用途：该技能面向 AWS Bedrock AgentCore，帮助在大规模场景下部署和管理 AI 智能体，覆盖九项核心服务的选择、部署模式与集成工作流，主要基于 AWS CLI 操作。
主要能力：服务包括 Gateway（将 REST API 转为 MCP 工具）、Runtime（部署与扩缩容智能体）、Memory（管理对话状态）、Identity（凭证与访问管理）、Code Interpreter（沙箱内安全执行代码）、Browser（网页自动化与抓取）、Observability（追踪与监控）、Agent Registry（编目、发现与治理智能体/工具，预览版）、Evaluations（基于 LLM-as-a-Judge 的自动化质量评估）。
使用方式：先根据需求从服务表定位所需服务，再阅读对应 services/<服务>/README.md 后再作答；跨服务模式（凭证、安全、注册表集成）查阅 cross-service 资源。回答 AWS 事实前应使用 MCP 文档工具核验：AgentCore 专用文档（mcp__acdocs__，含 search_agentcore_docs、fetch_agentcore_doc）与通用 AWS 文档（mcp__aws-mcp__ 或 mcp__awsdocs__*，经 aws-mcp-setup 依赖加载）。若 MCP 工具不可用，引导用户走 aws-mcp-setup 技能设置流程。
常见流程：部署 Gateway 目标（上传 OpenAPI schema 到 S3、创建凭证提供方并存储 API Key、创建关联 schema 的目标、验证状态与连通性；凭证提供方仅用于 API Key 认证，Lambda 目标用 IAM 角色，MCP 服务器用 OAuth）；管理凭证（统一用 Identity 服务凭证提供方，经 ARN 关联到 Gateway 目标，按季度轮换，用 CloudWatch 监控）；发现智能体与工具（创建注册表、登记资源、提交审批、经 CLI 或 MCP 端点搜索）；评估质量（用 OpenTelemetry/ADOT 采集追踪、创建评估器、设置在线评估、在 CloudWatch 查看分数）；监控（启用可观测性、配置仪表盘与告警、用 X-Ray 分布式追踪）。
适用场景：构建生产级 Runtime 部署或配置 OAuth 认证时，可参考 references 下的 OAuth 集成、Runtime 核心机制、部署运维、协议参考等文档；scripts/ 提供 Dockerfile.runtime-template、runtime-fastapi-template.py、mcp-server-template.py、a2a-server-template.py、agui-server-template.py、gateway-custom-resource-lambda.py 等可运行模板。
限制：Agent Registry 处于预览阶段，仅在 us-east-1、us-west-2、eu-west-1、ap-northeast-1、ap-southeast-2 可用。具体收费、价格与效果资料暂未提供。