AI agent

Amazon Bedrock AgentCore tích hợp Strands harness và các hook vòng đời

AWS cập nhật AgentCore với các mặc định của Strands, công cụ tích hợp sẵn cho lập kế hoạch và truy xuất, cùng các hook vòng đời xác định để thực thi agent an toàn hơn.

Một khối kính với các mạch điện và bánh răng phát sáng trên bàn làm việc cùng với các ghi chú và máy tính bảng
Minh họa được tạo riêng cho bài viết này

Được dịch tự động từ bản gốc tiếng Anh.

Amazon Web Services đã nâng cấp Amazon Bedrock AgentCore harness để tích hợp Strands harness mã nguồn mở. Được phát hành vào ngày 19 tháng 11 năm 2026, bản cập nhật này giới thiệu các mặc định được quản lý cho việc lựa chọn mô hình và quản lý ngữ cảnh, các công cụ tích hợp sẵn mới cho việc ủy quyền tác vụ, và các hook vòng đời cho phép nhà phát triển áp dụng các kiểm tra xác định trong quá trình thực thi agent.

Chuyện gì đã xảy ra

Thay đổi cốt lõi liên quan đến việc tích hợp các khả năng của Strands, một framework agent mã nguồn mở được phát hành đầu năm nay theo giấy phép Apache 2.0, vào dịch vụ AWS được quản lý. Việc tích hợp này có nghĩa là các agent sử dụng AgentCore không còn yêu cầu nhà phát triển phải tự tay lắp ráp cơ sở hạ tầng nền tảng cho việc mở rộng phiên, thực thi công cụ hoặc cung cấp tài nguyên tính toán. Thay vào đó, dịch vụ hiện cung cấp một nền tảng agent mặc định cấp độ sản xuất chạy trong các microVM cách ly kernel an toàn bên trong runtime của AgentCore.

Nâng cấp này diễn ra tự động đối với các harness hiện có và mới. Các nhà phát triển dựa vào các mặc định được quản lý sẽ ngay lập tức hưởng lợi từ các mô hình khuyến nghị được cập nhật, các prompt hệ thống hướng tới tác vụ và các chiến lược quản lý ngữ cảnh chủ động. Những người đã cấu hình rõ ràng các mô hình, prompt hoặc bộ công cụ cụ thể sẽ không thấy thay đổi nào trong hành vi hiện tại của họ, đảm bảo tính tương thích ngược đồng thời cung cấp các khả năng nâng cao cho những ai chọn áp dụng các mặc định mới.

Cách thức hoạt động

Harness được cập nhật hoạt động bằng cách kết nối nền tảng Strands với nhiều dịch vụ AWS cần thiết cho các agent trong môi trường sản xuất, bao gồm lưu trữ phiên, khả năng quan sát (observability) và quản lý danh tính. Một cải tiến kỹ thuật chính là việc giới thiệu cơ chế cache prompt tự động cho các mô hình Anthropic được hỗ trợ thông qua API Converse. Cơ chế này lưu cache các prompt hệ thống, định nghĩa công cụ và lịch sử hội thoại, cho phép các lệnh gọi lặp lại sử dụng token đọc cache với giá thấp hơn. Ngoài ra, harness áp dụng quản lý ngữ cảnh chủ động bằng cách tóm tắt các lượt hội thoại cũ khi đạt đến ngưỡng có thể cấu hình, điều này được báo cáo là giúp giảm chi phí token khoảng 34% so với các harness hàng đầu khác.

Để xử lý các tác vụ phức tạp, harness bao gồm một số công cụ tích hợp sẵn. Công cụ todo_write duy trì một kế hoạch tác vụ có cấu trúc qua các lần gọi, trong khi công cụ subagent ủy quyền các tác vụ độc lập cho các worker nội bộ mà không tạo ra các tài nguyên được quản lý riêng biệt. Việc offload ngữ cảnh cho phép di chuyển các kết quả công cụ lớn ra khỏi ngữ cảnh mô hình trực tiếp, chỉ cung cấp một bản xem trước cho agent cho đến khi cần truy xuất đầy đủ. Các cơ chế này giúp quản lý giới hạn cửa sổ ngữ cảnh và cải thiện hiệu quả trong các phiên chạy dài.

Chi tiết chính

  • Hook vòng đời: Nhà phát triển có thể gắn các hàm AWS Lambda vào bốn sự kiện cụ thể: before_invocation, before_tool_call, after_tool_call và after_invocation. Các hook này chạy đồng bộ và có thể cho phép hoặc từ chối hành động, giúp thiết lập quy tắc quản trị xác định cho hành vi AI không xác định.
  • Công cụ tích hợp sẵn: Các công cụ mặc định mới bao gồm web_fetch cho ngữ cảnh bên ngoài, quyền truy cập hệ thống tệp chi tiết (read, write, edit) và subagent để ủy quyền tác vụ. Các công cụ có thể truy cập thông qua cấu hình allowedTools.
  • Quản lý ngữ cảnh: Harness tự động tóm tắt các tin nhắn cũ trong khi vẫn giữ lại ngữ cảnh gần đây. Nó cũng hỗ trợ offload ngữ cảnh để giảm mức sử dụng bộ nhớ trực tiếp mà không mất đi khả năng truy cập dữ liệu.
  • Hiệu quả chi phí: Cache prompt tự động và tóm tắt chủ động góp phần làm giảm chi phí token khoảng 34% so với các harness khác, chủ yếu bằng cách giảm độ trễ xử lý đầu vào và tái sử dụng các token đã được cache.
  • Bảo mật và cách ly: Mỗi phiên chạy trong một microVM cách ly kernel an toàn. Các hook cũng áp dụng cho subagent, đảm bảo rằng các tác vụ được ủy quyền không thể bỏ qua các chính sách như giới hạn hoàn tiền.
  • Hỗ trợ CLI: AgentCore CLI cho phép người dùng tạo và gọi các harness trực tiếp. Một mẫu "Research Coordinator" minh họa việc điều phối đa agent sử dụng subagent cho nghiên cứu, tổng hợp và đánh giá.

Tại sao điều này quan trọng

Đối với các kỹ sư phần mềm xây dựng AI agent, thách thức chính thường nằm ở việc thu hẹp khoảng cách giữa đầu ra mô hình mang tính xác suất và logic kinh doanh mang tính xác định. Việc giới thiệu các hook vòng đời giải quyết vấn đề này bằng cách cho phép nhà phát triển chèn các kiểm tra được mã hóa cứng tại các điểm quan trọng trong vòng lặp của agent. Ví dụ, một agent hỗ trợ khách hàng có thể bị ngăn không cho thực hiện hoàn tiền vượt quá một ngưỡng nhất định bởi một hàm Lambda đánh giá yêu cầu trước khi thực thi. Điều này biến đổi các AI agent từ những hộp đen khó dự đoán thành các quy trình làm việc được quản trị chặt chẽ, phù hợp với các tiêu chuẩn an toàn của doanh nghiệp.

Hơn nữa, các mặc định được quản lý giảm bớt gánh nặng vận hành trong việc duy trì cơ sở hạ tầng agent. Bằng cách tự động xử lý việc mở rộng phiên, cung cấp tài nguyên tính toán và quản lý ngữ cảnh, AWS cho phép các nhóm tập trung vào logic của agent thay vì các vấn đề kỹ thuật hạ tầng. Khả năng ủy quyền tác vụ cho subagent và offload ngữ cảnh cũng có nghĩa là các agent có thể xử lý các quy trình làm việc phức tạp, nhiều bước mà không chạm đến giới hạn cửa sổ ngữ cảnh hoặc gây ra chi phí token quá mức. Điều này làm cho việc triển khai các agent tinh vi trong môi trường sản xuất, nơi độ tin cậy và kiểm soát chi phí là tối thượng, trở nên khả thi.

Bạn có thể làm gì

  • Xem xét cấu hình harness của bạn: Nếu bạn dựa vào các mặc định được quản lý, hãy thử nghiệm các agent của bạn để đảm bảo chúng hoạt động như mong đợi với các prompt và công cụ mới dựa trên Strands. Cấu hình rõ ràng allowedTools nếu bạn cần hạn chế các khả năng.
  • Triển khai hook vòng đời: Xác định các hành động rủi ro cao trong quy trình làm việc của agent, chẳng hạn như ghi vào cơ sở dữ liệu hoặc giao dịch tài chính, và gắn các hàm Lambda vào sự kiện before_tool_call để xác thực đầu vào.
  • Tối ưu hóa chi phí: Bật cache prompt tự động nếu bạn đang sử dụng các mô hình Anthropic được hỗ trợ. Điều chỉnh ngưỡng tóm tắt trong cấu hình truncation để cân bằng giữa việc giữ lại ngữ cảnh và mức sử dụng token.
  • Thử nghiệm với subagent: Sử dụng công cụ subagent để chia nhỏ các tác vụ phức tạp thành các đơn vị nhỏ hơn, dễ quản lý. Kiểm tra quy trình ủy quyền bằng cách sử dụng AgentCore CLI để hiểu cách ngữ cảnh được chia sẻ và duy trì.
  • Cập nhật công cụ CLI của bạn: Cài đặt hoặc cập nhật gói npm @aws/agentcore để truy cập các tính năng CLI mới nhất. Sử dụng các mẫu được cung cấp, chẳng hạn như Refund Desk hoặc Research Coordinator, để tìm hiểu cách cấu hình hook và quy trình làm việc đa agent.
  • Giám sát quyết định của hook: Kiểm tra luồng phản hồi InvokeHarness cho các mục nhập hookEvent để kiểm toán khi nào và tại sao các hành động cụ thể bị từ chối hoặc được cho phép bởi các hook vòng đời của bạn.
  • #aws
  • #ai-agents
  • #bedrock
  • #machine-learning
  • #cloud-computing

Công cụ từ cửa hàng Bytechap

Đọc tiếp

Tất cả bài viết