Amazon Bedrock AgentCore Harness 现已正式上市：数分钟内从创意到生产级智能体

一年前，Simon Willison 给出了智能体最清晰的定义之一：LLM 智能体通过循环运行工具来实现目标。这个定义之所以被广泛接受，是因为它描述了一切生产级智能体的实际运作方式。无论是 Kiro、Amazon Q Developer、Quick Agents、Codex 还是 Claude Code，它们底层都采用相同的循环结构。但循环本身从来不是难点，真正的挑战在于围绕它的一切：选择框架、连接工具、配置沙盒计算环境、管理存储、密钥和网络、决定记忆存放位置、添加可观测性、将正确的依赖放入正确的容器。而且，本地原型设计往往相对简单：单个开发者可以在一个下午在笔记本上搭建一个智能体，但将其投入生产环境时，工作量会急剧增加。更糟糕的是，每增加一个新用例，这些开销都会成倍增加。团队想要尝试不同模型、更换工具或将智能体应用于新领域时，不得不重复相同的底层工作。瓶颈不在于智能，而在于编排和基础设施。

当我们在四月首次推出 AgentCore Harness 预览版时，我们押注于一个理念：AgentCore 原语（运行时、记忆、网关、浏览器、身份、可观测性）已经为团队提供了生产环境中运行智能体所需的一切，而他们无需每次都手动连接这些组件。Harness 将这些连接作为托管抽象处理，使其成为可配置而非构建的内容。如今，Amazon Bedrock AgentCore Harness 正式发布。只需两次 API 调用（CreateHarness 定义智能体、InvokeHarness 运行它），或在 AgentCore CLI 中快速操作，或通过控制台点击几次，数分钟内即可拥有一个运行中的智能体。它运行在独立隔离的环境中，配备文件系统和 shell，因此可以安全地读取文件、运行命令和编写代码。它能跨会话记住用户和对话，可应用指向的技能（包括 AWS 策划的目录），浏览网页，通过网关或 MCP 调用工具，并在会话中无缝切换模型提供商而无需丢失上下文。每个步骤都实时流式返回给您，并自动追踪至 Amazon CloudWatch。无需编写编排代码或构建容器，除非您希望这样做。

Harness 为您提供了什么？本质上，Harness 是智能体在生产中运行所需的一切，封装在两个 API 调用之后。您指定所需的模型、工具、技能和指令，AgentCore 则处理沙盒环境、记忆、存储、身份以及可观测性。在正式版本中，我们特别增强了模型灵活性：您可以为不同任务选择不同模型，甚至在会话中切换模型提供商，同时保持上下文。例如，您可以使用 Claude Opus 进行规划，切换到 GPT-5.5 编写代码，再切换到 Gemini 进行总结，对话持续进行。工具方面，您只需声明智能体可以使用的工具，Harness 处理连接、认证和执行。支持网关、MCP、浏览器沙盒和代码解释器。记忆功能默认提供托管式记忆，包含语义和摘要策略，30 天过期，多租户隔离。您也可以自带记忆或禁用。技能方面，正式版本引入了 AWS 技能存储库，涵盖核心技能（SDK 使用、基础设施即代码、IAM、CloudWatch、Bedrock）以及针对分析、数据库、EC2、网络、安全、无服务器和存储的服务特定工作流。只需一个 awsSkills 开关即可启用，无需任何部署。

环境方面，您可以使用默认的 Python 和 bash 环境，或通过自定义容器镜像和文件系统来定制运行时。容器镜像可打包源代码、依赖项和工具，而 InvokeAgentRuntimeCommand 允许在智能体会话内直接执行 shell 命令。Harness 还支持人类参与循环、流媒体、延迟分析等功能。正式版本还引入了基于使用量的定价模式：您只需为运行的会话付费，Harness 本身免费。综上所述，AgentCore Harness 将智能体开发从繁重的自定义构建转变为可配置的体验，让团队能够快速迭代并专注于智能体的核心功能。