AgentCore新增四大功能，为Agent落地扫清困难

亚马逊云科技re:Invent 2025：Amazon Bedrock AgentCore重磅升级

re:Invent 2025期间，亚马逊云科技宣布Amazon Bedrock AgentCore（仅面向海外业务）多项核心功能升级，助力企业安全、高效地规模化部署AI Agent。自2025年7月预览版发布以来，AgentCore SDK下载量已突破200万次，广泛应用于体育、SaaS、零售等多个行业。

典型应用案例

• PGA TOUR：基于AgentCore构建多Agent内容生成系统，内容撰写效率提升10倍，成本降低95%。
• Workday：依托AgentCore Code Interpreter实现自然语言驱动的财务数据分析，规划分析耗时缩短30%，每月节省约100小时。
• Grupo Elfa：通过AgentCore Observability实现Agent决策100%可追溯，问题解决时间缩短50%，销售团队日均处理数千份报价请求。

Agent规模化部署的核心挑战与应对

随着企业加速Agent落地，如何设定合理运行边界、保障数据安全与决策合规，成为关键瓶颈。Agent的自主性既是优势，也带来风险——可能越权访问敏感数据、执行未授权操作或偏离预期目标。

AgentCore全新能力体系聚焦“可信部署”，从策略管控、质量评估、经验学习与交互优化四方面系统性解决上述难题：

Policy in AgentCore（预览版）

通过细粒度权限策略，在AgentCore Gateway工具调用前实时拦截校验，为Agent行为划定明确边界。策略独立于Agent推理流程，与Gateway深度集成，兼顾安全性与响应速度。

AgentCore Evaluations（预览版）

全托管质量评估服务，支持内置评估器（准确性、实用性、安全性、上下文相关性等）与自定义模型评分。评估结果实时同步至Amazon CloudWatch，支持设置阈值警报，覆盖测试与生产全周期。

AgentCore Memory 情景记忆功能

新增长期策略机制，使Agent能从历史交互中学习并优化后续决策。系统自动提取结构化情景片段，经反思Agent提炼通用规律，显著提升任务一致性与个性化服务能力。

AgentCore Runtime 双向流式传输功能

支持语音Agent实现自然流畅的实时对话：用户可在Agent回复过程中随时打断，Agent即时适配新意图，保持上下文连贯性，大幅降低复杂对话系统的开发门槛。

Policy in AgentCore：精准管控Agent

Policy功能将Agent视为具备自主决策能力的主体，所有工具调用必须通过策略验证后方可执行。用户既可用自然语言描述规则（系统自动生成并验证Cedar策略），也可直接编写Cedar代码，无需定制开发即可完成策略配置、审计与复用。

策略规则完全解耦于Agent构建方式与底层模型，可统一定义Agent可访问的工具（API、Lambda函数、MCP服务器、第三方服务）、可执行操作及触发条件。一次配置，全企业复用，开发者可专注体验创新，企业可放心推进规模化部署。

Policy使用指南

在AgentCore控制台“Policy”模块中创建策略引擎，并关联一个或多个AgentCore Gateway。策略引擎支持强制执行（允许/拒绝调用）或仅日志模式，便于灰度验证。

创建策略时，可基于JWT token中的OAuth声明（如role）与工具调用参数（如context.input.amount）设定条件。例如：仅限role为refund-agent且退款金额低于200美元的用户调用退款工具。

permit(
  principal is AgentCore::OAuthUser,
  action == AgentCore::Action::"RefundTool__process_refund",
  resource == AgentCore::Gateway::"<GATEWAY_ARN>"
)
when {
  principal.hasTag("role") &&
  principal.getTag("role") == "refund-agent" &&
  context.input.amount < 200
};

左右滑动查看完整示意

AgentCore Evaluations：实现持续、实时的质量洞察

AgentCore Evaluations提供开箱即用的多维评估能力，涵盖正确性、帮助性、工具选择准确率、目标成功率、安全性等通用指标，并支持基于业务场景定制提示词与评分模型。

评估数据自动采集、实时打分，结果与Observability洞察统一集成至Amazon CloudWatch仪表盘。支持按采样率与过滤条件灵活配置任务，权限可复用现有IAM角色。

客服Agent典型评估维度

• 准确性：回复信息是否符合事实；
• 忠实度：回复是否有上下文或数据源支撑；
• 实用性：是否对用户真正有用；
• 危害性：是否存在有害内容；
• 刻板印象：是否含针对特定群体的笼统表述。

工具选择与参数提取类评估器，可验证Agent是否选用合适工具并准确解析用户意图。

自定义评估器创建流程

指定评估模型、配置温度系数与最大输出Token数，输入定制化提示词（可修改内置模板或全新编写）；定义评分量级（数值或文本标签）；设定计算范围（单条追踪、完整会话或单次工具调用）。

AgentCore Memory：支持Agent基于经验自主学习

AgentCore Memory新增长期记忆策略，使Agent能持续学习用户偏好与任务规律。例如：多次为差旅Agent指定会议后返程弹性调整，系统将自动归纳该模式，在后续类似场景中主动推荐适配方案。

该功能通过结构化记录上下文、推理链、动作与结果，并由反思Agent提炼通用逻辑，减少对冗长指令的依赖，提升响应精度与个性化水平。

AgentCore Runtime：实现更自然流畅的对话交互

双向流式传输功能使语音Agent具备实时倾听与动态响应能力，用户无需等待Agent完整回复即可插话，Agent即时切换上下文，形成接近人类交流节奏的对话体验。

该功能抽象了底层并发通信与状态管理复杂性，开发者仅需几行代码即可构建高可用、低延迟的语音交互Agent，显著提升终端用户体验与开发效率。

适用区域与兼容性

AgentCore Policy预览版已上线区域包括：美国东部（俄亥俄州、北弗吉尼亚州）、美国西部（俄勒冈州）、亚太地区（孟买、新加坡、悉尼、东京）及欧洲地区（法兰克福、爱尔兰）。

AgentCore Evaluations预览版已上线区域包括：美国东部（俄亥俄州、北弗吉尼亚州）、美国西部（俄勒冈州）、亚太地区（悉尼）及欧洲地区（法兰克福）。

AgentCore采用按量付费模式，无前期承诺；新用户可享免费套餐，快速上手。服务兼容CrewAI、LangGraph、LlamaIndex、Strands Agents等主流开源框架，支持任意基础大模型，支持组合使用或独立部署，并提供开源MCP服务器，适配主流AI辅助开发环境。