云計算一哥，剛剛重新定義了AI Agent的玩法

金磊 假裝發(fā)自 紐約

量子位 | 公眾號 QbitAI

80分鐘的一場活動，Agent的“出鏡次數(shù)”竟能高達(dá)217次。

解鎖平均20多秒就提一次Agent的，正是云計算一哥，亞馬遜云科技。

為何會如此？

因為就在剛剛的紐約峰會上，亞馬遜云科技可以說是重新定義了部署AI Agent到生產(chǎn)環(huán)境中的方式——

正式發(fā)布Amazon Bedrock AgentCore，一個企業(yè)級的AI Agent搭建工具包。

如果說以往的AI Agent要部署到實際生產(chǎn)中，其結(jié)果更像是一個“毛坯房”，其間有太多問題亟需解決。

比如你想開發(fā)一個智能客服、個人助手或者業(yè)務(wù)流程自動化工具，這個過程都需要整合大語言模型、連接數(shù)據(jù)庫、調(diào)用各種API，并讓系統(tǒng)能夠智能決策。

AgentCore就像是為這些應(yīng)用提供的“智能大腦”，可以幫你統(tǒng)一管理和協(xié)調(diào)所有組件，讓復(fù)雜的AI應(yīng)用開發(fā)變得簡單高效。

之前的Amazon Bedrock提供的能力更加聚焦在基礎(chǔ)大模型本身，比如調(diào)用Claude、Meta、Nova、Mistral等大模型，有點類似于“租用大腦”。

而AgentCore則是在這個基礎(chǔ)上提供一個“智能體搭建工具包”，讓你能把這些大腦組合起來完成具體任務(wù)。

具體而言，它是涵蓋7大核心服務(wù)的一套組合拳，把部署AI Agent到生產(chǎn)過程中的各種細(xì)節(jié)內(nèi)容都照顧到位了，有一種直接“拎包入住精裝房”的感覺：

• AgentCore Runtime：

提供低延遲的無服務(wù)器環(huán)境，支持會話隔離，兼容任何代理框架（包括開源框架），能夠處理多模態(tài)工作負(fù)載和長期運行的Agent。通過AgentCore SDK在代碼中添加幾行代碼，指定入口點函數(shù)，即可將代理部署到云端。

• AgentCore Memory：

管理會話和長期記憶，為模型提供上下文信息，幫助Agent從過去的交互中學(xué)習(xí)。對于短期記憶，通過create_event存儲Agent交互，通過list_events加載最近的對話內(nèi)容；對于長期記憶，支持語義記憶策略（如用戶偏好、總結(jié)和事實捕獲），數(shù)據(jù)以加密形式存儲，并支持基于命名空間的數(shù)據(jù)分割。

• AgentCore Observability：

提供代理執(zhí)行的逐步可視化，包括元數(shù)據(jù)標(biāo)記、自定義評分、軌跡檢查和故障排除/調(diào)試過濾器。可以幫助開發(fā)者調(diào)試、審計和監(jiān)控Agent性能，內(nèi)置儀表板用于跟蹤關(guān)鍵操作指標(biāo)（如會話數(shù)、延遲、錯誤率等），支持OpenTelemetry以集成現(xiàn)有可觀測性平臺。

• AgentCore Identity：

使AI Agent能夠安全地訪問亞馬遜云科技服務(wù)和第三方工具（如GitHub、Salesforce、Slack），支持基于用戶身份或預(yù)授權(quán)用戶同意的操作。通過創(chuàng)建工作負(fù)載身份和憑證提供者（如OAuth2、API密鑰），Agent可以使用這些憑證安全地訪問資源。

• AgentCore Gateway：

將現(xiàn)有的API和Lambda函數(shù)轉(zhuǎn)換為可用于代理的工具，提供跨協(xié)議（包括MCP）的統(tǒng)一訪問和運行時發(fā)現(xiàn)，提供雙重身份驗證模型以確保安全。

• AgentCore Browser：

提供托管的網(wǎng)頁瀏覽器實例，擴展Agent的Web自動化工作流?？梢杂糜谠L問沒有程序化API的系統(tǒng)或需要通過Web界面訪問的資源。

• AgentCore Code Interpreter：

提供隔離環(huán)境以運行代理生成的代碼。用于執(zhí)行需要計算的任務(wù)，例如客戶支持Agent需要進(jìn)行的計算。

這些服務(wù)既可以單獨使用，也經(jīng)過優(yōu)化能夠無縫協(xié)作，開發(fā)者不用再花時間去拼湊各種組件了。

AgentCore是首個提供完全開發(fā)靈活性的企業(yè)級無服務(wù)器AI代理運行時平臺，支持任何框架、模型和協(xié)議，具備8小時工作負(fù)載支持、嚴(yán)格安全邊界和按需付費的可組合服務(wù)架構(gòu)。

一言蔽之，再大規(guī)模的AI Agent，現(xiàn)在AgentCore這里，都可以安全操作和部署。

由此作為最為關(guān)鍵的發(fā)布，亞馬遜云科技在今天的活動中，不論是在基礎(chǔ)設(shè)施、模型架構(gòu)，亦或是應(yīng)用上，均圍繞著Agent來展開。

之所以如此，亞馬遜云科技Agentic AI副總裁Swami Sivasubramanian的話來說就是：

未來的關(guān)鍵在于讓所有Agents和工具協(xié)同工作。

不僅要方便，還要夠靠譜

為了更方便操作，基于AgentCore，亞馬遜云科技還推出了Marketplace中的AI Agents和工具，只需要通過自然語言搜索，客戶就可以輕松描述使用場景并找到相關(guān)解決方案（目前已經(jīng)有數(shù)百種）。

除此之外，亞馬遜云科技在Amazon SageMaker AI中還推出了Amazon Nova定制化的功能。

客戶現(xiàn)在可以在模型訓(xùn)練生命周期中對Nova Micro、Nova Lite和Nova Pro進(jìn)行定制，包括預(yù)訓(xùn)練、監(jiān)督微調(diào)和對齊。

據(jù)了解，這些技術(shù)作為現(xiàn)成的Amazon SageMaker配方提供，并支持無縫部署到Amazon Bedrock，滿足按需和預(yù)置吞吐量推理的需求。

針對AI Agent許多功能過分依賴API的問題，亞馬遜云科技還推出了Amazon Nova Act來打破這一局限——

創(chuàng)建能夠在網(wǎng)頁瀏覽器中執(zhí)行任務(wù)的AI Agent。

與此同時，亞馬遜云科技一道還發(fā)布了Amazon Nova Act SDK的研究預(yù)覽版，用這個SDK，開發(fā)者就可以很方便地創(chuàng)建能夠自動執(zhí)行網(wǎng)頁任務(wù)的AI Agent。

為了進(jìn)一步提高準(zhǔn)確性，SDK支持通過Playwright進(jìn)行瀏覽器操作、API調(diào)用、Python集成以及并行線程處理，以克服網(wǎng)頁加載延遲。

在內(nèi)部評估中，Amazon Nova Act針對特定能力取得了超過90%的高分，例如在ScreenSpot Web文本基準(zhǔn)測試中得分0.939。

由此可見，亞馬遜云科技在打造AI Agent這件事上，不僅追求可用度，更加注重可靠性。

數(shù)據(jù)庫也很AI Agent

亞馬遜云科技針對AI Agent這個主旋律，還在數(shù)據(jù)層上下足了功夫。

眾所周知，向量（Vectors）可以說是AI的語言，它可以把文字、圖像等內(nèi)容轉(zhuǎn)成大模型能理解的數(shù)字格式。

對于現(xiàn)代企業(yè)來說，AI Agent將向量用于兩個關(guān)鍵功能，一個是用于從過去的互動中構(gòu)建上下文，另一個是發(fā)現(xiàn)海量數(shù)據(jù)集中的相似性內(nèi)容。

但現(xiàn)在面臨的一個問題是，目前的知識、數(shù)據(jù)規(guī)模變得越來越大，它們不再僅僅是臨時資源，更是必須長期保存的戰(zhàn)略資源。

為此，亞馬遜云科技推出了Amazon S3 Vectors——首個原生支持存儲大規(guī)模向量數(shù)據(jù)集、并提供亞秒級查詢性能的云對象存儲服務(wù)。

它最大的亮點，就是直接把上傳、存儲和查詢向量的總成本降低多達(dá)90%！

從技術(shù)角度來看，S3 Vectors推出了一種叫“向量桶”（vector buckets）的新存儲類型，它有專門的API接口，讓我們可以存儲、訪問和查詢向量數(shù)據(jù)，而且不需要自己搭建任何基礎(chǔ)設(shè)施。

當(dāng)創(chuàng)建一個S3向量桶時，我們的向量數(shù)據(jù)會被組織在“向量索引”（vector index）中，這樣就能很簡單地對數(shù)據(jù)集進(jìn)行相似性搜索。

據(jù)了解，每個向量桶最多可以有10000個向量索引，每個向量索引可以存儲數(shù)千萬個向量。

在創(chuàng)建向量索引后，當(dāng)我們往索引里添加向量數(shù)據(jù)時，還可以給每個向量附加一些元數(shù)據(jù)（以鍵值對的形式），這樣一來查詢時就能根據(jù)特定條件進(jìn)行過濾，比如按日期、類別或用戶偏好來篩選。

隨著時間推移，當(dāng)你對向量進(jìn)行寫入、更新和刪除操作時，S3 Vectors會自動優(yōu)化這些向量數(shù)據(jù)，確保在向量存儲方面達(dá)到最佳的性價比，即使數(shù)據(jù)集規(guī)模不斷擴大和變化也是如此。

S3 Vectors還與Amazon Bedrock Knowledge Bases（包括Amazon SageMaker Unified Studio）原生集成，用于構(gòu)建成本效益高的檢索增強生成（RAG）應(yīng)用。

通過與Amazon OpenSearch Service的集成，我們可以把不常查詢的向量放在S3 Vectors中來降低存儲成本，然后在需求增加時快速將它們轉(zhuǎn)移到OpenSearch，或者用于支持實時、低延遲的搜索操作。

亞馬遜云科技的AI Agent之道，已經(jīng)改變了AI編程

除了基礎(chǔ)設(shè)施和模型層面之外，亞馬遜云科技在應(yīng)用上還拿出了一款全新的免費AI編程工具，Kiro。

若是用一句話概括Kiro的亮點，那就是只要你有想法，它就能幫你把這個想法變成實際可用的軟件，而且是從項目啟動、設(shè)計、編程到最終維護(hù)，全程都有專業(yè)級的Agent深度參與。

例如我們要給電商網(wǎng)站添加一個評論系統(tǒng)，現(xiàn)在就只需要三步即可。

第一步，把一句話需求變成詳細(xì)計劃：

為產(chǎn)品添加評論系統(tǒng)。

可以看到，Kiro秒懂了你的意圖，馬上把這句簡單的話，分解成一個個具體的用戶場景和需求。

比如，它會想到“用戶要能看評論”、“用戶要能寫評論”、“用戶可以篩選評論”、“用戶可以給評論打分”等等。

并且，Kiro會把每個需求的驗收標(biāo)準(zhǔn)都寫得清清楚楚，就像一份詳細(xì)的需求文檔，避免了后續(xù)理解上的偏差。

第二步，根據(jù)計劃自動生成“施工圖紙”。

在咱們確認(rèn)了第一步的需求計劃后，Kiro就會自己去研究現(xiàn)有的項目代碼；然后，它會自動生成一份技術(shù)“施工圖紙”。

這份圖紙非常專業(yè)，包括數(shù)據(jù)怎么流動、需要哪些新的數(shù)據(jù)接口和數(shù)據(jù)庫設(shè)計等等。

比如，它會設(shè)計好“評論”這個東西具體應(yīng)該包含哪些信息（如評論內(nèi)容、評分、用戶ID等）。

第三步，把“圖紙”變成一個個具體的“施工任務(wù)”。

在這個步驟中，Kiro會根據(jù)上一步的“施工圖紙”，把整個開發(fā)工作拆分成一個個小任務(wù)，并且按照“先做什么后做什么”的依賴關(guān)系排好順序。

每個小任務(wù)都寫得非常具體，比如“寫單元測試”、“做集成測試”、“考慮加載時的頁面狀態(tài)”、“適配手機版”、“保證無障礙使用”等等。

或許此時你就要問了，Kiro和其它的編程AI有什么區(qū)別？

其實從剛才的展示過程中應(yīng)該也能或多或少地感受到，在亞馬遜云科技開辟的AI Agent新生產(chǎn)范式之下，正如網(wǎng)友所說：

Kiro規(guī)范化了AI編程的工作流程。

以上便是此次發(fā)布的主要內(nèi)容了，整體來看，亞馬遜云科技再一次從基礎(chǔ)設(shè)施、模型框架以及應(yīng)用三個層面來了個“大煥新”，而這一次的主角，毫無疑問就是AI Agent。

而這一切，所影射的實則是云計算一哥下的一盤大棋。

Why AI Agent？Why 亞馬遜云科技？

對于第一個問題，若是用Swami Sivasubramanian在現(xiàn)場所陳述的愿景來解釋，那就是：

讓亞馬遜云科技成為構(gòu)建世界上最有用的AI Agents的最佳場所。

在亞馬遜云科技看來，AI Agent的意義不僅僅是一個技術(shù)概念，更是企業(yè)組織效率的躍遷工具。

借助Agentic AI，企業(yè)可以將重復(fù)性強、邏輯明確的任務(wù)交由智能體完成，讓員工專注于更具創(chuàng)造力與戰(zhàn)略性的事務(wù)。

通過AI Agent，亞馬遜云科技可以幫助客戶簡化流程、提升響應(yīng)速度，并釋放團(tuán)隊潛能，從而改變業(yè)務(wù)運作方式。

而縱觀今天所有的新發(fā)布，雖然它們的細(xì)分功能各有側(cè)重，但小目標(biāo)均是劍指于此。

例如為了讓更多企業(yè)快速找到、試用并部署Agent，亞馬遜云科技在其Marketplace市場中新增了“AI Agents & Tools”分類。

再如為了解決許多AI Agent只能停留在原型驗證階段，缺乏可擴展性與安全保障的問題，亞馬遜云科技推出的Amazon Bedrock AgentCore就專門為生產(chǎn)級AI Agent而設(shè)計。

以及面向開發(fā)者，諸如Kiro這樣的AI編程應(yīng)用，更是重新規(guī)范了AI Agent在編程任務(wù)中的流程，目標(biāo)依舊是能夠保障“生產(chǎn)級”。

如此考量的背后，也有市場發(fā)展的預(yù)期所支撐。根據(jù)最新調(diào)查數(shù)據(jù)，AI Agents正迅速成為企業(yè)主流應(yīng)用。

LangChain調(diào)查顯示，超過50%的公司已在生產(chǎn)環(huán)境中部署agent，近80%正在開發(fā)中。Gartner預(yù)測到2028年，33%的企業(yè)軟件將包含Agentic AI（相比2024年不到1%），15%的日常工作決策將由其自主完成，并將取代20%的人類店面互動。

企業(yè)更青睞能查詢多個任務(wù)特定模型的Agentic AI功能而非單一基礎(chǔ)模型，這種多語言模型方法具有更強的跨領(lǐng)域擴展性。目前，軟件開發(fā)、客戶服務(wù)、理賠處理和IT流程自動化是Agentic AI的主要早期應(yīng)用場景。

并且從技術(shù)發(fā)展的角度來看，目前幾乎所有的生成式AI產(chǎn)品或應(yīng)用，均離不開AI Agent這個關(guān)鍵詞。

由此，就不難理解為什么亞馬遜云科技如此關(guān)注AI Agent了，正如CEO Matt Garman所說：

AI Agent將改變我們所有人的工作和生活方式，其影響力堪比互聯(lián)網(wǎng)的誕生。

大趨勢已經(jīng)指向AI Agent，科技巨頭又以“all in”之勢發(fā)力于此，雙重認(rèn)證之下已然證明了AI Agent的重要性；但更重要的一點是，云計算一哥已然給業(yè)界交付了“快好省”投入生產(chǎn)的新范式。

One More Thing：

上海峰會余溫猶在，紐約峰會新品已來。亞馬遜云科技已經(jīng)把兩場頂級盛會的精華內(nèi)容，濃縮進(jìn)城市限時巡演活動中。8 月 8 日起，福州、合肥、青島、廣州、重慶、成都、長沙七城聯(lián)動，每站駐留 3 小時，聚焦最熱門的 AI 場景，現(xiàn)場拆解、即時體驗，為城市伙伴帶來零距離的前沿洞察。

感興趣的小伙伴可以前往亞馬遜云科技官方小程序注冊現(xiàn)場參會哦~