Securing Amazon Bedrock AgentCore Runtime with AWS WAF
这篇文章向您展示了解决此问题的两种架构模式。两者都使用面向互联网的 ALB 和 AWS WAF，并通过 VPC 接口终端节点将流量路由到 AgentCore 运行时。模式 1 在 ALB 和 VPC 终端节点之间放置一个 AWS Lambda 代理，让您可以完全控制请求转换。模式 2 直接从 ALB 定位 VPC 终端节点 ENI IP 地址，完全删除 Lambda 跃点。您还将了解如何使用资源策略关闭直接访问后门，以便流量仅流经 AWS WAF。这两种模式均已通过 SigV4 和 OAuth (Amazon Cognito JWT) 身份验证进行了端到端测试。
Build a serverless image editing agent with Amazon Bedrock AgentCore harness
这篇文章逐步介绍了如何构建一个无服务器图像编辑器，用户可以在其中上传照片，用简单的英语描述编辑内容，并在几秒钟内收到结果。代理在 AgentCore 线束上运行，无需自定义编排代码。我们使用单个部署命令部署完整的解决方案，包括身份验证、加密存储、三个图像编辑工具和一个 React 前端。基础设施是使用 AWS 云开发套件 (AWS CDK) 定义的。
Structured memory filtering with metadata in AgentCore Memory
在本文中，您将了解元数据如何跨配置、摄取和检索工作，探索包括多代理和多租户架构在内的企业用例，并发现实施的最佳实践。
Debugging production agents with Amazon Bedrock AgentCore Observability
在本文中，您将了解如何使用内置的可观察性功能来调试生产代理故障。我们介绍常见的故障模式，展示如何通过跟踪和指标分析代理行为，并提供结构化工作流程来解决无限循环和工具调用失败等问题。这是由两部分组成的系列的第 1 部分。第 2 部分介绍性能优化和内存管理。
‘AI Agents Will Handle 30% of Inhouse Work’ – Deloitte
德勤法律部的市场分析表明，在未来三到五年内，人工智能代理可以处理企业内部 30% 的工作......
From Local LLM to Tool-Using Agent
使用 Gemma 4、Ollama、OpenAI Agents SDK 和 Tavily MCP 构建轻量级研究代理从本地 LLM 到工具使用代理的帖子首先出现在 Towards Data Science 上。
Pentagon Launches Agent Network AI Tool to Transform Battle Management and Enemy Targeting
五角大楼周四推出了新的人工智能 AI nb Agent Network
Vector RAG Isn’t Enough — I Built a Context Graph Layer for Multi-Agent Memory
我在相同的多代理对话上对原始聊天历史记录、纯矢量 RAG 和上下文图进行了基准测试。结果暴露了关系检索中的一个令人惊讶的弱点。Vector RAG isn't Enough — I Building a Context Graph Layer for Multi-Agent Memory 首先出现在 Towards Data Science 上。
Build a healthcare appointment agent with Amazon Nova 2 Sonic
在本文中，您将了解如何使用 Amazon Nova 2 Sonic 和 Amazon Bedrock AgentCore 构建处理预约提醒对话的语音代理。该代理通过语音对患者进行身份验证，管理预约（确认、取消或重新安排），收集就诊前的健康信息，并在需要时升级给工作人员。您可以大规模处理例行呼叫，这有助于降低缺席率。此示例重点关注问题的代理方面：语音对话和工具编排。包含一个基于浏览器的界面用于测试。要将代理连接到实际电话线路以进行出站拨号，您可以集成电话服务，例如 Amazon Connect Customer。
Building pay-per-intelligence for AI agents: How Ampersend uses Amazon Bedrock AgentCore Payments
在本文中，您将了解 Ampersend 如何在 Amazon Bedrock AgentCore Payments 之上构建按智能付费的路由层。人工智能代理自动将任务路由到最有效的模型，按请求付费，并在支出预算内运行。您还将了解两跳支付模式如何端到端工作以及如何开始您自己的实施。
Here’s What Everyone Gets Wrong About Agentic AI
Agentic AI 的失败并不是因为技术不好。它之所以失败，是因为团队在第一次部署中存在五个具体的误解，而每个误解都是可以纠正的。
Accelerate campaign workflow with insights from Adobe Marketing Agent for Amazon Quick
本文展示了如何使用模型上下文协议 (MCP) 启用 Adobe Marketing Agent for Amazon Quick。我们将引导您了解如何配置集成、使用您的 Adobe 凭证进行身份验证以及在 Amazon Quick 中获取最新见解。示例工作流程返回受众排名、忠诚度细分摘要、旅程使用情况和冲突建议。
今天，Amazon Bedrock AgentCore 线束正式上市。两次 API 调用（CreateHarness 定义代理，InvokeHarness 运行它），几秒钟内即可运行代理。该代理在具有文件系统和 shell 的独立环境中运行，因此它可以安全地读取文件、运行命令和编写代码。它会记住会话中的用户和对话，获取您指定的技能（包括 AWS 策划的目录），浏览网页，通过网关或 MCP 调用您的工具，并在会话中切换模型提供商而不会丢失上下文。每一步都会实时反馈给您，并自动跟踪到 Amazon CloudWatch。除非您愿意，否则您不需要编写编排代码或构建容器。
New in Amazon Bedrock AgentCore: Build agents with broader knowledge and continuous learning
今天，我们将推出 Amazon Bedrock AgentCore 的新功能，该平台用于构建、连接和优化代理。在这篇文章中，我们将介绍这些功能如何缩小各个差距：将代理与组织、网络和付费知识连接起来；帮助团队发现并修复生产中出现的问题；随着代理能力的增强，实施可扩展的控制措施。它们共同帮助您更快地构建更强大的代理，通过可扩展的控制来管理它们，并不断改进它们。
Build context-rich research agents with Deep Agents and Bedrock AgentCore
在这篇文章中，您将构建一个有竞争力的研究代理，端到端地演示此模式。本演练针对的是构建多步骤 AI 工作流程的开发人员，他们需要为其代理提供隔离的执行环境。在本笔记本的第 2 部分中，您可以使用 AgentCore CLI 将同一代理部署到 Bedrock AgentCore Runtime，以便它作为托管、会话隔离的服务运行。
GPU Time-Slicing for Concurrent LLM Agents on Kubernetes
系统级深入探讨 Kubernetes GPU 时间切片的隐藏微架构成本，以及共置 Agentic AI 工作负载的实际成本。Kubernetes 上并发 LLM 代理的 GPU 时间切片后文章首先出现在《走向数据科学》上。
Who Owns the Code Claude Wrote?
以下文章最初发表于 Sena Evren 的 Legal Layer 时事通讯，经作者许可在此转载。 TL; DR Agentic 编码工具（例如 Claude Code、Cursor 和 Codex）生成的代码可能不受版权保护、由您的雇主拥有，或者受到您看不到的开源许可证的污染。其中一些已解决 [...]
