运行时实例：Amazon Bedrock AgentCore 上生产级AI代理的持久计算

当您将AI代理从原型迁移到生产环境时，基础设施挑战成倍增加。您的代理需要在运行数小时或数天的多步骤工作流中保持状态。它们需要与其他代理协调、共享上下文，有时还需要访问GPU以执行专门任务。Amazon Bedrock AgentCore 运行时微虚拟机（runtime microVMs）为可持续运行长达8小时的调用提供完全托管的环境，并通过托管会话存储支持有状态工作流。某些工作负载还需要专用的、更大容量的环境——例如，当代理需要连续运行数天、访问GPU或底层操作系统，或在同一主机上运行多个协作代理时。

今天，我很高兴宣布运行时实例（runtime instances），这是 Amazon Bedrock AgentCore 运行时中一项新的补充计算选项，为复杂的代理工作负载提供持久、托管的专用基础设施。

您将获得什么

运行时实例提供 AWS 托管的 EC2 基础设施，您可以在单个运行时中部署多个代理，每个代理拥有自己的依赖项和工件类型。您的代理可以在同一主机上协作，在持续长达14天的共享会话中工作。该服务支持 GPU 加速以处理计算密集型任务，支持会话停止/重启以在空闲期间节省成本，并支持容器化部署，方便团队独立发布。对于需要跨会话存续的知识，运行时实例可与 Amazon Elastic Block Store（Amazon EBS）和 AgentCore Memory 自然搭配，后者为您的代理提供跨会话和跨环境的长期记忆。

在今天之前，如果您想让代理运行数天、需要 GPU 访问或多代理协调，您必须自行构建和管理这些基础设施。您需要预置 EC2 实例、配置网络、设置会话管理、处理扩展并组装监控。运行时实例为您处理所有这些工作，同时与您已在 AgentCore 运行时微虚拟机中使用的 AgentCore API、身份控制和可观测性集成。

一些让代理开发者感到欣喜的功能：您的代理可以在共享会话中互相调用对方作为工具，自主迭代直至任务完成。您可以使用任何框架（CrewAI、LangGraph、LlamaIndex、Strands）和任何模型。打包非常简单，只需一个 @app.entrypoint 装饰器和一个 zip 文件或容器镜像。如果您的工作流跨越数天，可以在周一晚上休眠，周三早上恢复，一切保持原样。

运行时微虚拟机和运行时实例是互补的计算选项，您可以通过相同的 AgentCore 运行时 API 独立或组合使用。微虚拟机上轻量级编排代理可以协调并将工作分派给在实例上运行的专用工作代理。编排器使用运行时微虚拟机的快速扩展处理 API 调用、任务路由和结果聚合，而实例上的工作代理则执行需要持久状态和直接操作系统访问的计算密集型任务，如代码编译、安全扫描或 GUI 自动化。

让我向您展示它是如何工作的

我为这个演示构建了两个代理：一个代码编写代理，根据自然语言描述生成 Python 代码；一个代码审查代理，分析生成的代码中的错误、安全问题和风格改进。两个代理共享相同的文件系统，因此审查者可以直接读取编写者生成的内容，无需任何数据传输或 API 调用。

这是代码编写代理（简化版，无错误处理）：

writer = Agent(
    model="us.anthropic.claude-sonnet-4-5-20250929-v1:0",
    system_prompt=(
        "You are a senior Python engineer. "
        "Given a task, return ONLY a single Python code block — no prose."
    ),
)

@app.entrypoint
def handler(event, context):
    task = event.get("task") or event.get("prompt")
    session_id = getattr(context, "session_id", None) or event.get("session_id")
    session_dir = SHARED_DIR / session_id
    session_dir.mkdir(parents=True, exist_ok=True)

    code = str(writer(task))
    (session_dir / "code.py").write_text(code)

    return {"agent": "writer", "wrote": str(session_dir / "code.py"), "code": code}

这是代码审查代理（简化版，无错误处理）：

reviewer = Agent(
    model="us.anthropic.claude-sonnet-4-5-20250929-v1:0",
    system_prompt=(
        "You are a strict Python code reviewer. "
        "Given code, return 3 bullet points: bugs, style, suggestions."
    ),
)

@app.entrypoint
def handler(event, context):
    session_id = getattr(context, "session_id", None) or event.get("session_id")
    code_path = SHARED_DIR / session_id / "code.py"
    code = code_path.read_text()
    review = str(reviewer(f"Review this code:\n\n{code}"))

    return {"agent": "reviewer", "read": str(code_path), "review": review}

每个代理都是一个使用 Strands Agents 的 Python 应用程序，带有 @app.entrypoint 装饰器和自选模型。我将每个代理打包为 zip 文件。对于此演示，我使用 AWS 管理控制台。您也可以使用 AgentCore CLI、AWS 命令行界面（AWS CLI）或基础设施即代码。

步骤 1：创建容量提供程序

容量提供程序定义了您的代理所运行的 EC2 基础设施。在 AgentCore 控制台中，我在左侧导航中选择 Runtime，然后选择 Capacity providers 选项卡，再点击 Create capacity provider。

我为其命名，选择 Linux (64-bit ARM) 作为操作系统，并选择 c7g.2xlarge 作为 Allowed instance types。这提供了 8 个 vCPU 和 16 GiB 内存，足以让两个代理舒适地并排运行。

进一步向下，我配置 VPC、子网和安全组以进行网络访问。在 Storage configuration 下，我保留默认的 gp3 卷。在 Service access 下，我选择 Create a new service role，让控制台创建代表我管理 EC2 实例的基础设施角色。

我选择 Create capacity provider 并等待几秒钟。状态变为 Active。

请注意容量提供程序的配置摘要：操作系统、实例类型、子网、安全组、实例配置文件和基础设施角色。创建后，只能编辑描述，因此请务必在继续之前验证您的设置。

步骤 2：创建运行时并部署第一个代理

回到 Runtime 页面，我选择 Create runtime。我为其命名，选择 Instances 作为 Compute type，并选择上一步创建的容量提供程序。

在 Agent source 下，我选择 S3 Source，然后点击 Upload to S3。我选择我的代理 zip 文件（ACIDemoWriter.zip），将 Language runtime 设置为 Python 3.13,，并指定 agent.py 作为 Agent entry point。这是包含我的 @app.entrypoint 装饰函数的文件。在 Permissions 下，我选择 Create default role 让控制台预置我的代理所需的 IAM 角色。

我选择 Create runtime 并等待状态变为 Ready。

我为代码审查代理重复相同的过程。我创建第二个运行时，选择相同的容量提供程序，上传我的审查代理 zip 文件，并等待其变为 Ready。现在两个代理共享相同的底层 EC2 基础设施。

控制台向我展示了一个 View invocation code 部分，其中包含随时可用的 Python、TypeScript 和 JavaScript 代码片段，用于以编程方式调用我的代理。但对于此演示，我使用内置的测试功能。我在编写代理的页面上选择 Test。

步骤 3：调用代理并观察协作

Runtime 游乐场打开。在顶部，我看到三个字段：Runtime agent、Endpoint 和 Session ID。控制台自动生成一个会话 ID。我记下它，因为我会在审查代理中重复使用它。

在 Input 字段中，我输入一个 JSON 负载，要求编写代理生成代码：

{"prompt": "write a fibonacci suite"}

我选择 Run。几秒钟后，Output 面板显示代理的响应。编写代理生成了一个 Python 模块，其中包含斐波那契数列的两种实现（一个基于列表的函数和一个生成器），并将其写入 /tmp/agentcore-session/ca5ec24d-07f5-4eeb-add1-5ba416bf9eb2/code.py。请注意文件路径中的会话 ID。该目录是此会话的共享文件系统。

步骤 4：在同一个会话中调用审查代理

现在我将 Runtime agent 下拉列表切换到 ACIDemoReviewer。重要部分：我在 Session ID 字段中粘贴相同的会话 ID（ca5ec24d-07f5-4eeb-add1-5ba416bf9eb2)。这是连接两个代理的关键。

我输入一个简单的提示：

{"prompt": "review the code"}

我选择 Run。审查代理从共享会话目录中读取编写者生成的文件，并返回详细的代码审查。它没有发现严重错误，但建议添加类型提示、输入验证并简化边缘案例处理。

这两个代理从未交换消息或调用彼此的 API。它们通过运行时实例在会话中提供的共享文件系统进行协作。您可以将此模式扩展到任意数量的代理：一个运行代码的测试代理、一个生成 README 文件的文档代理、一个扫描漏洞的安全代理，所有代理共享同一个工作目录。

关键细节

以下是您开始使用时需要了解的一些事项：

• 支持的操作系统：Linux（ARM64 和 x86_64）在发布时支持。
• 会话持久性：会话最多持续 14 天。
• 运行时：Python 3.11-14，支持原生代码。也支持容器镜像。
• GPU：支持 GPU 加速实例类型。
• 集成：使用与 AgentCore 运行时相同的 AgentCore API、身份、可观测性和策略控制。
• 定价：标准 EC2 定价加上 AgentCore 编排的管理费。
• 区域：美国东部（俄亥俄、弗吉尼亚北部）、美国西部（俄勒冈）、亚太地区（孟买、新加坡、悉尼、东京）和欧洲（法兰克福、爱尔兰）

要开始使用，请访问 Amazon Bedrock AgentCore 文档中的运行时实例，并创建您的第一个容量提供程序。

资源

关注