксах.

Функции для производственного использования

Пока что AgentCore может показаться просто набором компонентов для запуска агентов, но настоящая ценность проявляется после того, как агент создан. Производственным системам необходимы возможности отслеживания, контроля и оценки качества со временем. Именно этим занимаются функции наблюдаемости, оценки, политик и реестра.

  • Наблюдаемость позволяет отслеживать, отлаживать и мониторить агентов в реальном времени, обеспечивая детальный просмотр рабочих процессов: путей выполнения, промежуточных результатов, узких мест и сбоев.
  • Оценка автоматически определяет качество агентов — либо в режиме онлайн с использованием производственного трафика, либо по запросу для тестирования рабочих процессов.
  • Политика обеспечивает централизованный контроль над взаимодействием агентов с инструментами, независимо от их собственного кода.
  • Реестр — это управляемый каталог, в котором агенты, инструменты, серверы MCP, навыки и пользовательские ресурсы могут быть опубликованы, проверены, утверждены и обнаружены во всей организации.

Почему это важно

Во многих статьях об ИИ слишком много внимания уделяется самой модели, а слишком мало — процессам её работы, что не соответствует реальной ситуации внутри команды. Задержки редко связаны с первоначальным запросом; большинство из них возникает из-за работы с платформой, связанной с этим запросом. Как только прототип привлекает внимание, запросы начинают накапливаться:

  • Отдел продукта требует сохранения данных в памяти.
  • Отдел безопасности требует четких ограничений на доступ.
  • Инженеры платформы требуют логов и отслеживания действий.
  • Отдел тестирования требует возможности повторения оценок.
  • Разработчики требуют интеграции инструментов, устойчивых к изменениям.
  • Руководство требует общих компонентов вместо пяти изолированных проектов агентов.

В этом и заключается настоящая проблема. AWS берет неспециализированную инфраструктуру, связанную с агентами, и предлагает её в виде управляемых сервисов, что позволяет команде тратить больше времени на поведение агентов, бизнес-правила и создание ценности для пользователей.

Реалистичная система

Возьмём вспомогательного ассистента, встроенного в продукт типа SaaS. Клиент пишет сообщение в чат, и модель, расположенная в Bedrock, принимает запрос. Логика работы агента находится в AgentCore Runtime. Память восстанавливает контекст последней сессии, а также предыдущую информацию об этом клиенте. Гейтвейй предоставляет такие инструменты, как Jira, API для учёта платежей, Slack и внутренние системы обработки заявок. Механизм идентификации определяет, кто имеет право на доступ к тем или иным ресурсам, и хранит учётные данные. Система наблюдаемости сохраняет информацию о ходе операций, модуль оценки отслеживает качество ответов со временем, а механизм политик запрещает использование рискованных инструментов. Реестр становится неотъемлемой частью системы позже, когда больше команд начнут публиковать свои инструменты и навыки в масштабах всей компании.

Этот пример разрешает частую путаницу. AgentCore — это не модель, не интерфейс приложения и не логика вашего продукта. Это операционный слой посередине, та часть, которая позволяет агенту работать, запоминать информацию, подключаться к ресурсам, оставаться под наблюдением и находиться под контролем.

Когда использовать его

AgentCore наиболее целесообразен, когда команда переходит от этапа «всё работает в демо-версии» к этапу «это должно функционировать в производственных условиях».

Он хорошо подходит в следующих случаях:

  • Агенту необходимы настоящие сессии и состояния.
  • Ему требуется безопасный доступ к инструментам и сервисам.
  • Команда хочет иметь возможность отслеживать происходящее после запуска.
  • Вам нужна структурированная оценка качества.
  • Вероятно, несколько команд будут создавать или повторно использовать агентов и инструменты.

Он менее необходим в следующих случаях:

  • Идея пока является лишь доказательством концепции.
  • Этот рабочий процесс представляет собой небольшой внутренний эксперимент, в котором пока нет реальных пользователей, проблем с разрешениями или операционных рисков.
  • Пока не существует ни реальных пользователей, ни механизмов разрешений, ни операционных рисков.
  • Не каждому проекту он необходим с самого начала, и легкий прототип часто является более разумным выбором на раннем этапе. AgentCore становится полезным тогда, когда вопрос меняется с того, работает ли агент, на то, как запускать его безопасно, многократно и в масштабах. Собственный акцент AWS на управлении, наблюдаемости и процедурах одобрения подтверждает эту точку зрения.