本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。 # 在 AgentCore 執行期上開始使用 Amazon Bedrock 受管代理程式 （使用 OpenAI) **注意** Amazon Bedrock 受管代理程式 （使用 OpenAI) 處於預覽狀態。在一般可用性之前，功能和 APIs 可能會變更。 Amazon Bedrock Managed Agents 會在其上執行 OpenAI Codex 繫帶 AWS。繫帶會在模型和工具之間執行迴圈、保留工作階段，並在對話成長時壓縮內容。當代理程式必須執行命令或使用檔案時， Bedrock Managed Agents 會將工作傳送至 環境。您可以決定環境執行的位置。 您可以在自己的電腦上執行 Codex exec-server 以進行本機開發。對於其他工作負載，Bedrock 受管代理程式會叫用您帳戶中的 AgentCore 執行期。執行期會為每個工作階段提供自己的 microVM。工作階段會以您控制的執行角色執行，而執行期可以連線到您的 VPC，以便代理程式可以連接私有資源。模型呼叫會保留在 Bedrock 受管代理程式中，因此容器只會執行代理程式傳送的命令。 在本教學課程中，您會執行下列任務： + 使用 AgentCore CLI 建立和部署執行期。 + 使用 OpenAI 開發套件啟動工作階段。代理程式會在您的執行時間中使用範例技能。 + （選用） 新增您自己的技能。 步驟 1 到 4 大約需要 15 分鐘。 您在本教學課程中建立 AWS 的資源可能會對 AWS 您的帳戶收取費用。這些資源包括執行期、 AWS CodeBuild 映像組建和 Bedrock 受管代理程式模型呼叫。如需詳細資訊，請參閱 [AgentCore 定價](https://aws.amazon.com/bedrock/agentcore/pricing/)。若要停止費用，請移除 中的資源[步驟 8：清理](#runtime-get-started-bma-clean-up)。 ## 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`。 + **uv.** 範例用戶端使用 [uv](https://docs.astral.sh/uv/) 來安裝其 Python 相依性。 + **已設定登入資料的 AWS 帳戶。**若要建立 帳戶，請參閱 [AWS 帳戶入門](https://docs.aws.amazon.com/accounts/latest/reference/getting-started.html)。若要設定登入資料，請參閱[設定 AWS CLI](https://docs.aws.amazon.com/cli/latest/userguide/cli-configure-files.html)。 + **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[使用 AgentCore CLI](runtime-permissions.md#runtime-permissions-cli)。範例用戶端也需要 IAM 許可。請參閱 [工作階段角色](#runtime-get-started-bma-session-role)。 + **模型存取。**您的帳戶需要存取 Bedrock 受管代理程式模型 `openai.gpt-5.6-luna`。 CLI 會在您的帳戶中使用 AWS CodeBuild 建置容器映像。 ## 步驟 1：建立專案 安裝 AgentCore CLI，並設定您的登入資料和區域： ``` npm install -g @aws/agentcore agentcore --version export AWS_PROFILE=your-profile export AWS_REGION=us-east-1 ``` 使用 `BedrockManagedAgents` 架構建立專案。您也可以在沒有旗標`agentcore create`的情況下執行 。選取**代理**程式，然後選取 **Bedrock 受管代理程式**做為架構。 ``` agentcore create --name MyManagedAgent --framework BedrockManagedAgents cd MyManagedAgent ``` 專案在 中具有執行期組態，`agentcore/agentcore.json`在 中具有容器來源`app/MyManagedAgent/`。容器會執行 `codex exec-server`，這會連接至 Bedrock 受管代理程式，並執行代理程式的命令。 專案會使用下列預設值設定執行期： + 30 分鐘的閒置逾時和最長 8 小時的生命週期。請參閱[設定生命週期設定](runtime-lifecycle-settings.md)。 + 在 中具有 許可的執行角色`policies/bma-acr-policy.json`。 ### 專案結構 ``` 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 ``` 金鑰檔案： + `lifecycle/server.py` - 生命週期伺服器。Bedrock Managed Agents 會呼叫它以在執行期工作階段`codex exec-server`中啟動。請勿變更此檔案。 + `Dockerfile` - 安裝 Codex、CloudWatch 代理程式和 Python，並將 `lifecycle/`、 `otel/`和 複製到 `plugins/` `/opt/bma`。 + `otel/collector.yaml` - 將 exec-server 的範圍和日誌傳送至 CloudWatch。 + `plugins/acr-report/` - 具有一項技能的範例外掛程式。技能會儲存在工作區`acr-report.txt`中。 + `policies/bma-acr-policy.json` - 執行時間執行角色的政策。允許 `bedrock-mantle:RegisterEnvironment` 和 `bedrock-mantle:ConnectEnvironment`。若要將其限制為一個專案，請將 `Resource`變更為 `arn:aws:bedrock-mantle:::project/`。 + `pyproject.toml` - Python 相依性。`dev` 群組`client.py`僅適用於 。 + `policies/bma-session-trust.json` 和 `policies/bma-session-policy.json` - 信任政策和工作階段角色的許可。請參閱 [工作階段角色](#runtime-get-started-bma-session-role)。 + `client.py` - 啟動工作階段的範例用戶端。您可以在步驟 3 中執行它。 ### 在 VPC 中部署執行期 將網路選項新增至 `agentcore create`： ``` agentcore create --name MyManagedAgent --framework BedrockManagedAgents \ --network-mode VPC --vpc-id --subnets \ --security-groups ``` VPC 必須具有指向 Bedrock 受管代理程式端點的路由，因為 exec-server 會與其連線。映像組建會下載 Codex 和 Python，因此也需要網際網路的路由。請參閱[設定 AgentCore for VPC](agentcore-vpc.md)。 ### 在執行個體上執行執行期 相同的專案會在**執行個體**運算類型上執行。將容量提供者新增至專案，然後使用容量提供者新增代理程式： ``` 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 ``` 然後繼續 [步驟 2：部署](#runtime-get-started-bma-deploy)。 `agentcore deploy`也會建立容量提供者及其運算子角色。 + 使用 `LINUX_ARM64`和 Graviton 執行個體類型，因為映像建置會產生 ARM64 映像。 + 容量提供者會提供網路。子網路必須具有指向 Bedrock 受管代理程式端點的路由。 若要連接不在專案中的容量提供者，請將其 ARN 提供給 `agentcore create --framework BedrockManagedAgents --capacity-provider `。請參閱[執行期執行個體和容量提供者](runtime-instances.md)。 ## 步驟 2：部署 ``` agentcore deploy agentcore status ``` CLI 會在您的帳戶中使用 AWS CodeBuild 建置映像，並部署執行期及其執行角色。Bedrock 受管代理程式會為您叫用執行期。 從 的輸出儲存執行期 ARN`agentcore status`： ``` arn:aws:bedrock-agentcore:us-east-1::runtime/ ``` ## 步驟 3：執行工作階段 Bedrock 受管代理程式使用工作階段角色來呼叫模型並叫用您的執行期。工作階段角色不是執行期執行角色。**當您執行 時`client.py`，它會在您的 帳戶中建立工作階段角色。** `agentcore deploy` 不會建立工作階段角色，`agentcore remove`也不會將其刪除。請參閱 [工作階段角色](#runtime-get-started-bma-session-role)。 從代理程式目錄執行用戶端： ``` cd app/MyManagedAgent uv run client.py --runtime ``` 用戶端會建立工作階段並列印工作階段 ID、每個命令及其輸出，以及客服人員的答案。根據預設，客服人員會使用`acr-report`技能來儲存在工作區`acr-report.txt`中。 下一節會告訴您用戶端如何管理工作階段角色，以及執行用戶端所需的 IAM 許可。 ### 工作階段角色 工作階段角色不是執行期執行角色。 會使用 `agentcore deploy`建立執行角色`policies/bma-acr-policy.json`。用戶端在建立工作階段時，會將工作階段角色提供給 `role_arn` 欄位中的 Bedrock 受管代理程式。 當您啟動新的工作階段但不提供 時`--role-arn`，用戶端會執行下列步驟： 1. 如果角色`BmaSessionRole-`不存在，用戶端會建立該角色。 1. 用戶端會將角色`BmaSession`的信任政策和內嵌政策與 `policies/bma-session-trust.json`和 進行比較`policies/bma-session-policy.json`。如果政策不同，用戶端會將檔案寫入角色。這些檔案僅限於 帳戶和執行時間的區域。 1. 如果用戶端變更角色，則會等待 15 秒。IAM 這次需要 Bedrock 受管代理程式才能使用變更。 若要變更角色，請變更檔案。用戶端不會移除其他人新增至角色的其他政策。當您提供 時，它不會檢查角色`--session-id`，也不會變更您使用 提供的角色`--role-arn`。 對於生產，請使用 為用戶端提供一個執行期和一個閘道的角色`--role-arn`。若要建立角色，請使用 中的兩個檔案`policies/`。放入您的分割區、區域和帳戶 ID，並將 ` ` 中的 `runtime/` 和 `gateway/*` 變更為您的執行期 ID 和閘道 ID。請勿變更專案中的檔案，因為區域中的所有專案都會共用 `BmaSessionRole-`。 執行用戶端的身分需要工作階段角色`iam:PassRole`上的 Bedrock Managed Agents 用戶端許可 `bedrock-mantle:CallWithBearerToken`和 。若要讓用戶端建立和修復角色，也請在 `iam:PutRolePolicy`上提供 `iam:GetRole`、`iam:GetRolePolicy`、、 `iam:CreateRole` `iam:UpdateAssumeRolePolicy`和 `arn:aws:iam:::role/BmaSessionRole-*`。如果您提供 `--role-arn`，用戶端不需要這五個許可。 如需信任政策、工作階段角色的許可和用戶端許可，請參閱《*Amazon Bedrock 使用者指南*》中的[安全和 IAM 角色](https://docs.aws.amazon.com/bedrock/latest/userguide/bedrock-managed-agents-openai-security.html)。 ### 用戶端的運作方式 用戶端使用 `openai`套件`client.beta.agents`的資源。Bedrock Managed Agents 會執行代理程式迴圈。 當用戶端建立工作階段時，會在 中設定這些值`environment`： + `type` - `aws_bedrock_agentcore`，告知 Bedrock 受管代理程式使用 AgentCore 執行期。 + `runtime_arn` - 您的執行時間。工作階段會在執行時間的 區域中執行。 + `workspace_directory` - 代理程式執行其命令的目錄。用戶端使用 `/home/app/workspace`。生命週期伺服器會建立 目錄。 + `runtime_qualifier` - 執行時間的端點。用戶端使用 `DEFAULT`。 + `capability_directories` - Bedrock 受管代理程式尋找技能的目錄。用戶端使用 `/opt/bma/plugins`。 用戶端也會將 `role_arn``extra_body`中的 設定為工作階段角色。`openai` 套件沒有此欄位的參數。 `provide_token` 協助程式會使用您的 AWS 登入資料來取得每個請求的短期 Amazon Bedrock 承載字符。 如果您將閘道新增至專案，請使用 `agentcore deploy` 提供其來自 輸出的 ARN`--gateway`。僅將 旗標用於新的工作階段。用戶端會將閘道新增為在 中使用 ARN `mcp`的工具`connector_id`。Bedrock Managed Agents 會使用工作階段角色呼叫閘道。閘道必須支援 MCP 版本 `2025-03-26`。如果沒有，代理程式不會取得閘道工具，而且 Bedrock 受管代理程式不會顯示錯誤。 ``` """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() ``` ## 步驟 4：繼續工作階段 若要將另一個輸入傳送至相同的工作階段，請新增工作階段 ID。輪換使用相同的工作區。若要在閒置停止後保留工作區，請將工作階段儲存新增至 。 [在閒置停止後保留檔案](#runtime-get-started-bma-keep-files) ``` uv run client.py --runtime --session-id \ --input "Run cat acr-report.txt and show the output." ``` 如果工作階段不存在，用戶端會建立新的工作階段。新增 `--delete`以在輪換後刪除工作階段，或`--raw`將每個事件列印為 JSON。 ### 在閒置停止後保留檔案 在 microVM 執行時間上，將 exec-server 的主目錄放在工作階段儲存體上。然後工作區、連線狀態，並在閒置停止後`CODEX_HOME`保持。 1. 使用工作階段儲存來建立專案，而不是步驟 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`，將此變數新增至執行期的項目： ``` "envVars": [{ "name": "BMA_HOME_DIR", "value": "/mnt/home" }] ``` 1. 在 中`client.py`，設定 `WORKSPACE_DIRECTORY = "/mnt/home/workspace"`。 1. 部署並執行用戶端。 如需工作階段儲存體的詳細資訊，請參閱 [ AgentCore 執行期的檔案系統組態](runtime-filesystem-configurations.md)。 ## 步驟 5：（選用） 新增技能 若要將技能新增至映像，請在 下新增外掛程式`plugins/`並部署。外掛程式具有`.codex-plugin/plugin.json`檔案和`skills/`目錄。`skills/` 目錄每個技能都有一個子目錄，其中包含 `SKILL.md` 檔案。映像會將其複製到 `/opt/bma/plugins`，用戶端已將其提供給 Bedrock 受管代理程式。 若要開始，請複製 `plugins/acr-report/`，並將外掛程式目錄和 重新命名`skills/acr-report/`為外掛程式的名稱和技能。在 中`plugin.json`，設定 `name`、`description`、 `version`和 `"skills": "./skills/"`。每個 都`SKILL.md`從具有 `name`和 的前端開始`description`。部署之後，請使用 啟動新的工作階段`--input "Use the skill to …​"`。 ### 從 Amazon S3 儲存貯體共用技能 在執行時間掛載 S3 檔案存取點。然後，當儲存貯體變更時，技能會變更，而映像會保持不變。如需 S3 檔案檔案系統、存取點和安全群組規則，請參閱 [ AgentCore 執行期的檔案系統組態](runtime-filesystem-configurations.md)。 S3 檔案掛載需要在 VPC 網路模式中執行時間。使用 中的網路選項建立專案[在 VPC 中部署執行期](#runtime-get-started-bma-vpc)。 在 儲存貯體中，將每個外掛程式放在存取點根目錄下的專屬目錄中。使用與 `plugins/acr-report/`： `/.codex-plugin/plugin.json`和 相同的配置`/skills//SKILL.md`。 將掛載新增至 中執行期的項目`agentcore/agentcore.json`： ``` { "filesystemConfigurations": [ { "s3FilesAccessPoint": { "accessPointArn": "arn:aws:s3files:us-east-1:111122223333:file-system/fs-0123456789abcdef0/access-point/fsap-0123456789abcdef0", "mountPath": "/mnt/skills" } } ] } ``` 然後將 `CAPABILITY_DIRECTORIES` 中的 設定為 `client.py` `["/opt/bma/plugins", "/mnt/skills"]`，然後部署。 ## 步驟 6：檢視日誌和追蹤 ``` agentcore logs --since 15m ``` 第一個部署會在您的帳戶中開啟 CloudWatch 交易搜尋。追蹤會在大約 10 分鐘後顯示。若要查看追蹤，請開啟 CloudWatch 主控台，然後選擇 **GenAI 可觀測性**。從 Bedrock 受管代理程式到生命週期伺服器的每個呼叫都有一個跨`bma.invocation`度。如需詳細資訊，請參閱[檢視 Amazon Bedrock AgentCore 代理程式的可觀測性資料](observability-view.md)。 **交易搜尋設定會套用至整個帳戶** 交易搜尋及其跨度索引會套用至 區域中的整個帳戶，且可能需支付額外費用。若要保留目前的設定，請在部署`~/.agentcore/config.json`之前將 `"disableTransactionSearch": true`新增至 。 ## 步驟 7：更新並重新部署 變更 中的執行時間設定`agentcore/agentcore.json`或映像的檔案，然後再次部署。例如，此設定會在 10 分鐘後停止閒置工作階段。這些值以秒為單位。 ``` { "lifecycleConfiguration": { "idleRuntimeSessionTimeout": 600, "maxLifetime": 28800 } } ``` ``` agentcore deploy ``` 這些變更會套用至新的工作階段。 ### 生命週期伺服器的環境變數 在執行期的項目`envVars`中將變數新增至 ，例如 `{ "name": "DISABLE_ADOT_OBSERVABILITY", "value": "true" }`。 | 變數 | 預設 | 說明 | | --- | --- | --- | | `DISABLE_ADOT_OBSERVABILITY` | 未設定 | 設定為 `true` 關閉追蹤和 exec-server 日誌。生命週期伺服器仍會將自己的日誌寫入執行期的日誌群組。 | | `BMA_HOME_DIR` | `/home/app` | `HOME` exec-server 的 。 | | `BMA_STATE_DIR` | `.bma` 中的 `BMA_HOME_DIR` | 的目錄`state.json`，其會保留工作階段的連線狀態。 | | `BMA_CODEX_HOME` | `.codex` 中的 `BMA_HOME_DIR` | `CODEX_HOME` exec-server 的 。 | | `BMA_CODEX_BINARY` | `/opt/bma/bin/codex` | Codex 二進位檔。 | | `BMA_MAX_TURN_LEASE` | `300` | 最長的輪換租用，以秒為單位。 | 每個映像組建都會安裝最新的 Codex 版本。生命週期伺服器需要 Codex 0.154.0 或更新版本。若要鎖定版本，請在 `CODEX_NON_INTERACTIVE=1` 中新增 `CODEX_RELEASE=` 旁邊的 `Dockerfile`。 ## 步驟 8：清理 若要刪除工作階段，請將 `--delete`新增至該工作階段的用戶端上次執行。然後移除專案的資源，並部署 來刪除執行期、其執行角色和堆疊。 ``` agentcore remove all agentcore deploy ``` 部署不會刪除這些資源： + 執行期的 CloudWatch Logs 日誌群組、建置映像的 CodeBuild 專案，以及啟動建置的 Lambda 函數。 + Amazon ECR 儲存庫的 AWS KMS 金鑰。金鑰會保持**待定刪除**狀態 30 天，然後 AWS KMS 會將其刪除。 + `CDKToolkit` 堆疊，如果第一個部署引導帳戶和區域。其他 AWS CDK 應用程式可以使用此堆疊。只有在沒有其他應用程式使用它時才刪除它。 + 步驟 6 的交易搜尋設定。 + 在步驟 3 中`client.py`建立的工作階段角色。 若要刪除工作階段角色，請執行下列命令： ``` aws iam delete-role-policy --role-name BmaSessionRole- --policy-name BmaSession aws iam delete-role --role-name BmaSessionRole- ``` 若要尋找日誌群組，請執行這些命令。然後刪除每個日誌群組。 ``` 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 ``` 取代這些值： + `` - 專案的名稱。在步驟 1 中，它是 `MyManagedAgent`。 + `` - 代理程式的名稱。在步驟 1 中，它也是 `MyManagedAgent`。 + `` - 中部署目標的名稱`agentcore/aws-targets.json`。預設值為 `default`。在 CodeBuild 名稱中，專案名稱和目標名稱中的每個底線 (`_`) 都會變更為連字號 (`-`)。 Lambda 日誌群組的名稱會縮短，如本範例所示： ``` /aws/lambda/AgentCore-MyManagedAgent--ApplicationAgentMyManage- ``` 命令會列出區域中所有 AgentCore CLI 專案的 Lambda 日誌群組。僅刪除專案的日誌群組。 如果您已將其他資源新增至專案，例如閘道或記憶體，請檢查部署是否已將其刪除。 ## 相關資源 + [使用 AgentCore CLI](runtime-permissions.md#runtime-permissions-cli) + [設定生命週期設定](runtime-lifecycle-settings.md) + [AgentCore 執行期的檔案系統組態](runtime-filesystem-configurations.md) + [為 VPC 設定 AgentCore ](agentcore-vpc.md) + [執行期執行個體和容量提供者](runtime-instances.md) + [檢視 Amazon Bedrock AgentCore 代理程式的可觀測性資料](observability-view.md)