# Commencez avec AgentCore Gateway
Dans ce guide de démarrage rapide, vous apprendrez à configurer une passerelle et à l'intégrer à vos agents à l'aide de la AgentCore CLI. Pour des guides et des exemples plus complets, consultez le [ GitHub référentiel Amazon Bedrock AgentCore Gateway](https://github.com/awslabs/amazon-bedrock-agentcore-samples/tree/main/01-tutorials/02-AgentCore-gateway).
**Note**
La AgentCore CLI fournit à la fois des commandes et un assistant TUI interactif pour gérer les ressources de la AgentCore passerelle. Pour la référence complète de l'API du AWS SDK, consultez la section [Opérations AgentCore du plan de contrôle](https://boto3.amazonaws.com/v1/documentation/api/latest/reference/services/bedrock-agentcore-control.html).
**Topics**
+ [Conditions préalables](#gateway-quick-start-prereqs)
+ [Étape 1 : Configuration et installation](#gateway-quick-start-setup)
+ [Étape 2 : créer une passerelle](#gateway-quick-start-create-gateway-setup)
+ [Étape 3 : Exécuter le programme d'installation](#gateway-quick-start-run-setup)
+ [Étape 4 : utilisation de la passerelle avec un agent](#gateway-quick-start-use-gateway-with-agents)
+ [Ce que vous avez construit](#gateway-quick-start-what-youve-built)
+ [Résolution des problèmes](#gateway-quick-start-troubleshooting)
+ [Validation rapide](#gateway-quick-start-quick-validation)
+ [Nettoyage](#gateway-quick-start-cleanup)
+ [Étapes suivantes](#gateway-quick-start-next-steps)
## Conditions préalables
Avant de commencer, assurez-vous que vous disposez des éléments suivants :
+ ** AWS Compte** avec informations d'identification configurées. Pour configurer les informations d'identification, vous pouvez installer et utiliser l'interface de ligne de AWS commande en suivant les étapes décrites dans [Getting started with the AWS CLI](https://docs.aws.amazon.com/cli/latest/userguide/cli-chap-getting-started.html).
+ **Node.js Plus de 18** personnes installées (pour la AgentCore CLI).
+ **Python 3.10\+** installé (pour le script de l'agent).
+ **Autorisations IAM** pour créer des rôles, des fonctions Lambda et utiliser Amazon Bedrock. AgentCore
+ **Accès aux modèles** — Activez Claude Sonnet 3.7 d'Anthropic dans la console Amazon Bedrock (ou un autre modèle pour l'agent de démonstration)
## Étape 1 : Configuration et installation
Installez la AgentCore CLI globalement :
```
npm install -g @aws/agentcore
```
Créez un nouveau AgentCore projet avec un agent et une passerelle :
**Example**
1.
```
agentcore create --name MyGatewayAgent --defaults
```
L'`--defaults`indicateur crée un projet avec un agent Python Strands par défaut. Vous pouvez également omettre `--defaults` et `--name` utiliser l'assistant interactif pour sélectionner votre framework préféré.
1. Vous pouvez également exécuter `agentcore create` sans drapeaux pour utiliser l'assistant interactif. L'assistant vous guide dans la sélection d'un nom de projet, d'une structure d'agent, d'un fournisseur de modèles et d'autres options.
## Étape 2 : créer une passerelle
Ajoutez une passerelle et une cible à votre projet à l'aide de la AgentCore CLI :
**Example**
1.
```
# Add a gateway with no inbound auth (simplest for getting started)
agentcore add gateway --name TestGateway --authorizer-type NONE --runtimes MyGatewayAgent
# Add a Lambda function target
agentcore add gateway-target --name TestLambdaTarget --type lambda-function-arn \
--lambda-arn \
--tool-schema-file tools.json \
--gateway TestGateway
```
1. Exécutez `agentcore` pour ouvrir le TUI, puis sélectionnez **Ajouter** et choisissez **Gateway** :
1. Entrez le nom de la passerelle :
1. Sélectionnez le type d'autorisateur. Pour ce démarrage rapide, choisissez **AUCUN** :
1. Configurez les options avancées ou acceptez les valeurs par défaut :
1. Vérifiez la configuration et appuyez sur **Entrée** pour confirmer :
Ensuite, sélectionnez à nouveau **Ajouter** et choisissez **Gateway Target pour ajouter une cible** de fonction Lambda :
1. Entrez le nom de la cible.
1. Sélectionnez la **fonction Lambda** comme type de cible :
1. Entrez l'ARN Lambda et le chemin du fichier du schéma de l'outil, puis confirmez.
Pour utiliser l' JWT-based autorisation à la place, spécifiez `--authorizer-type CUSTOM_JWT` à l'aide de votre URL de découverte OAuth :
**Example**
1.
```
agentcore add gateway --name TestGateway \
--authorizer-type CUSTOM_JWT \
--discovery-url https://cognito-idp.us-east-1.amazonaws.com//.well-known/openid-configuration \
--allowed-audience \
--runtimes MyGatewayAgent
```
1. Exécutez `agentcore` pour ouvrir le TUI, puis sélectionnez **Ajouter** et choisissez **Gateway**. Lorsque vous êtes invité à saisir le type d'autorisateur, sélectionnez **Custom JWT** :
1. Entrez le nom de la passerelle :
1. Sélectionnez **Custom JWT** comme type d'autorisateur :
1. Entrez l'URL de découverte OAuth et l'audience autorisée lorsque vous y êtes invité.
1. Configurez les options avancées ou acceptez les valeurs par défaut :
1. Vérifiez la configuration et appuyez sur **Entrée** pour confirmer :
## Étape 3 : Exécuter le programme d'installation
Déployez votre projet pour AWS :
```
agentcore deploy
```
La CLI synthétise une pile AWS CDK et déploie votre passerelle, vos cibles et votre agent sur Amazon Bedrock. AgentCore Cela prend environ 2 à 3 minutes.
## Étape 4 : utilisation de la passerelle avec un agent
Récupérez l'URL de votre passerelle à l'aide de la AgentCore CLI :
```
agentcore status
```
Créez un nouveau fichier appelé `run_agent.py` et insérez le code suivant. Installez d'abord les dépendances Python :
```
pip install strands-agents mcp
```
```
"""
Agent script to test the Gateway
Run this after setup: python run_agent.py
"""
from strands import Agent
from strands.models import BedrockModel
from strands.tools.mcp.mcp_client import MCPClient
from mcp.client.streamable_http import streamablehttp_client
import json
import sys
def create_streamable_http_transport(mcp_url: str):
return streamablehttp_client(mcp_url)
def get_full_tools_list(client):
"""Get all tools with pagination support"""
more_tools = True
tools = []
pagination_token = None
while more_tools:
tmp_tools = client.list_tools_sync(pagination_token=pagination_token)
tools.extend(tmp_tools)
if tmp_tools.pagination_token is None:
more_tools = False
else:
more_tools = True
pagination_token = tmp_tools.pagination_token
return tools
def run_agent():
# Get the gateway URL from agentcore status
gateway_url = "" # Replace with URL from 'agentcore status'
# Model configuration - change if needed
model_id = "anthropic.claude-3-7-sonnet-20250219-v1:0"
print("Starting AgentCore Gateway Test Agent")
print(f"Gateway URL: {gateway_url}")
print(f"Model: {model_id}")
print("-" * 60)
# Setup Bedrock model
bedrockmodel = BedrockModel(
model_id=model_id,
streaming=True,
)
# Setup MCP client (no auth token needed for NONE authorizer)
mcp_client = MCPClient(lambda: create_streamable_http_transport(gateway_url))
with mcp_client:
# List available tools
tools = get_full_tools_list(mcp_client)
print(f"\nAvailable tools: {[tool.tool_name for tool in tools]}")
print("-" * 60)
# Create agent
agent = Agent(model=bedrockmodel, tools=tools)
# Interactive loop
print("\nInteractive Agent Ready!")
print("Try asking: 'What's the weather in Seattle?'")
print("Type 'exit', 'quit', or 'bye' to end.\n")
while True:
user_input = input("You: ")
if user_input.lower() in ["exit", "quit", "bye"]:
print("Goodbye!")
break
print("\nThinking...\n")
response = agent(user_input)
print(f"\nAgent: {response.message.get('content', response)}\n")
if __name__ == "__main__":
run_agent()
```
### Dirigez votre agent
Testez votre passerelle en exécutant l'agent et en interagissant avec les outils.
```
python run_agent.py
```
C'est ça \! L'agent va commencer et vous pouvez poser des questions telles que :
+ « Quel temps fait-il à Seattle ? »
+ « Quelle heure est-il à New York ? »
## Ce que vous avez construit
Dans le cadre de ce didacticiel de mise en route, vous avez créé les ressources suivantes :
+ **Serveur MCP (passerelle)** : un point de terminaison géré à `https://gateway-id.gateway.bedrock-agentcore.region.amazonaws.com/mcp`
+ **Outils Lambda** : fonctions fictives qui renvoient des données de test (météo : « 72 °F, soleil », heure : « 14 h 30 »)
+ **Agent AI** : Claude-powered assistant capable de découvrir et d'utiliser vos outils
## Résolution des problèmes
Le tableau suivant présente certains problèmes possibles et leurs solutions :
| Problème | Solution |
| --- | --- |
| « Aucun module nommé « brins » » | Exécuter : `pip install strands-agents` |
| « Modèle non activé » | Activer Claude Sonnet 3.7 dans la console Bedrock → Accès au modèle |
| "AccessDeniedException" | Vérifiez les autorisations IAM pour bedrock-agentcore : \* |
| La passerelle ne répond pas | Patientez 30 à 60 secondes après la création pour la propagation du DNS |
## Validation rapide
Exécutez les commandes suivantes dans un terminal pour vérifier que votre passerelle fonctionne.
```
# Check your Gateway is working
curl -X POST YOUR_GATEWAY_URL \
-H "Content-Type: application/json" \
-d '{"jsonrpc":"2.0","id":1,"method":"tools/list","params":{}}'
# Watch live logs
aws logs tail /aws/bedrock-agentcore/gateways/YOUR_GATEWAY_ID --follow
```
## Nettoyage
Pour supprimer la passerelle et ses cibles de votre projet :
```
agentcore remove gateway --name TestGateway
```
Pour supprimer toutes les ressources et les redéployer :
```
agentcore remove all
agentcore deploy
```
## Étapes suivantes
+ **Outils Lambda personnalisés : créez des** fonctions Lambda avec votre logique métier
+ **Ajoutez vos propres API** : étendez votre passerelle avec les spécifications OpenAPI pour de vrais services
+ **Configuration de la production : configuration** des points de terminaison VPC, des domaines personnalisés et de la surveillance