sample-migrate-agents-to-amazon-bedrock-agentcore
该仓库配套 AWS Machine Learning Blog 文章，提供从本地 LangGraph 代理迁移到 Amazon Bedrock AgentCore 的完整演练。迁移分为四个阶段：Stage 0 保留现有代理作为基线；Stage 1 将代理运行在 BedrockAgentCoreApp 上，工具通过 AgentCore Gateway 发布为 MCP 工具，会话状态存入 AgentCore Memory；Stage 2 将手写路由替换为 Strands Agents 的模型驱动规划，并用 AgentCore Policy（Cedar 规则）控制工具调用；Stage 3 记录了将循环交给 AgentCore harness 的路径。仓库包含可运行代码、测试和部署脚本，并统计了各阶段代码改动量。
访问官方网站使用场景
该仓库配套 AWS Machine Learning Blog 文章，提供从本地 LangGraph 代理迁移到 Amazon Bedrock AgentCore 的完整演练。迁移分为四个阶段：Stage 0 保留现有代理作为基线；Stage 1 将代理运行在 BedrockAgentCoreApp 上，工具通过 AgentCore Gateway 发布为 MCP 工具，会话状态存入 AgentCore Memory；Stage 2 将手写路由替换为 Strands Agents 的模型驱动规划，并用 AgentCore Policy（Cedar 规则）控制工具调用；Stage 3 记录了将循环交给 AgentCore harness 的路径。仓库包含可运行代码、测试和部署脚本，并统计了各阶段代码改动量。
优势
托管基础设施，无需自行补丁操作系统、自动扩缩容和会话隔离 工具认证由 Gateway 承担，代理代码不再管理工具调用凭据 会话状态持久化，不再受进程生命周期限制 策略默认拒绝，在数据平面对每个工具调用进行不可绕过的授权 自动接入 CloudWatch 可观测性，无需额外配置追踪和日志采集 迁移代码改动有明确统计，行为可与基线对比，降低回归风险
缺点与限制
迁移后代理行为不会完全一致，需要预先定义基于结果的验收标准 Runtime 中的进程内状态在默认 15 分钟空闲后丢失，必须将关键状态存入 Memory 认证架构需在前期设计，否则后期集成用户委托访问可能导致返工 使用 Cedar 策略时没有显式 forbid 规则，需适应默认拒绝模型 Stage 3 的 AgentCore harness 仅文档说明，尚未构建；图形代理需先改为模型驱动循环才能使用 演练会产生 AWS 费用，需手动清理资源以避免持续扣费