跳到正文
原文
AWS Machine Learning Blog· Juan Albarran·· 2 天前精选AI 评分75

AWS 发布基于 Bedrock AgentCore 的 Ambient Agents 教程:构建事件驱动与人机协作工作流

Building ambient agents with Amazon Bedrock AgentCore: From event-driven signals to human-in-the-loop workflows

AI 导读

AWS 发布了关于在 Amazon Bedrock AgentCore 上构建 Ambient Agents(环境智能体)的完整参考实现,旨在解决传统聊天机器人无法响应基础设施事件流的痛点。该方案通过事件驱动模式,使智能体能自动监听如 S3 文件上传、数据库变更或定时任务等信号,并在需要时暂停执行以请求人类确认,从而填补了全自动化管道缺乏推理能力与纯聊天代理缺乏自主触发机制之间的空白。

核心架构采用无服务器设计,利用 AWS Lambda 处理信号匹配与作业调度,Amazon SQS 解耦 API 请求与执行队列,Amazon DynamoDB 存储会话状态与作业记录。关键创新在于其人机协作(HITL)机制:智能体无需抛出异常,而是通过调用单一的 ask_human 工具返回特定哨兵字符串,由编排器捕获后将其转换为中断响应并挂起作业。前端 React 应用统一展示所有作业状态,用户可在“已中断”标签页直接回复问题,系统会将回答折叠进上下文继续执行,实现了完整的闭环交互。

该教程提供了基于 LangChain 和 LangGraph 的容器化 Agent 示例,默认配置 Anthropic Claude Sonnet 4.5 模型。它详细展示了如何通过 config.yaml 动态启用或禁用工具(如计算器、S3 读写),而无需重新构建镜像。对于扩展场景,文档定义了标准接口,允许开发者编写新的 Lambda 函数来适配 Webhook 或 EventBridge 等新信号源,同时保持底层作业执行逻辑不变。这种设计使得企业可以在不重写核心编排逻辑的情况下,灵活地将 LLM 推理能力集成到现有的运维与业务流程中。

推荐理由

提供了一套可复用的 Serverless 架构与状态管理代码,将 AgentCore Runtime 从实验性组件转化为具备生产级人机协作能力的平台。

来源:AWS Machine Learning Blog · aws.amazon.com