Amazon Bedrock AgentCore: как запустить рабочего AI-агента за несколько минут — VogueTech

Что нового

Amazon обновила AgentCore — платформу для запуска AI-агентов в составе Amazon Bedrock — и добавила три ключевые возможности:

Managed agent harness (управляемая «обвязка» агента)
Теперь не нужно писать собственный цикл оркестрации и поднимать инфраструктуру с нуля.

Что даёт:
- запуск агента через три API-вызова, без кастомного orchestration-кода;
- описание агента через конфигурацию: модель, доступные инструменты, инструкции;
- быстрая смена модели или набора инструментов — это правка конфига, а не переписывание кода;
- возможность поднять несколько вариантов агента и тестировать их за считанные минуты, меняя параметры API «на лету».
AgentCore CLI для полного цикла — от прототипа до продакшена
Новый CLI-инструмент позволяет:
- разрабатывать и отлаживать агента локально;
- деплоить в прод прямо из того же терминала, без отдельного CI/CD пайплайна;
- описывать инфраструктуру как код: поддерживается AWS CDK, заявлена интеграция с Terraform (скоро);
- гарантировать, что конфигурация агента в продакшене совпадает с протестированной локально.
Pre-built skills для кодовых ассистентов (Claude Code, Kiro и др.)
Для разработчиков, которые пишут код с помощью ассистентов, AgentCore добавляет готовые «скиллы»:
- ассистент получает не только API и документацию, но и best practices по AgentCore;
- Kiro уже включает это как встроенный Power;
- заявлены плагины для Claude Code, Codex и Cursor;
- цель — уменьшить число неверных решений ещё с первой строки кода.

Дополнительно:

управляемый harness сейчас доступен в режиме preview в четырёх регионах AWS: US West (Oregon), US East (N. Virginia), Asia Pacific (Sydney), Europe (Frankfurt);
AgentCore CLI и постоянный файловый стор для агентов доступны во всех коммерческих регионах AWS, где работает AgentCore;
скиллы для кодовых ассистентов обещают открыть до конца апреля;
оплата идёт только за использованные ресурсы AWS, без доплаты за CLI, harness или skills (детали — на странице цен AgentCore).

Цитата из практики: VTEX (ecommerce-платформа) говорит, что раньше прототипирование каждого нового агента занимало несколько дней из‑за оркестрации и инфраструктуры. С harness в AgentCore проверка идеи занимает минуты, а смена модели или набора инструментов — это правка конфигурации.

Как это работает

Managed agent harness

Любой AI-агент — это не только LLM, но и «петля» вокруг него:

вызов модели;
выбор и запуск нужного инструмента;
передача результатов обратно в контекст;
управление контекстным окном;
обработка ошибок и повторные попытки.

Для работы этой петли нужна инфраструктура:

вычислительные ресурсы для самого агента;
безопасная песочница для выполнения кода;
защищённые подключения к внешним инструментам и API;
постоянное хранилище для состояния и памяти;
механизмы восстановления после сбоев.

Раньше каждая команда строила всё это самостоятельно: выбирала фреймворк, писала оркестрацию, настраивала память, аутентификацию и деплой. AgentCore берёт этот слой на себя.

Новый managed harness работает так:

вы описываете агента через конфигурацию:
- какую модель использовать,
- какие инструменты он может вызывать,
- какие инструкции и политики он должен соблюдать;
AgentCore автоматически поднимает инфраструктуру:
- compute-ресурсы,
- подключение к инструментам,
- память и файловую систему,
- управление идентичностью и безопасностью;
агент готов к тесту через несколько минут после объявления конфигурации.

Если нужно поменять модель или добавить новый инструмент, вы:

не переписываете цикл оркестрации;
меняете параметры в конфиге или в API-вызове;
запускаете новый вариант агента практически сразу.

Под капотом harness использует Strands Agents — это open source фреймворк от AWS. Когда базовой конфигурации уже не хватает, можно перейти от декларативного описания к коду:

добавить кастомную логику оркестрации;
реализовать сложную маршрутизацию запросов;
собрать многоагентные сценарии.

При этом остаются те же:

платформа;
изоляция в microVM;
пайплайн деплоя.

Постоянное состояние агента

AgentCore сохраняет состояние сессии агента на устойчивую файловую систему:

агент может «уснуть» посреди задачи;
позже он продолжит с того же места;
не нужно вручную строить сложную прослойку для human-in-the-loop сценариев.

Это важно для кейсов, где человек периодически вмешивается в работу агента, но не хочется перепроектировать систему под каждый такой сценарий.

AgentCore CLI и IaC

CLI даёт единый рабочий цикл:

разработка и отладка агента локально;
деплой в продакшен из того же терминала;
управление конфигами и версиями.

AgentCore интегрируется с инфраструктурой как код:

AWS CDK уже поддерживается;
Terraform заявлен как «coming soon»;
конфигурация агента хранится в репозитории, можно откатываться, проводить ревью и воспроизводить окружения.

Pre-built skills для кодовых ассистентов

Обычный MCP-сервер даёт ассистенту доступ к API и документации, но не объясняет «как правильно» собирать решения поверх платформы. Новые skills в AgentCore добавляют именно это:

описанные паттерны использования;
рекомендации, как сочетать возможности AgentCore;
«рельсы» для типичных задач.

Kiro уже поставляется с таким skill как встроенный Power. Для Claude Code, Codex и Cursor анонсированы плагины. Идея проста: чем лучше контекст у ассистента по платформе, тем меньше времени вы тратите на исправление неверных подсказок.

Что это значит для вас

Когда AgentCore полезен

AgentCore имеет смысл рассматривать, если вы:

строите агентов, которые работают с инструментами и памятью, а не просто чат-ботов;
хотите быстро проверять гипотезы: менять модели, инструменты, инструкции без переписывания кода;
двигаетесь в сторону многоагентных систем с кастомной оркестрацией;
уже сидите на AWS и хотите минимизировать собственную инфраструктуру вокруг агентов.

Практические сценарии:

ecommerce-агенты (как у VTEX): подбор товаров, персональные рекомендации, автоматизация поддержки;
внутренние помощники для команд: сбор данных из внутренних сервисов, запуск внутренних инструментов;
агенты для DevOps и SRE: автоматический анализ логов, запуск диагностических скриптов в песочнице, подготовка отчётов;
сложные workflow, где агенту нужно вызывать несколько систем и сохранять контекст между шагами.

Где AgentCore не закроет все задачи

Не лучший выбор, если:

вам нужен простой чат-бот без инструментов и памяти — проще взять готовый hosted-бот или минимальный backend;
вы не используете AWS и не планируете — AgentCore жёстко привязан к инфраструктуре Amazon;
вам нужна on-premise установка без облака — AgentCore ориентирован на AWS Regions.

Также важно помнить:

доступ к AWS из России ограничен. Для работы с AgentCore может понадобиться VPN, зарубежный аккаунт и платёжные инструменты;
биллинг идёт по стандартной схеме AWS: вы платите за compute, storage, вызовы моделей и инструментов. Отдельной подписки на harness, CLI или skills нет, но суммарная стоимость зависит от нагрузки.

Как встроить в текущий процесс разработки

Если вы уже используете LangGraph, LlamaIndex, CrewAI или Strands Agents:

AgentCore задуман так, чтобы работать с теми же фреймворками и моделями, а не заставлять вас всё переписывать;
можно начать с managed harness, а потом постепенно переносить часть логики в Strands Agents, когда вы упрётесь в ограничения конфигурации.

Если вы полагаетесь на кодовые ассистенты:

подключите Kiro или дождитесь плагинов для Claude Code / Codex / Cursor;
дайте ассистенту доступ к проекту с конфигами AgentCore — тогда он сможет предлагать корректные интеграции и паттерны.

Место на рынке

AgentCore решает ту же задачу, что и популярные фреймворки и платформы оркестрации агентов: LangGraph, LlamaIndex, CrewAI и другие. Ключевое отличие — глубокая интеграция с AWS и управляемая инфраструктура.

Что у AgentCore есть из коробки:

managed harness с microVM-изоляцией;
сохранение состояния агента на устойчивый диск;
единый CLI с поддержкой IaC через CDK и (в перспективе) Terraform;
open source-ядро оркестрации на базе Strands Agents;
pre-built skills для кодовых ассистентов.

Чего в анонсе нет:

нет численных сравнений по скорости или стоимости с другими решениями;
нет бенчмарков по latency или throughput против альтернативных стэков;
нет прямого сравнения с конкретными конкурентами по цене или производительности.

Фактически AgentCore занимает нишу «агенты как управляемый сервис в AWS»: вы отдаёте оркестрацию и инфраструктуру платформе, а сами сосредотачиваетесь на логике, инструментах и продуктах, которые агент должен поддерживать.

Для команд, которые уже используют AWS и строят серьёзных агентов, это может быть логичным шагом. Для тех, кто живёт в другом облаке или в on-prem мире, придётся взвесить затраты на миграцию и зависимость от AWS.