用途：指导把运行在 Amazon EKS 上的容器化 AI 智能体迁移到 Amazon Bedrock AgentCore 这一无服务器、专用智能体运行时，从评估到切换全流程提供领域知识。AgentCore 免去 Kubernetes 基础设施管理，内置会话隔离（microVM）、Memory、Identity、可观测性和按用量计费。
流程分六阶段：一是评估，用 scan_eks_cluster 或 kubectl get deployments 发现智能体，检查 Python 版本（需 3.10+）、框架（Strands、LangChain、LangGraph、CrewAI、Google ADK、OpenAI Agents 或自定义）、外部依赖、K8s 专有依赖和入口文件（需为 main.py），可用 assess_agent 或 assess_cluster 自动化评估，优先迁移低复杂度智能体。二是脚手架，npm install -g @aws/agentcore，agentcore create --name <AgentName> --defaults，构建类型默认 CodeZip，仅重系统依赖（CUDA、自定义原生库）用 Container。三是代码迁移，源码放入 app/<AgentName>/，用 generate_main_py 生成包装入口，移除 gunicorn、uvicorn、kubernetes client 及 Flask/FastAPI 服务代码。四是配置迁移，密钥用 agentcore add credential，配置写入 agentcore.json，网络按需选 PUBLIC 或 VPC，用 add memory 替代 Redis/DynamoDB，IRSA 转为 AgentCore Identity。五是测试部署，agentcore dev、agentcore deploy --plan、agentcore deploy、agentcore status，并用 generate_cicd_pipeline 建流水线。六是切换，双跑、加权路由、看日志与追踪，验证后 kubectl scale deployment <name> --replicas=0 并清理资源。
配套 MCP 工具：scan_eks_cluster、assess_agent、assess_cluster、generate_agentcore_project、generate_cicd_pipeline、generate_main_py、get_eks_agentcore_feature_map。
限制与注意：本地 agentcore dev 不支持 Memory，需先部署再测；入口须为 main.py；执行最长 8 小时，更长任务需拆分；首次部署因 CDK 引导需数分钟；EKS token 约 15 分钟过期；扫描时指定 namespace 遵循最小权限；环境变量只记录名称不记录值；切换后建议 EKS 保留 1-2 周作回滚。