详细内容或原文请订阅后点击阅览
使用 Amazon Bedrock AgentCore Observability 优化生产代理
随着您的 AI 代理从原型转向生产，挑战从让它们投入工作转变为保持它们快速高效。了解如何使用 Amazon Bedrock AgentCore Observability 和 Amazon CloudWatch 查找性能瓶颈并诊断长时间运行的代理会话中的内存问题。
来源:亚马逊云科技 _机器学习随着您的 AI 代理从原型转向生产，挑战从让它们投入工作转变为保持它们快速高效。在本系列的第 1 部分中，我们逐步调试了两种常见的代理故障：无限循环和工具调用错误。这些场景涉及的是被破坏的代理。在这篇文章中，我们解决了一个不同的挑战：代理可以正常工作但表现不佳。解决初始调试问题后，响应时间缓慢和内存无限增长是最常见的操作问题。它们不会触发错误警报，但随着时间的推移，它们会削弱用户的信任并增加成本。
使用 AgentCore Observability（Amazon Bedrock AgentCore 的一项功能）和 Amazon CloudWatch，您将了解如何识别代理执行路径中的性能瓶颈并诊断长时间运行会话中的内存问题。您还将实施监控实践，在用户注意到之前发现性能下降。有关更多信息和最佳实践，请查看 AgentCore 评估（Amazon Bedrock AgentCore 的一项功能）和 AgentCore Insights。
先决条件
您需要一个具有 Amazon Bedrock AgentCore 访问权限、启用了 CloudWatch Transaction Search 的 AWS 账户以及已部署的代理。有关完整设置的详细信息，请参阅第 1 部分。
场景 3：性能瓶颈
当代理正常工作但响应太慢时，就会遇到性能瓶颈。您期望亚秒级响应，但会遇到多秒级延迟。代理成功完成任务，但延迟使得它们对于交互式用例来说不切实际。这种情况特别具有挑战性，因为慢是主观的。对于批处理代理来说可以接受的事情对于客户服务聊天机器人来说是不可接受的。您必须为您的特定用例建立性能预算，然后系统地识别哪些组件违反了这些预算。
需要注意的症状
接下来，分析请求时间线，了解时间花在哪里：