亚马逊云科技推出 AgentCore：多智能体时代的「金铲子」，重构 AI 开发范式

　　当多智能体 AI 成为大模型迭代的下一个浪潮，如何让技术从实验室走向产业落地，成为行业最迫切的命题。在纽约峰会上，亚马逊云科技给出了答案 —— 推出全套 Agent 解决方案，以 Amazon Bedrock AgentCore 为核心，搭配 12 家顶尖模型底座与开源协作工具，将 AI Agent 的开发门槛大幅降低。正如亚马逊云科技 Agentic AI 副总裁 Swami Sivasubramanian 所言：「这不是简单的工具升级，而是一场软件架构的革命，未来数十亿 Agent 将重塑人机交互的底层逻辑。」

　　AgentCore：企业级 Agent 的「操作系统」

　　过去，开发一个能处理复杂任务的 AI Agent，需解决模型调度、记忆管理、安全认证等一系列难题，如同在「毛坯房」里从零装修。而 Amazon Bedrock AgentCore 的出现，提供了「拎包入住」的全栈架构，其 7 大核心服务构成 Agent 开发的「基础设施」：

　　AgentCore Runtime：无服务器环境支持多模态任务与长期运行的 Agent，兼容任何开源框架(如 LangChain、AutoGPT)，开发者通过几行 SDK 代码即可部署，无需关注底层算力调度。

　　AgentCore Memory：构建「短期会话记忆 + 长期语义记忆」双系统。短期通过create_event存储交互记录，长期自动捕获用户偏好与事实数据，让 Agent 具备「持续学习」能力 —— 例如智能客服能记住用户半年前的产品需求，无需重复解释。

　　AgentCore Observability：可视化 Agent 执行全流程，支持轨迹回溯、故障调试与性能监控。开发者可直观查看「Agent 为何做出某决策」，解决 AI「黑箱问题」，满足金融、医疗等行业的合规要求。

　　AgentCore Identity：通过 OAuth2 等协议实现安全访问，让 Agent 能代表用户调用 GitHub、Salesforce 等第三方工具，同时严格控制权限范围 —— 例如 HR Agent 仅能查询员工考勤数据，无法访问薪资信息。

　　AgentCore Gateway：将企业现有 API 与 Lambda 函数转化为 Agent 可调用的「工具」，无需重构系统即可实现老业务的智能化升级。例如将 ERP 系统的库存查询接口，一键转化为供应链 Agent 的调用工具。

　　AgentCore Browser：提供托管浏览器实例，让 Agent 能自动操作网页完成复杂任务，如爬取竞品价格、填写表单等，突破纯 API 调用的局限。

　　AgentCore Code Interpreter：隔离环境运行 Agent 生成的代码，支持 Python 等语言执行数据分析、图表绘制等计算任务，避免安全风险。

　　这套架构的核心价值在于「解耦与协同」—— 企业可按需选用单个服务，也可组合使用形成闭环。例如开发智能财务 Agent 时，用 Runtime 部署、Memory 记住报销规则、Browser 自动登录报销系统、Code Interpreter 计算税费，全程无需担心数据泄露或系统崩溃。

　　模型生态：12 家顶尖厂商构筑「能力底座」

　　强大的 Agent 离不开多样化的基础模型。Amazon Bedrock 此次将支持的模型厂商从 7 家扩充至 12 家，新增多模态视频理解公司 TwelveLabs 等，覆盖文本、音视频、编程等全场景。更关键的是，所有模型均支持 Agent 开发，形成「模型即工具」的生态：

　　Nova 系列家族：亚马逊自研的 Nova 模型新增 8 款成员，包括能操控浏览器的 Nova Act(网页任务完成率超 90%)、支持语音交互的 Nova Sonic，以及多模态模型 Nova Premier。其中 Nova Act 通过 SDK 可实现自动下单、数据爬取等操作，解决传统 API 覆盖不足的问题。

　　开源与闭源并存：既有 Anthropic Claude、Meta Llama 等闭源模型，也支持 Mistral、DeepSeek 等开源模型，开发者可根据成本与定制化需求灵活选择。例如初创公司可用开源模型降低成本，金融机构则选用通过合规认证的闭源模型。

　　过去 12 个月，Amazon Bedrock 新增超 170 项功能，成为首个提供无服务器 DeepSeek-R1 的云服务商。这种「多模型协同」能力，让 Agent 可根据任务自动选择最优模型 —— 例如撰写合同用 Claude(精准度高)，生成营销视频用 Stability AI(多模态强)，大幅提升任务完成效率。

　　多 Agent 协作：从「单打独斗」到「团队作战」

　　单个 Agent 的能力有限，而多 Agent 协作能解决更复杂的问题。亚马逊云科技将开源工具 Strands Agents 升级至 V1.0.通过四大原语实现「智能体团队协作」：

　　Agents-as-Tools：让领域专家 Agent 成为其他 Agent 的「插件」。例如医疗诊断 Agent 可调用放射科 Agent 分析影像，无需重复训练专业知识。

　　Handoffs：任务交接时保留完整上下文。当客服 Agent 无法解决技术问题时，可无缝转交工程师 Agent，用户无需重复描述故障。

　　Swarms：自组织的 Agent 团队。例如电商大促期间，「库存 Agent + 物流 Agent + 客服 Agent」自动协同，实时调整库存预警、配送路线与用户答复口径。

　　Graphs：可视化工作流编排。开发者可通过节点图定义 Agent 的任务顺序与决策条件，例如「当订单金额 > 1000 元时，自动触发风控 Agent 审核」。

　　Strands V1.0 还支持 MCP 与 A2A 通信协议，打破不同 Agent 平台的壁垒 —— 例如亚马逊 Agent 可与企业自研 Agent 协同工作，实现跨系统的流程自动化。

　　数据层革新：S3 Vectors 让 Agent「记得更多、更省成本」

　　向量是 Agent 理解世界的「语言」，但海量向量数据的存储与查询成本一直是痛点。Amazon S3 Vectors 的推出，将这一成本降低 90%：

　　向量桶（Vector Buckets）：专为向量设计的存储类型，单个桶支持 10000 个索引，每个索引可存数千万向量，自动优化数据布局以提升查询速度。

　　冷热数据分层：不常查询的向量存于 S3 降本，高频访问数据自动迁移至 OpenSearch，平衡性能与成本。例如用户历史对话的向量可长期存在 S3.而近期交互则存于 OpenSearch 保障低延迟响应。

　　原生集成：与 Bedrock 知识库无缝联动，构建低成本 RAG(检索增强生成)应用。企业无需单独部署向量数据库，即可让 Agent 快速调用产品手册、法规文档等私有知识。

　　应用落地：从代码开发到业务场景的全链条革新

　　在应用层，亚马逊云科技推出多款 Agent 工具，让技术快速转化为生产力：

　　Kiro 代码编辑工具：基于 Claude 构建，能将「一句话需求」转化为完整开发计划。例如「开发电商评论系统」，自动拆解为「数据库设计→API 开发→前端适配」等任务，生成单元测试与文档，将开发周期缩短 70%。

　　行业解决方案：在 Marketplace 上线数百个 Agent 模板，覆盖金融风控、制造业质检等场景。例如银行可直接调用「信贷审核 Agent」，自动查询征信、计算还款能力，将审批时间从 3 天缩至 2 小时。

　　这些工具的共同点在于：让 Agent 从「技术概念」变为「业务工具」。正如某零售企业 CIO 所言：「过去需要 10 人团队开发的库存预警系统，现在用 AgentCore+Nova 模型，1 人 1 周即可上线，且能自动适配促销季的复杂场景。」

　　结语：Agent 时代的「基础设施之争」

　　亚马逊云科技的布局，本质上是在定义 Agent 时代的「操作系统标准」。从模型生态到数据存储，从开发工具到协作协议，其构建的不仅是一套技术方案，更是让数百万企业能低成本拥抱 Agent 的「生态护城河」。

　　Gartner 预测，到 2028 年 33% 的企业软件将集成 Agentic AI，而亚马逊云科技的动作，无疑加速了这一进程。当技术门槛从「组建团队自研」降至「调用 API 即用」，我们或许正站在「Agent 爆发」的临界点 —— 未来，每个企业、甚至每个人都可能拥有专属 Agent，而这场变革的基础设施，已在云端悄然成型。

　　据悉，亚马逊云科技将于 8 月开启国内七城巡演，现场拆解 Agent 落地案例。对于企业而言，这或许是把握下一波 AI 浪潮的关键窗口。