详细内容或原文请订阅后点击阅览
使用 SageMaker AI 和 Bedrock AgentCore 构建代理工作流程
了解如何将 Amazon SageMaker AI 上与 OpenAI 兼容的终端节点与 Amazon Bedrock AgentCore 运行时相结合，以构建多代理工作流程，其中每个专业代理都使用最适合其工作的模型。这篇文章还展示了如何从 Strands Agent 默认情况下不检测的 SageMaker 端点获取令牌级别的可观测性。
来源:亚马逊云科技 _机器学习构建代理工作流程的一个常见挑战是将托管基础模型 (FM) 与您自己的成本优化或特定于域的模型混合在一起，而无需重写代理框架来完成此任务。在本文中，我们将向您展示如何将 Amazon SageMaker AI 上与 OpenAI 兼容的终端节点与 Amazon Bedrock AgentCore 运行时（Amazon Bedrock AgentCore 的一项功能及其托管部署）相结合。专业代理可以协作完成复杂的任务，同时每个代理都使用最适合其工作的模型。这种组合可以在单个生产就绪架构中为您提供成本优化、数据驻留和模型灵活性。
我们将逐步介绍如何在 Amazon SageMaker AI 上部署 Qwen 3.5 9B，将其与 Amazon Bedrock 上的模型一起集成到 Strands Agents 多代理系统中，并将整个工作流程传送到 Amazon Bedrock AgentCore 运行时。重点是集成机制，包括如何从 SageMaker 端点获取令牌级别的可观察性，而 Strands 默认情况下不提供这种功能。
解决方案概述
该架构通过单个 Amazon Bedrock AgentCore 容器连接三个模型托管路径：
Amazon Bedrock 模型的可用性因 AWS 区域而异。请参阅 Amazon Bedrock 中 AWS 区域支持的型号。
图 1：跨 Amazon Bedrock 和 Amazon SageMaker AI 的多代理工作流程架构
先决条件
您必须满足以下先决条件才能完成这篇文章。
pip install sagemaker-core openai httpxstrands-agents[otel] yfinance pydantic bedrock-agentcore。