bedrock-agentcore-deployment

用途

本技能用于将 AI 智能体部署到 Amazon Bedrock AgentCore，覆盖从开发环境到生产环境的部署实践。适用于把智能体代码部署到生产、为智能体搭建 CI/CD 流水线、从开发迁移到生产、管理多个智能体版本以及实施蓝绿部署等场景。不适用于本地开发与测试，也不适用于带 action groups 的标准 Bedrock Agents。

主要能力（四种部署方式）

1. 启动工具包（Starter Toolkit）：最快方式，耗时 2-5 分钟，复杂度低，适合快速部署与简单智能体。使用 pip install bedrock-agentcore strands-agents bedrock-agentcore-starter-toolkit 安装，通过 agentcore configure、agentcore deploy、agentcore invoke 完成配置、部署与测试。
2. 直接代码部署（Direct Code Deploy）：耗时 10-15 分钟，复杂度中等，适合自定义依赖与特定配置。支持 SDK 装饰器与 REST 端点两种入口，需为 arm64 打包并上传到 S3，再通过 boto3 创建 agent runtime。
3. 容器部署（Container Deploy）：耗时 15-30 分钟，复杂度高，适合复杂依赖、自定义运行时与大体积包。基于 Dockerfile 构建 arm64 镜像并推送至 ECR，再创建 agent runtime。
4. 基础设施即代码（Terraform）：设置耗时 20-30 分钟，之后自动化，适合生产环境与团队部署。包含 IAM 角色、策略、S3 存储桶等资源定义，AgentCore 资源可能需自定义 provider 或 AWS CLI。

此外还提供 GitHub Actions 与 GitLab CI 的 CI/CD 流水线示例，以及蓝绿部署、回滚和版本管理方案。

关键原则

零基础设施（托管计算，无需管理服务器）、arm64 架构、会话隔离、多入口点（SDK 装饰器或 REST 端点）、内置可观测性（CloudWatch 与 OTel 集成）、框架无关（适用于任意 Python 智能体框架）。质量目标：部署时间小于 5 分钟，冷启动小于 2 秒，包大小 250MB（zip）/ 750MB（解压后）。

使用方式

前置要求包括：拥有 AgentCore 访问权限的 AWS 账户、Python 3.10+（推荐 3.13）、具备 AgentCore 权限的 IAM 角色、已启用基础模型访问。建议配置 AWS CLI、Docker（容器部署）以及 GitHub Actions 或 GitLab CI（CI/CD）。典型流程为：安装工具包、创建入口代码、配置、本地测试、部署、测试已部署实例。

适用场景

• 将智能体代码部署到生产环境
• 为智能体设置 CI/CD 流水线
• 从开发迁移到生产
• 管理多个智能体版本
• 实施蓝绿部署与回滚

限制

不适用于本地开发/测试（应使用本地服务器），也不适用于带 action groups 的标准 Bedrock Agents。各部署方式的具体耗时、复杂度与适用条件已在正文中列出；其他未在本资料中说明的收费、价格或平台细节暂未提供。

相关技能与参考

相关技能包括 bedrock-agentcore（核心平台功能）、bedrock-agentcore-evaluations（部署前测试）、terraform-aws（基础设施即代码）、ecs-deployment（替代部署模式）。参考资料包括 references/iam-policies.md、references/troubleshooting.md、references/performance-tuning.md。