用途：为在 Amazon Bedrock 上构建生成式 AI 应用提供领域知识与操作流程，涵盖模型调用、基于 Knowledge Bases 的 RAG、智能体创建、Guardrails 内容安全以及用 AgentCore 部署智能体。需注意 Bedrock 的 API、模型 ID、分块策略与配置参数变化频繁，回答前应阅读相关参考文件。
加载方式：通过 AWS MCP 的 retrieve_skill 加载时，技能文件不在本地，必须用 retrieve_skill 的 file 参数获取参考文件或脚本（如 references/managed-knowledge-bases-setup.md、scripts/fetch_bedrock_agent.py）并运行返回内容，不要本地读取这些路径；本地安装（如 .kiro/skills/amazon-bedrock/）时按相对路径读写。此区分仅适用于技能自带文件，用户数据始终从工作目录读写。
主要能力与用法：Bedrock 有多个 API 端点，包括 bedrock（控制面，列模型）、bedrock-runtime（数据面，InvokeModel、Converse）、bedrock-mantle（OpenAI 兼容 API）、bedrock-agent 与 bedrock-agent-runtime，AgentCore 为独立服务。使用 bedrock-runtime 时优先用 Converse API 而非 InvokeModel。务必显式设置 maxTokens，否则默认取模型最大值并静默占用大量配额，导致 ThrottlingException。可用 aws bedrock list-foundation-models --region us-east-1 查看模型；调用示例：aws bedrock-runtime converse --model-id <model-id> --messages '[{"role":"user","content":[{"text":"<prompt>"}]}]' --inference-config '{"maxTokens":1024}'。AWS CLI 不支持 ConverseStream 等流式操作，流式需用 SDK。RAG 默认使用 Managed Knowledge Base（MKB），除非用户明确要求自管向量库。
适用场景：模型调用、RAG 应用、带 action groups 的智能体、内容过滤、AgentCore 上的托管或自建智能体循环、提示缓存、配额诊断、成本追踪、模型迁移。
限制与注意事项：需较新的 boto3（≥1.34.x）与 AWS CLI v2；classic Bedrock Agents 已进入维护模式且不向新客户开放，新工作负载建议 AgentCore。Guardrails 的 PII 掩码仅作用于 API 响应，原始未掩码内容仍会明文写入 CloudWatch Logs，合规场景需 KMS 加密与访问限制。其余细节以技能参考文件与官方文档为准。