丹东市网站建设_网站建设公司_原型设计_seo优化

re:Invent 2025，亚马逊云科技带来一系列重磅发布，掀起全球云计算创新浪潮。为帮助开发者们深入了解各项技术创新成果、上手使用最新功能，特推出本系列解读文章，助您探索云上未来的无限可能！

re:Invent 2025，亚马逊云科技宣布Amazon Bedrock AgentCore（仅海外业务使用）新增多项功能，旨在进一步扫清阻碍AI Agent投入生产部署的各种困难。

目前，各行各业均已利用AgentCore开展相关开发工作，这一业界卓越的Agent开发服务，能够帮助用户安全构建、部署和运行各种规模的高性能Agent。自2025年7月发布预览版以来，在短短5个月内，AgentCore SDK的下载量已突破200万次。以下为部分应用案例：

• 作为体育领域的先驱与创新标杆，PGA TOUR构建了一套多Agents内容生成系统，专门为其数字平台创作文章。这套依托AgentCore构建的全新解决方案，帮助PGA TOUR将内容撰写效率提升10倍，同时成本降低95%，更好地为赛场选手提供全方位的赛事报道。

• 独立软件供应商（ISVs）Workday，正基于AgentCore打造未来的软件产品。AgentCore Code Interpreter为Workday规划Agent提供了安全的数据保护功能，以及支撑金融数据探索分析的核心功能。用户可通过自然语言查询分析财务与业务运营数据，让财务规划工作变得清晰直观且易于自主操作。这项能力将常规规划分析工作耗时缩短30%，每月可节省约100小时。

• 巴西分销零售企业Grupo Elfa，借助AgentCore Observability，实现了对其Agent的全面审计追溯与实时指标监控，将企业原本被动响应的业务流程，转变为主动预判的运营模式。依托这一服务，该公司销售团队日均能够处理数千份报价请求，企业也能够全面掌握Agent的决策过程。这不仅助力企业达成了Agent决策与交互行为100%可追溯的目标，更将问题解决时间缩短50%。

随着企业加速Agent规模化部署，他们在设定合理的运行边界与开展质量校验方面遭遇诸多挑战，难以放心部署Agent。Agent所具备的自主性是其强大功能的主要来源，但这一特性也让规模化部署变得困难重重，因为Agent可能会不当访问敏感数据、做出未经授权的决策，或是执行超出预期的操作。开发团队必须在赋予Agent充分自主性的同时，确保其在合规边界内运行，并保障Agent达到能向客户与员工交付的质量标准。

AgentCore新功能将消除这一过程中的不确定性，助力用户构建并部署值得信赖的AI Agent：

Policy in AgentCore（预览版）

该功能通过细粒度权限策略，在AgentCore Gateway工具调用执行前进行拦截校验，从而为Agent的行为划定明确边界。

AgentCore Evaluations（预览版）

利用对准确性、实用性等核心维度进行测评的内置评估器，以及针对特定业务需求的自定义评估器，来基于Agent的真实运行表现开展质量监控。

此外，AgentCore还推出多项新功能，进一步拓展Agent的能力边界：

AgentCore Memory情景记忆功能

这是一项全新的长期策略机制，可助力Agent从过往运行经验中学习，并在类似情境中灵活调整解决方案，提升未来执行同类任务时的一致性与性能表现。

AgentCore Runtime双向流式传输功能

支持部署语音交互Agent，让用户能够以自然流畅的交流节奏，与Agent进行实时双向对话。

Policy in AgentCore

精准管控Agent

Policy in AgentCore功能支持用户管控Agent的操作权限范围，其作用机制独立于Agent的推理流程之外。该功能将Agent视为具备自主决策能力的主体，要求Agent的决策必须经过验证之后，再触达工具、系统或数据。这一功能与AgentCore Gateway集成，可在工具调用发生时实时拦截，在保持操作速度的同时处理请求，确保工作流始终能够快速响应。

用户既可以使用自然语言创建策略，也可以直接使用Cedar（一种专为细粒度权限管控设计的开源策略语言），您无需编写自定义代码，即可简化规则的设定、理解与审计流程。这一功能让开发、安全与合规团队无需掌握专业编程知识，也能创建、解读与审查规则。

策略规则独立于Agent的构建方式或所采用的模型。您可以定义Agent可访问的工具与数据（包括API、Amazon Lambda函数、MCP服务器与第三方服务）、可执行的操作以及执行操作的具体条件。

团队只需一次配置清晰的策略规则，即可在整个企业范围内统一应用。策略部署到位后，开发者能够自由创新Agent交互体验，企业也可放心部署Agent自主运行，同时确保其始终在既定的权限边界与合规要求内行动。

Policy in AgentCore使用指南

您可以在AgentCore控制台新增的“Policy”板块中创建一个策略引擎，并关联一个或多个AgentCore Gateway。

策略引擎是一组在网关端点进行评估的策略集合。将网关与策略引擎关联时，您可以选择是否强制执行策略评估结果——即直接允许或拒绝对应的工具调用请求，也可以选择仅生成日志。使用日志有助于用户在生产环境中应用策略之前，测试与验证策略。

然后，您可以定义需要应用的策略，从而对关联的AgentCore Gateway所提供工具的访问权限进行精细管控。

创建策略时，您可以从自然语言描述入手（描述内容需包含要使用的身份验证声明信息），也可以直接编辑Cedar代码。

基于自然语言的策略编写功能，为您提供了一种更易上手的细粒度策略创建方式。您无需编写标准化的策略代码，而是只需用简洁的英文描述规则即可。系统会解读您的意图，生成候选策略，对照工具架构进行验证，并运用自动推理机制检查安全条件，识别出权限过于宽松、过于严格或包含无法满足条件的指令。

不同于通用大语言模型（LLM）的转译功能，该功能可以理解工具的结构逻辑，生成的策略不仅语法严谨规范，并且也与您的真实意图相匹配，同时还会标记出无法执行的规则。该功能也可作为MCP服务器使用，因此您可以直接在偏好的AI辅助编码环境中编写和验证策略，将其融入日常开发工作流程。这种方式能有效缩短上手时间，让您无需掌握Cedar专业知识，也能编写出高质量的权限管控规则。

以下是一则策略示例，其权限校验逻辑基于两部分信息：

• 用于AgentCore Gateway身份验证的JWT token中包含的OAuth声明信息（用于判定role）。

• 工具调用时传入的参数（context.input）。

根据该策略，仅拥有refund-agent角色且退款金额（context.input.amount）低于200美元的已认证用户，方可访问该退款处理工具。

permit( principal is AgentCore::OAuthUser, action == AgentCore::Action::"RefundTool__process_refund", resource == AgentCore::Gateway::"<GATEWAY_ARN>")when { principal.hasTag("role") && principal.getTag("role") == "refund-agent" && context.input.amount < 200};

左右滑动查看完整示意

AgentCore Evaluations

实现持续、实时的质量洞察

AgentCore Evaluations是一项全托管服务，帮助开发者持续监控和分析基于真实行为的Agent表现。开发者可以使用内置评估器来衡量常见的质量维度，如正确性、帮助性、工具选择准确性、安全性、目标成功率和上下文相关性。同时，您也能创建基于模型的定制评分系统，根据自身需求配置提示词与模型，实现契合业务需求的定制化评分。同时，服务会自动采集Agent的实时交互数据，并持续评分。

AgentCore Evaluations的所有结果，均与AgentCore Observability的洞察信息，一同以可视化形式呈现在Amazon CloudWatch中，帮助您实现统一监控。您还可以基于评估分数设置提醒和警报，主动监控Agent运行质量，一旦相关指标超出可接受范围，便会发出警报，提醒及时响应处理。

该功能可在测试阶段与生产阶段灵活应用：

• 测试阶段：您可在部署前对照基准指标检测Agent性能，避免存在缺陷的版本触达终端用户。

• 生产阶段：您可依托该功能持续优化Agent性能。当质量指标低于预设阈值时（例如，某客服Agent的满意度评分在8小时内下降幅度超过10%），系统会立即触发警报，助力团队更快发现与解决质量问题。

AgentCore Evaluations使用指南

您可在AgentCore控制台新增的“Evaluations”板块中创建在线评估任务。数据源可以选择AgentCore Agent端点，也可以选择外部Agent所使用的Amazon CloudWatch日志组。例如，本例使用的示例客服Agent，与此前介绍AgentCore预览版时所用的是同一个。

然后，您可以选择需要使用的评估器，包括自定义评估器——您既可以基于现有模板进行定义，也可以从零开始全新构建。

以客服Agent为例，您可选择以下评估指标：

• 准确性：评估Agent回复中的信息是否符合事实、客观无误。

• 忠实度：评估回复内容是否有对应的上下文或信息来源支持。

• 实用性：从用户角度评估Agent回复的实用价值与帮助作用。

• 危害性：评估回复是否包含有害内容。

• 刻板印象：检测是否存在针对特定个人或群体的笼统性表述。

工具选择与工具参数准确性这两类评估器，可帮助您判断Agent是否为任务选择了恰当的工具，以及是否能从用户查询中提取正确的参数。

完成评估任务创建时，您可选择采样率与可选的过滤条件。权限配置方面，您既可以新建一个Amazon IAM服务角色，也可以直接使用现有服务角色。

评估结果会在生成的同时，会同步至Amazon CloudWatch的AgentCore Observability仪表盘。您可点击任意柱状图区域，查看对应的追踪信息，深入洞察该特定评估背后的请求与响应详情。

评估结果会同步至Amazon CloudWatch，因此您可以使用其全部功能开展各类操作，例如创建警报与实现自动化操作。

在AgentCore Evaluations中

创建自定义评估器

自定义评估器支持您根据Agent的独特需求，定义契合业务场景的质量指标。创建自定义评估器时，您需要指定用来评判的模型，并配置推理参数（如温度系数、最大输出token数），以及包含评判规则的定制化提示词。您既可以修改某款内置评估器的提示词，也可以直接输入全新的提示词。

然后，需要定义评估结果的评分量级，您既可以设置为数值形式，也可以采用自定义的文本标签。最后，您需配置评估的计算范围，即由模型针对单条追踪记录、完整会话或每次工具调用完成评估计算。

AgentCore Memory情景记忆功能

支持Agent基于经验进行自主学习

AgentCore Memory是一项全托管服务，可为AI Agent赋予记忆过往交互的能力。如今该功能新增了一种长期记忆策略，能让Agent从历史交互经验中学习，并将这些经验应用到后续的交互过程中，从而为用户提供更有用的帮助。

以Agent预订差旅行程为例：随着时间推移，Agent会逐渐学习并掌握您的预订偏好。例如，您可能会因为某次客户会议而需要将航班改签到更晚时段，当您下次预订行程涉及客户会议时，Agent会基于这些学习到的偏好，主动为您推荐灵活的返程方案。如同一位经验丰富的助理会了解领导独特的出行习惯一样，搭载情景记忆功能的Agent如今也能识别并适配用户个性化需求。

启用这项全新的情景记忆功能后，AgentCore Memory会捕捉结构化的情景片段，记录Agent交互过程中的上下文信息、推理逻辑、执行动作及最终结果。与此同时，一个反思Agent会分析这些情景片段，从中提炼出更具普适性的规律与洞察。之后面对相似任务时，Agent可调取这些学习成果，从而提升决策一致性与任务处理效率。

这一功能还有助于减少对定制化指令的依赖，用户只需在Agent上下文中纳入完成特定任务所需的具体学习成果，而无需加载一长串所有可能的建议。

AgentCore Runtime双向流式传输功能

实现更自然流畅的对话交互

借助AgentCore Runtime，您仅需几行代码即可部署Agent应用。为简化自然流畅且响应迅速的对话体验部署流程，AgentCore Runtime现已支持双向流式传输功能。该功能可让语音Agent在用户说话过程中同步倾听并动态调整，这意味着用户也可在Agent回复中途随时打断，Agent会即刻适配新的对话上下文。

不同于传统的轮次式交互（用户必须等待Agent完整应答后才能继续新的对话），双向流式传输功能可实现流畅自然的对话，让Agent能够根据用户实时表述，动态调整回复内容。

从零开始构建这类对话体验需要投入大量的工程开发工作，来处理复杂的实时并发通信流程。双向流式传输功能通过管理Agent同时生成输出与处理输入所需的基础设施，让Agent从容应对各类打断操作，并且在对话动态切换过程中始终保持上下文连贯性，从而简化了构建过程。

现在，您可以轻松部署能够自然适配人类交流习惯的Agent——支持用户中途插话、上下文切换与实时澄清需求，全程不会中断对话逻辑。

须知事项

Amazon Bedrock AgentCore（包括Policy功能预览版）已在以下亚马逊云科技区域可用：美国东部（俄亥俄州、北弗吉尼亚州）、美国西部（俄勒冈州）、亚太地区（孟买、新加坡、悉尼、东京）以及欧洲地区（法兰克福、爱尔兰）。

AgentCore Evaluations预览版的可用区域包括：美国东部（俄亥俄州、北弗吉尼亚州）、美国西部（俄勒冈州）、亚太地区（悉尼）和欧洲地区（法兰克福）。有关各区域的可用情况及未来规划，您可参阅亚马逊云科技区域功能页面。

使用AgentCore时，您只需按实际用量付费，无需提前承诺。如需了解详细定价信息，请参阅Amazon Bedrock定价页面。此外，AgentCore还纳入亚马逊云科技免费套餐，新用户可免费试用，快速上手探索这款核心服务。

上述全新功能可兼容各类开源框架，例如CrewAI、LangGraph、LlamaIndex及Strands Agents，且支持任意基础模型。AgentCore各项服务既可组合使用，也可单独运行。您还能借助AgentCore开源MCP服务器，在您偏好的AI辅助开发环境中快速上手。

如需进一步了解并快速开始使用AgentCore，敬请参阅AgentCore开发者指南。

亚马逊云科技区域功能页面：

https://builder.aws.com/capabilities/

Amazon Bedrock定价：

https://aws.amazon.com/bedrock/pricing/

AgentCore开发者指南：

https://docs.aws.amazon.com/bedrock-agentcore/latest/devguide/what-is-bedrock-agentcore.html

我们将持续推出更多关于re:Invent 2025重磅发布的解读文章，帮助您快速上手！

本篇作者

Danilo Poccia

作为亚马逊云科技的首席布道师（EMEA），他利用自己的经验帮助人们将想法变为现实，专注于Serverless架构、事件驱动编程以及机器学习和边缘计算的技术和商业影响。他是《Amazon Lambda in Action》一书的作者。

新用户注册海外区域账户，可获得最高200美元服务抵扣金，覆盖Amazon Bedrock生成式AI相关服务。“免费计划”账户类型，确保零花费，安心试用。

星标不迷路，开发更极速！

关注后记得星标「亚马逊云开发者」

听说，点完下面4个按钮

就不会碰到bug了！

点击阅读原文查看博客！获得更详细内容！