亚马逊云科技(AWS)最近推出了 Amazon Bedrock AgentCore,这是一项帮助开发者轻松创建和管理 AI 智能体的服务。AgentCore 可以在不同的框架和模型上运行,无论是托管在 Amazon Bedrock 还是其他环境中。AgentCore Runtime 提供了一个安全、无服务器的环境,专门用于部署和运行 AI 智能体或工具。它与流行的框架如 LangGraph、Strands 和 CrewAI 无缝协作,并具备自动扩展和内置安全功能。

为了简化 AI 智能体的部署流程,我们设计了一个基于 GitHub Actions 的 CI/CD 流水线。这个方案不仅提供了企业级的安全控制,还实现了完整的持续集成和交付(CI/CD)自动化。通过这个流水线,开发者可以高效地更新现有智能体,并集成持续的安全扫描和严格的代码质量检查,从而减少操作复杂性,提高安全性,并加速 AI 智能体的开发。
Amazon Bedrock AgentCore Runtime 的优势在于它是一个框架无关的环境,可以运行各种智能体。它支持亚马逊 Bedrock 和 Anthropic Claude 等大型语言模型(LLM),并通过在专用的微虚拟机中运行每个用户会话来实现会话隔离,确保 CPU、内存和文件系统资源的独立。此外,它还支持实时交互和长达 8 小时的长时运行工作负载,并内置了身份验证和可观测性功能。
我们的解决方案由几个关键组件组成。首先,GitHub Actions 作为工作流编排工具来托管流水线。其次,Amazon Bedrock AgentCore Runtime 作为 AWS 服务来托管和运行部署的智能体。第三,Amazon Elastic Container Registry(Amazon ECR)用于存储、管理和部署智能体的容器镜像。最后,Amazon Inspector 用于对容器镜像进行高级和持续的漏洞扫描。

为了在 GitHub 和 AWS 之间建立信任,我们使用了 IAM OIDC 身份提供商。这使得 GitHub Actions 能够在不维护 AWS 密钥和凭证的情况下进行部署。通过这种方式,我们实现了最小权限访问控制,并确保了环境分离,符合 AWS 的最佳实践。
这个解决方案的架构图展示了数据流的各个环节。开发者将代码推送到 GitHub 仓库后,GitHub Actions 会触发流水线,自动构建、测试并部署智能体到 AgentCore Runtime。Amazon Inspector 会在部署过程中进行漏洞扫描,确保容器镜像的安全性。整个过程无需人工干预,显著提高了部署效率和安全性。

通过这个方案,企业可以更高效地管理 AI 智能体的生命周期,从开发到部署再到更新,都能在统一的平台上完成。这不仅降低了运维成本,还提升了智能体的可靠性和安全性。对于希望快速迭代和部署 AI 应用的团队来说,这无疑是一个理想的解决方案。
OpenClaw—AI研究