# Amazon Bedrock AgentCore 入門
此快速入門可讓您使用 AgentCore CLI，在幾分鐘內從零到執行中的代理程式。您將安裝 CLI、堆疊專案、在本機測試 AWS、部署至 並叫用您的代理程式。
在 AgentCore 上建置代理程式的兩種方式，相同的 CLI：
+ **受管繫帶**。您在組態檔案中宣告代理程式 （模型、提示、工具、記憶體），AgentCore 會為您執行迴圈。無架構，無協同運作程式碼。當您想要從想法到執行中代理程式的最快路由時，路徑良好。[進一步了解。](harness.md)
+ **程式碼型代理程式**。您可以使用已知的架構 (Strands、LangGraph、Google ADK 或 OpenAI 代理程式） 在 Python 中編寫代理程式迴圈，並將其部署到 AgentCore 執行期。完全控制協同運作邏輯。
此頁面會逐步解說程式碼型流程。如需 繫帶，請參閱[什麼是 AgentCore 繫帶](harness.md)。
## 註冊 AWS 帳戶
### 註冊 AWS 帳戶
若要開始使用 AWS，您需要 AWS 帳戶。如需建立 AWS 帳戶的資訊，請參閱《[AWS 帳戶管理參考指南》中的 帳戶入門](https://docs.aws.amazon.com/accounts/latest/reference/getting-started.html)。 * AWS *
## 先決條件
+ **Node.js 20 或更新版本。**AgentCore CLI 以 npm 套件的形式分佈。使用 檢查 `node --version`。如有需要，請從 [nodejs.org](https://nodejs.org) 安裝 。
+ **npm。**隨附於 Node.js。
+ **已設定登入資料的 AWS 帳戶。**透過 AWS CLI、環境變數或 AWS 設定檔設定 。請參閱[設定 AWS CLI](https://docs.aws.amazon.com/cli/latest/userguide/cli-configure-files.html)。
+ **Python 3.10 或更新版本 **（適用於代理程式程式碼）。使用 檢查 `python3 --version`。
+ **IAM 許可。**您的身分需要許可才能進行 AgentCore API 呼叫，並擔任部署期間使用的 CDK 引導角色。請參閱 [AgentCore CLI IAM 許可](https://docs.aws.amazon.com/bedrock-agentcore/latest/devguide/security-iam.html)。
## 步驟 1：安裝 AgentCore CLI
```
npm install -g @aws/agentcore
```
驗證：
```
agentcore --version
```
若要稍後更新，請重新執行安裝命令或 `agentcore update`。來源和問題：[GitHub 上的 agentcore-cli](https://github.com/aws/agentcore-cli)。
## 步驟 2：建立您的專案
```
agentcore create
```
互動式精靈會先詢問您要建置的內容：
+ **Harness** - 受管組態型代理程式迴圈。不需要架構或協同運作程式碼。請參閱[什麼是 AgentCore 繫帶](harness.md)。
+ **代理**程式 - 使用您選擇的架構、部署到 AgentCore 執行期的程式碼型代理程式。
+ **略過** - 建立不含代理程式的專案結構。稍後使用 新增一個`agentcore add`。
如果您選擇 **代理**程式，精靈會繼續：
+ **架構** - Strands Agents （建議）、LangChain/LangGraph、Google Agent Development Kit 或 OpenAI Agents SDK
+ **模型提供者** - Amazon Bedrock、Anthropic、OpenAI 或 Gemini
+ **記憶體** - 無、短期或長期和短期
+ **組建類型** - CodeZip （預設） 或 Container
您也可以直接傳遞旗標來建立程式碼型代理程式：
```
agentcore create \
--name MyAgent \
--framework Strands \
--model-provider Bedrock \
--memory none \
--build CodeZip
```
### 專案結構
`agentcore create` 會產生：
```
MyAgent/
├── agentcore/
│ ├── agentcore.json # Project and resource configuration
│ ├── aws-targets.json # Deployment target (account and region)
│ └── cdk/ # CDK infrastructure (auto-managed)
└── app/
└── MyAgent/ # Your agent code
├── main.py # Agent entrypoint
├── pyproject.toml # Python dependencies
└── ...
```
金鑰檔案：
+ `agentcore/agentcore.json` - 主要組態。定義您的代理程式、記憶體存放區、閘道、登入資料和其他資源。由 `agentcore add`和 管理`agentcore remove`。
+ `app/` - 您的代理程式程式碼。每個客服人員都會使用進入點和 取得自己的子目錄`pyproject.toml`。
+ `agentcore/aws-targets.json` - 部署的帳戶 AWS 和區域。
## 步驟 3：在本機測試
```
cd MyAgent
agentcore dev
```
`agentcore dev` 會建立 Python 虛擬環境、安裝相依性、啟動具有熱重新載入的本機伺服器，並在瀏覽器中開啟**代理程式檢查程式**，讓您可以與代理程式聊天、檢查追蹤和瀏覽專案資源。程式碼變更會自動取得。
有用的旗標：
+ `--no-browser` - 使用終端機型 TUI 而非瀏覽器檢查器。
+ `--no-traces` - 停用將追蹤寫入 `agentcore/.cli/traces`。
+ `--logs` - 處於非互動式模式的結尾伺服器日誌。
+ `--port ` - 固定開發連接埠 （預設值為 HTTP 8080、MCP 8000、A2A 9000；忙碌時自動遞增）。
## 步驟 4：部署您的代理程式
```
agentcore deploy
```
部署：
1. 將您的程式碼封裝成 zip 成品 （如果 ，則建置容器`--build Container`)
1. 在幕後使用 AWS CDK 來合成和佈建資源
1. 為您的代理程式建立 AgentCore 執行期端點
1. 設定 CloudWatch 記錄和可觀測性
第一次部署需要幾分鐘的時間，而 CDK 會引導您的帳戶。後續部署速度更快。
預覽在不部署的情況下變更的內容：
```
agentcore deploy --dry-run
```
檢查狀態：
```
agentcore status
```
## 步驟 5：叫用您部署的代理程式
```
agentcore invoke --prompt "Hello, what can you do?"
```
如果您的代理程式已設定付款，請在調用時提供付款內容：
```
agentcore invoke \
--prompt "Access https://example-x402-merchant.com/paid-api" \
--payment-instrument-id \
--auto-session \
--payment-user-id user@example.com
```
這就是迴圈。在 上反覆運算`app/MyAgent/main.py`、使用 進行測試`agentcore dev`、使用 部署`agentcore deploy`、使用 叫用 `agentcore invoke`。
## 將功能新增至您的專案
`agentcore add` 管理 中的資源`agentcore.json`。在沒有互動式功能表引數的情況下執行它，或直接將資源設為目標。
```
agentcore add memory # Store conversation context
agentcore add agent # Add a second agent to the same project
agentcore add gateway # Connect external APIs/tools through Gateway
agentcore add credential # Add an API key for a non-Bedrock provider
agentcore add evaluator # Quality evaluation
agentcore add payment-manager # Payments: create a payment manager
agentcore add payment-connector # Payments: link a payment provider
```
每個新增命令會堆疊組態，並提示必要值。新增後，執行 `agentcore deploy`以佈建。
深入探討您可以連接的功能：
+ [AgentCore 記憶體](https://docs.aws.amazon.com/bedrock-agentcore/latest/devguide/memory.html) - 短期和長期記憶體、擷取策略
+ [AgentCore Gateway](https://docs.aws.amazon.com/bedrock-agentcore/latest/devguide/gateway.html) - 與 APIs和 MCP 伺服器的受管連線
+ [AgentCore 瀏覽器](https://docs.aws.amazon.com/bedrock-agentcore/latest/devguide/browser-tool.html) - 代理程式的受管 Web 瀏覽
+ [AgentCore Code Interpreter](https://docs.aws.amazon.com/bedrock-agentcore/latest/devguide/code-interpreter-tool.html) - 沙盒化程式碼執行
+ [AgentCore Identity](https://docs.aws.amazon.com/bedrock-agentcore/latest/devguide/identity.html) - OAuth、API 金鑰登入資料提供者、工作負載身分
+ [AgentCore 可觀測性](https://docs.aws.amazon.com/bedrock-agentcore/latest/devguide/observability.html) - CloudWatch 中的追蹤、日誌和指標
+ [AgentCore VPC](https://docs.aws.amazon.com/bedrock-agentcore/latest/devguide/agentcore-vpc.html) - 在 VPC 內執行代理程式
+ [AgentCore 付款](https://docs.aws.amazon.com/bedrock-agentcore/latest/devguide/payments.html) - 透過 x402 支付客服人員的微型交易付款
## 檢視日誌和追蹤
```
# Stream recent logs
agentcore logs
# Filter
agentcore logs --since 30m --level error
agentcore logs --query "timeout"
# List recent traces
agentcore traces list
# Get a specific trace
agentcore traces get
```
## 清除
```
agentcore remove all
agentcore deploy
```
`remove all` 會重設組態。追蹤會`deploy`偵測空白狀態，並縮減您帳戶中的資源。
## 後續步驟
+ [什麼是 AgentCore 機制](harness.md) - 執行中代理程式的組態型路徑。使用任何模型、連線至工具、持續狀態、在 VPC 中部署，以及在需要時完成程式碼。
+ [AgentCore 程式碼範例](https://github.com/awslabs/amazon-bedrock-agentcore-samples) - end-to-end範例。