本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。 # 开始在 Runtime 上使用亚马逊 Bedrock 托管代理（使用 OpenAI） AgentCore **注意** 亚马逊 Bedrock 托管代理（带有 OpenAI）已进入预览版。功能和 API 可能会在正式发布之前发生变化。 Amazon Bedrock Managed Agents 在上面运行 OpenAI Codex 工具。 AWS安全带在模型和工具之间循环，保持会话，并随着对话的增长压缩上下文。当代理必须运行命令或处理文件时，Bedrock Managed Agents 会将工作发送到环境。您可以决定该环境的运行位置。 你可以在自己的计算机上运行 Codex exec-server 进行本地开发。对于其他工作负载，Bedrock 托管代理会在您的账户中调用 AgentCore 运行时。运行时为每个会话提供自己的 microVM。会话在您控制的执行角色下运行，运行时可以连接到您的 VPC，以便代理可以访问私有资源。模型调用保留在 Bedrock 托管代理中，因此容器仅运行代理发送的命令。 在本教程中，您将执行以下任务： + 使用 AgentCore CLI 创建和部署运行时。 + 使用 OpenAI 软件开发工具包开始会话。代理在您的运行时中使用示例技能。 + （可选）添加自己的技能。 步骤 1 到 4 大约需要 15 分钟。 您在本教程中创建的 AWS 资源可能会导致您的 AWS 账户产生费用。这些资源包括运行时、 AWS CodeBuild 映像版本和 Bedrock Managed Agents 模型调用。有关更多信息，请参阅[AgentCore 定价](https://aws.amazon.com/bedrock/agentcore/pricing/)。要停止收费，请移除中的资源[步骤 8：清除](#runtime-get-started-bma-clean-up)。 ## 先决条件 + **Node.js 20 或更高版本。**C AgentCore LI 以 npm 包的形式分发。请与... 核`node --version`对。 + **紫外线。**示例客户端使用 [uv](https://docs.astral.sh/uv/) 来安装其 Python 依赖项。 + **配置了凭据的 AWS 账户。**要创建账户，请参阅[AWS 账户入门](https://docs.aws.amazon.com/accounts/latest/reference/getting-started.html)。要配置凭据，请参阅[配置 AWS CLI](https://docs.aws.amazon.com/cli/latest/userguide/cli-configure-files.html)。 + **IAM 权限**。您的身份需要权限才能进行 AgentCore API 调用和代入部署期间使用的 CDK 引导角色。请参见[使用 C AgentCore LI](runtime-permissions.md#runtime-permissions-cli)。示例客户端还需要 IAM 权限。请参阅[会话角色](#runtime-get-started-bma-session-role)。 + **模型访问权限。**您的账户需要访问 Bedrock 托管代理模型`openai.gpt-5.6-luna`。 CLI 使用您的账户构建容器 AWS CodeBuild 镜像。 ## 步骤 1：创建项目 安装 AgentCore CLI，然后设置您的凭据和区域： ``` npm install -g @aws/agentcore agentcore --version export AWS_PROFILE=your-profile export AWS_REGION=us-east-1 ``` 使用`BedrockManagedAgents`框架创建项目。你也可以在没有旗帜`agentcore create`的情况下跑步。选择 “**代理**”，然后选择 **Bedrock 托管代理**作为框架。 ``` agentcore create --name MyManagedAgent --framework BedrockManagedAgents cd MyManagedAgent ``` 该项目的运行时配置位于中`agentcore/agentcore.json`，容器源位于中`app/MyManagedAgent/`。容器运行`codex exec-server`，它连接到 Bedrock 托管代理并运行代理的命令。 该项目使用以下默认值配置运行时： + 空闲超时时间为 30 分钟，最长使用寿命为 8 小时。请参阅[配置生命周期设置](runtime-lifecycle-settings.md)。 + 具有中权限的执行角色`policies/bma-acr-policy.json`。 ### 项目结构 ``` MyManagedAgent/ ├── agentcore/ │ ├── agentcore.json │ └── cdk/ └── app/MyManagedAgent/ ├── Dockerfile ├── lifecycle/server.py ├── otel/collector.yaml ├── plugins/acr-report/ ├── policies/ │ ├── bma-acr-policy.json │ ├── bma-session-trust.json │ └── bma-session-policy.json ├── pyproject.toml ├── client.py └── README.md ``` 关键文件： + `lifecycle/server.py`-生命周期服务器。Bedrock Managed Agents 调用它来启动`codex exec-server`你的运行时会话。请勿更改此文件。 + `Dockerfile`-安装 Codex、 CloudWatch 代理和 Python `lifecycle/``otel/`，并将和复制`plugins/`到。`/opt/bma` + `otel/collector.yaml`-将 exec 服务器的跨度和日志发送到。 CloudWatch + `plugins/acr-report/`-具有一项技能的示例插件。技能保存在工作区`acr-report.txt`中。 + `policies/bma-acr-policy.json`-运行时执行角色的策略。允许 `bedrock-mantle:RegisterEnvironment` 和 `bedrock-mantle:ConnectEnvironment`。要将其限制为一个项目，`Resource`请更改为`arn:aws:bedrock-mantle:::project/`。 + `pyproject.toml`-Python 依赖关系。该`dev`小组`client.py`仅供参加。 + `policies/bma-session-trust.json`和 `policies/bma-session-policy.json`-信任策略和会话角色的权限。请参阅[会话角色](#runtime-get-started-bma-session-role)。 + `client.py`-启动会话的示例客户端。你在步骤 3 中运行它。 ### 在 VPC 中部署运行时 将网络选项添加到`agentcore create`： ``` agentcore create --name MyManagedAgent --framework BedrockManagedAgents \ --network-mode VPC --vpc-id --subnets \ --security-groups ``` VPC 必须有通往 Bedrock Managed Agents 端点的路由，因为执行服务器与之相连。镜像版本会下载 Codex 和 Python，因此它还需要一条上网的路径。请参见[为 VPC AgentCore 进行配置](agentcore-vpc.md)。 ### 在实例上运行运行时 相同的项目在**实例**计算类型上运行。向项目添加容量提供者，然后使用容量提供者添加代理： ``` agentcore create --name MyManagedAgent --no-agent cd MyManagedAgent agentcore add capacity-provider --name MyCapacityProvider \ --subnets --security-groups \ --os LINUX_ARM64 --instance-types c7g.large agentcore add agent --name MyManagedAgent --framework BedrockManagedAgents \ --capacity-provider MyCapacityProvider ``` 然后继续[步骤 2：部署](#runtime-get-started-bma-deploy)。 `agentcore deploy`还会创建容量提供者及其操作员角色。 + 使用`LINUX_ARM64`和 Graviton 实例类型，因为镜像版本会生成一个 ARM64 镜像。 + 容量提供商提供网络。子网必须有通往 Bedrock 托管代理端点的路由。 要连接不在项目中的容量提供商，请将其的 ARN 提供给。`agentcore create --framework BedrockManagedAgents --capacity-provider `请参阅[运行时实例和容量提供商](runtime-instances.md)。 ## 步骤 2：部署 ``` agentcore deploy agentcore status ``` CLI 使用 AWS CodeBuild 您的账户构建镜像，并部署运行时及其执行角色。Bedrock 托管代理会为您调用运行时。 保存以下输出中的运行时 ARN：`agentcore status` ``` arn:aws:bedrock-agentcore:us-east-1::runtime/ ``` ## 步骤 3：运行会话 Bedrock Managed Agents 使用会话角色来调用模型和调用你的运行时。会话角色不是运行时执行角色。**当你运行时`client.py`，它会在你的账户中创建会话角色。** `agentcore deploy`不会创建会话角色，`agentcore remove`也不会将其删除。请参阅[会话角色](#runtime-get-started-bma-session-role)。 从代理目录运行客户端： ``` cd app/MyManagedAgent uv run client.py --runtime ``` 客户端创建会话并打印会话 ID、每条命令及其输出以及代理的答案。默认情况下，代理使用该`acr-report`技能在工作区`acr-report.txt`中进行保存。 下一节将告诉您客户端如何管理会话角色，以及运行该客户端需要哪些 IAM 权限。 ### 会话角色 会话角色不是运行时执行角色。 `agentcore deploy`使用创建执行角色`policies/bma-acr-policy.json`。客户端在创建会话时将会话角色授予`role_arn`现场的 Bedrock 托管代理。 当您开始新会话但不给出时`--role-arn`，客户端会执行以下步骤： 1. 如果该角色`BmaSessionRole-`不存在，则由客户端创建它。 1. 客户端将角色的信任策略和内联策略`BmaSession`与`policies/bma-session-trust.json`和进行比较`policies/bma-session-policy.json`。如果策略不同，则客户端会将文件写入该角色。这些文件仅限于账户和运行时区域。 1. 如果客户端更改了角色，则会等待 15 秒。IAM 需要这段时间，Bedrock Managed Agent 才可以使用此更改。 要更改角色，请更改文件。客户端不会移除其他人添加到角色中的其他策略。当你赋予角色时，它不会检查角色`--session-id`，也不会改变你赋予的角色`--role-arn`。 在生产环境中，为客户端指定一个运行时角色和一个网关角色`--role-arn`。要扮演角色，请使用中的两个文件`policies/`。输入您的分区、区域和账户 ID，然后将输入和更改`gateway/*`为运行时 ID 和网关 ID。` ` `runtime/`请勿更改项目中的文件，因为该区域中的所有项目都是共享的`BmaSessionRole-`。 运行客户端的身份需要 Bedrock Managed Agents 客户端权限和`iam:PassRole`会话角色。`bedrock-mantle:CallWithBearerToken`要让客户端创建和修复角色，还需要提供`iam:GetRole``iam:CreateRole`、`iam:UpdateAssumeRolePolicy``iam:GetRolePolicy`、、`iam:PutRolePolicy`等`arn:aws:iam:::role/BmaSessionRole-*`。如果您给出`--role-arn`，则客户端不需要这五个权限。 有关信任策略、会话角色权限和客户端权限，请参阅 A *mazon Bedrock 用户指南*中的[安全和 IAM 角色](https://docs.aws.amazon.com/bedrock/latest/userguide/bedrock-managed-agents-openai-security.html)。 ### 客户是如何工作的 客户端使用`openai`软件包的`client.beta.agents`资源。Bedrock 托管代理运行代理循环。 当客户端创建会话时，它会在以下位置设置这些值`environment`： + `type`-`aws_bedrock_agentcore`，它告诉 Bedrock 托管代理使用 AgentCore 运行时。 + `runtime_arn`-你的运行时间。会话在运行时区域中运行。 + `workspace_directory`-代理运行其命令的目录。客户使用`/home/app/workspace`。生命周期服务器创建该目录。 + `runtime_qualifier`-运行时的端点。客户使用`DEFAULT`。 + `capability_directories`-Bedrock Managed Agents 在其中找到技能的目录。客户使用`/opt/bma/plugins`。 客户端还会设置`extra_body`会`role_arn`话角色。该`openai`软件包没有该字段的参数。 `provide_token`助手使用您的 AWS 凭证为每个请求获取一个短暂的 Amazon Bedrock 持有者令牌。 如果您向项目添加网关，请从的输出中给出其 ARN。`agentcore deploy` `--gateway`仅在新会话中使用该标志。客户端将网关添加为带有 ARN 的`mcp`工具。`connector_id`Bedrock 托管代理使用会话角色调用网关。网关必须支持 MCP 版本`2025-03-26`。否则，代理将无法获得网关工具，Bedrock Managed Agents 也不会显示错误。 ``` """Send an input to a Bedrock Managed Agents session that uses this project's ACR.""" import argparse import json import time from pathlib import Path from typing import Any import boto3 from aws_bedrock_token_generator import provide_token from botocore.exceptions import ClientError from openai import NotFoundError, OpenAI BMA_MODEL_ID = "openai.gpt-5.6-luna" # The agent runs its commands in this directory. The lifecycle server creates it. WORKSPACE_DIRECTORY = "/home/app/workspace" # Plugins and skills that the agent can use. The image has the acr-report plugin # at this path. Add the path of an S3 Files mount to use the skills in a bucket. CAPABILITY_DIRECTORIES = ["/opt/bma/plugins"] TURN_END = ("completed", "failed", "cancelled") TOOL_CALLS = ("mcp_call", "function_call", "web_search_call") POLICIES = Path(__file__).parent / "policies" SESSION_ROLE = "BmaSessionRole-{region}" SESSION_POLICY = "BmaSession" def show(data: dict[str, Any]) -> None: """Prints the session ID, the commands, the tool calls, and the answer.""" kind = data["type"].removeprefix("agent.session.") item = data.get("item") or {} if kind == "created": print(f"Session {data['session']['id']}") elif kind == "turn.output_text.delta": print(data["delta"], end="", flush=True) elif kind == "turn.item.done" and item.get("type") == "command_execution": print(f"\n$ {item['command']}\n{item.get('output') or ''}".rstrip()) elif kind == "turn.item.done" and item.get("type") in TOOL_CALLS: print(f"\nTool {item.get('name') or item['type']} {item.get('status')}") elif kind == "error" or kind.split(".")[-1] in TURN_END: source = data.get("turn") or data.get("environment") or data.get("session") print(f"\n{kind} {(source or data).get('error') or ''}".rstrip()) def load_policy(name: str, partition: str, region: str, account: str) -> str: """Reads a policy file and puts in the partition, the Region, and the account.""" text = (POLICIES / name).read_text() for key, value in (("Partition", partition), ("Region", region), ("AccountId", account)): text = text.replace("${AWS::" + key + "}", value) return text def session_role(runtime_arn: str) -> str: """Creates or repairs the session role, and returns its ARN. If the trust policy or the policy of the role is not the same as the file in `policies/`, the client writes the file to the role. """ _, partition, _, region, account = runtime_arn.split(":")[:5] name = SESSION_ROLE.format(region=region) trust = load_policy("bma-session-trust.json", partition, region, account) policy = load_policy("bma-session-policy.json", partition, region, account) iam = boto3.client("iam") changed = False try: role = iam.get_role(RoleName=name)["Role"] except iam.exceptions.NoSuchEntityException: role = iam.create_role(RoleName=name, AssumeRolePolicyDocument=trust)["Role"] print(f"Created the session role {name}") changed = True else: if role["AssumeRolePolicyDocument"] != json.loads(trust): iam.update_assume_role_policy(RoleName=name, PolicyDocument=trust) print(f"Updated the trust policy of {name}") changed = True try: current = iam.get_role_policy(RoleName=name, PolicyName=SESSION_POLICY)["PolicyDocument"] except iam.exceptions.NoSuchEntityException: current = None if current != json.loads(policy): iam.put_role_policy(RoleName=name, PolicyName=SESSION_POLICY, PolicyDocument=policy) if not changed: print(f"Updated the policy of {name}") changed = True if changed: # IAM needs some seconds before Bedrock Managed Agents can use a new or changed role. time.sleep(15) return role["Arn"] def main() -> None: parser = argparse.ArgumentParser(description=__doc__) parser.add_argument("--runtime", required=True, help="The ACR ARN.") parser.add_argument( "--session-id", help="The BMA session ID. If it does not exist, the client creates a session.", ) parser.add_argument( "--input", default="Use the acr-report skill to save an ACR report in the workspace.", ) parser.add_argument( "--gateway", help="The Gateway ARN from the output of `agentcore deploy`.", ) parser.add_argument( "--role-arn", help="The session role that BMA assumes. If you do not give it, the client creates a role.", ) parser.add_argument("--delete", action="store_true", help="Delete the session.") parser.add_argument("--raw", action="store_true", help="Print events as JSON.") args = parser.parse_args() # BMA must run in the Region of the ACR. region = args.runtime.split(":")[3] with OpenAI( api_key=lambda: provide_token(region=region), base_url=f"https://bedrock-mantle.{region}.api.aws/openai/v1", ) as client: sessions = client.beta.agents.sessions session_id = args.session_id if session_id: try: session = sessions.retrieve(session_id).model_dump(warnings=False) except NotFoundError: print(f"Session {session_id} does not exist.") session_id = None else: if session["environment"].get("runtime_arn") != args.runtime: raise ValueError(f"Session {session_id} uses another ACR.") if not session_id and not args.role_arn: try: args.role_arn = session_role(args.runtime) except ClientError as error: parser.error( f"The client cannot create or check the session role: {error}. " "Get the IAM permissions in README.md, or give --role-arn." ) print(f"Session role {args.role_arn}") if session_id: # BMA opens the stream only with stream=true, and the SDK does not send it. events = sessions.events.stream(session_id, extra_query={"stream": "true"}) message = { "role": "user", "content": [{"type": "input_text", "text": args.input}], } sessions.events.create( session_id, events=[{"type": "agent.session.input.message", "input": [message]}], ) else: agent: dict[str, Any] = { "model": BMA_MODEL_ID, "instructions": "Use the available tools to complete the task.", } if args.gateway: # Bedrock Managed Agents calls Gateway with the session role from the service side. agent["tools"] = [ {"type": "mcp", "server_label": "team_tools", "connector_id": args.gateway} ] args.input += " Then list the tools that the Gateway gives you." events = sessions.create( agent=agent, environment={ "type": "aws_bedrock_agentcore", "runtime_arn": args.runtime, "runtime_qualifier": "DEFAULT", "workspace_directory": WORKSPACE_DIRECTORY, "capability_directories": CAPABILITY_DIRECTORIES, }, input=args.input, stream=True, # The SDK has no role_arn parameter. BMA assumes this role to call the ACR. extra_body={"role_arn": args.role_arn}, ) with events: for event in events: data = event.model_dump(mode="json", warnings=False) session_id = session_id or (data.get("session") or {}).get("id") if args.raw: print(json.dumps(data), flush=True) else: show(data) if data["type"].removeprefix("agent.session.turn.") in TURN_END: break if args.delete: sessions.delete(session_id) print(f"\nDeleted session {session_id}") if __name__ == "__main__": main() ``` ## 步骤 4：继续会话 要向同一个会话发送其他输入，请添加会话 ID。转弯使用相同的工作空间。要在空闲停止后保留工作空间，请添加会话存储，如所示[闲置停止后保留文件](#runtime-get-started-bma-keep-files)。 ``` uv run client.py --runtime --session-id \ --input "Run cat acr-report.txt and show the output." ``` 如果会话不存在，则客户端会创建一个新会话。添加`--delete`以在回合后删除会话，或者`--raw`将每个事件打印为 JSON。 ### 闲置停止后保留文件 在 microVM 运行时中，将执行服务器的主目录放在会话存储器上。然后是工作空间、连接状态，并在空闲停止后`CODEX_HOME`保持不变。 1. 使用会话存储创建项目，而不是步骤 1 中的命令： ``` agentcore create --name MyManagedAgent --framework BedrockManagedAgents \ --session-storage-mount-path /mnt/home cd MyManagedAgent ``` 1. 在中`agentcore/agentcore.json`，将此变量添加到运行时条目中： ``` "envVars": [{ "name": "BMA_HOME_DIR", "value": "/mnt/home" }] ``` 1. 进`client.py`来，设置`WORKSPACE_DIRECTORY = "/mnt/home/workspace"`。 1. 部署并运行客户端。 有关会话存储的更多信息，请参阅 [ AgentCore Runtime 的文件系统配置](runtime-filesystem-configurations.md)。 ## 步骤 5：（可选）添加技能 要向图像添加技能，请在下方添加插件`plugins/`并部署。插件有一个`.codex-plugin/plugin.json`文件和一个`skills/`目录。该`skills/`目录为每项技能都有一个子目录，里面有一个`SKILL.md`文件。映像将其复制到`/opt/bma/plugins`，客户端已经将其提供给 Bedrock 托管代理。 要启动`plugins/acr-report/`、复制和重命名插件目录，`skills/acr-report/`并重命名为插件名称和技能。在`plugin.json`、设置`name``version`、`description`、和`"skills": "./skills/"`。每个都`SKILL.md`从前面内容开始，前面有`name`和`description`。部署完成后，使用启动新会话`--input "Use the skill to …​"`。 ### 共享 Amazon S3 存储桶中的技能 在运行时中挂载 S3 文件接入点。然后，当存储桶发生变化时，技能会发生变化，图像保持不变。有关 S3 Files 文件系统、接入点和安全组规则，[请参阅 AgentCore 运行时的文件系统配置](runtime-filesystem-configurations.md)。 S3 文件挂载需要在 VPC 网络模式下运行时。使用中的网络选项创建项目[在 VPC 中部署运行时](#runtime-get-started-bma-vpc)。 在存储桶中，将每个插件放在接入点根目录下的各自目录中。使用与`plugins/acr-report/`:`/.codex-plugin/plugin.json`和相同的布局`/skills//SKILL.md`。 将挂载添加到运行时条目中`agentcore/agentcore.json`： ``` { "filesystemConfigurations": [ { "s3FilesAccessPoint": { "accessPointArn": "arn:aws:s3files:us-east-1:111122223333:file-system/fs-0123456789abcdef0/access-point/fsap-0123456789abcdef0", "mountPath": "/mnt/skills" } } ] } ``` 然后设置`CAPABILITY_DIRECTORIES``client.py`到`["/opt/bma/plugins", "/mnt/skills"]`并部署。 ## 步骤 6：查看日志和跟踪 ``` agentcore logs --since 15m ``` 第一次部署会在您的账户中开启 CloudWatch 交易搜索。大约 10 分钟后，痕迹就会出现。要查看跟踪，请打开 CloudWatch 控制台并选择 **GenAI 可观察性**。从 Bedrock 托管代理到生命周期服务器的每次调用都有一个`bma.invocation`跨度。有关更多信息，请参阅[查看 Amazon Bedrock AgentCore 代理的可观测性数据](observability-view.md)。 **交易搜索设置适用于整个账户** 交易搜索及其跨度索引适用于该地区的整个账户，并且可能会收取额外费用。要保留当前设置，请在部署`~/.agentcore/config.json`前添加`"disableTransactionSearch": true`到。 ## 步骤 7：更新和重新部署 更改中的`agentcore/agentcore.json`运行时设置或映像的文件，然后重新部署。例如，此设置会在 10 分钟后停止空闲会话。这些值以秒为单位。 ``` { "lifecycleConfiguration": { "idleRuntimeSessionTimeout": 600, "maxLifetime": 28800 } } ``` ``` agentcore deploy ``` 这些更改适用于新会话。 ### 生命周期服务器的环境变量 例如，`envVars`在运行时条目中添加一个变量`{ "name": "DISABLE_ADOT_OBSERVABILITY", "value": "true" }`。 | 变量 | 默认值 | 说明 | | --- | --- | --- | | `DISABLE_ADOT_OBSERVABILITY` | 未设置 | 设置`true`为可关闭跟踪和执行服务器日志。生命周期服务器仍将自己的日志写入运行时的日志组。 | | `BMA_HOME_DIR` | `/home/app` | `HOME`执行服务器的。 | | `BMA_STATE_DIR` | `.bma`中的`BMA_HOME_DIR` | 的目录`state.json`，用于保存会话的连接状态。 | | `BMA_CODEX_HOME` | `.codex`中的`BMA_HOME_DIR` | `CODEX_HOME`执行服务器的。 | | `BMA_CODEX_BINARY` | `/opt/bma/bin/codex` | 食典二进制文件。 | | `BMA_MAX_TURN_LEASE` | `300` | 最长回合租约，以秒为单位。 | 每个镜像版本都会安装最新的 Codex 版本。生命周期服务器需要 Codex 0.154.0 或更高版本。要固定发行版，请在`CODEX_RELEASE=`旁`CODEX_NON_INTERACTIVE=1`边添加`Dockerfile`。 ## 步骤 8：清除 要删除会话，请`--delete`添加到该会话的客户端上次运行中。然后移除项目的资源，然后部署以删除运行时、其执行角色和堆栈。 ``` agentcore remove all agentcore deploy ``` 部署不会删除以下资源： + 运行时、生成映像的 CodeBuild 项目和启动构建的 Lambda 函数的 CloudWatch 日志组。 + 亚马逊 ECR 存储库的 AWS KMS 密钥。密钥将保持 “**待删除**” 状态 30 天，然后 AWS KMS 会将其删除。 + `CDKToolkit`堆栈（如果是第一次部署）引导了账户和区域。其他 AWS CDK 应用程序可以使用此堆栈。只有在没有其他应用程序使用它时才将其删除。 + 步骤 6 中的交易搜索设置。 + 在步骤 3 中`client.py`创建的会话角色。 要删除会话角色，请运行以下命令： ``` aws iam delete-role-policy --role-name BmaSessionRole- --policy-name BmaSession aws iam delete-role --role-name BmaSessionRole- ``` 要查找日志组，请运行以下命令。然后删除每个日志组。 ``` aws logs describe-log-groups --log-group-name-prefix /aws/bedrock-agentcore/runtimes/_- --query 'logGroups[].logGroupName' aws logs describe-log-groups --log-group-name-prefix /aws/codebuild/AgentCore--- --query 'logGroups[].logGroupName' aws logs describe-log-groups --log-group-name-prefix /aws/lambda/AgentCore- --query 'logGroups[].logGroupName' aws logs delete-log-group --log-group-name ``` 替换以下值： + ``-项目名称。在步骤 1 中，确实如此`MyManagedAgent`。 + ``-代理人的名字。在步骤 1 中，它也是`MyManagedAgent`。 + ``-中部署目标的名称`agentcore/aws-targets.json`。默认值为 `default`。在 CodeBuild 名称中，项目名称和目标名称中的每个下划线 (`_`) 都更改为连字符 () `-`。 Lambda 日志组的名称被缩短，如下例所示： ``` /aws/lambda/AgentCore-MyManagedAgent--ApplicationAgentMyManage- ``` 该命令列出了该地区所有 CL AgentCore I 项目的 Lambda 日志组。仅删除项目的日志组。 如果您向项目添加了其他资源，例如网关或内存，请检查部署是否已将其删除。 ## 相关资源 + [使用 AgentCore CLI](runtime-permissions.md#runtime-permissions-cli) + [配置生命周期设置](runtime-lifecycle-settings.md) + [ AgentCore 运行时的文件系统配置](runtime-filesystem-configurations.md) + [为 VPC AgentCore 进行配置](agentcore-vpc.md) + [运行时实例和容量提供商](runtime-instances.md) + [查看您的 Amazon Bedro AgentCore ck 代理的可观测性数据](observability-view.md)