AWS Fargate
PulseAugur coverage of AWS Fargate — every cluster mentioning AWS Fargate across labs, papers, and developer communities, ranked by signal.
6 天有情绪数据
-
使用 Cursor 在 AWS ECS Fargate 上部署由 Claude 驱动的 AI 编码助手
本文详细介绍了如何使用 AWS Elastic Container Service (ECS) Fargate 和 Cursor IDE 部署由 Claude 驱动的 AI 编码助手。文章解释了 Cursor Agent Mode 的概念以及通过 MCP 连接远程 AI 工具以创建可扩展的工具服务器。
-
AWS 和 NVIDIA 集成 NeMo Switchyard 以优化 AI 编码代理路由
AWS 和 NVIDIA 已合作推出 NVIDIA NeMo Switchyard,这是一个与 Amazon Bedrock 集成的开源库。该工具允许编码代理智能地将请求路由到对给定任务最经济高效的模型,通过考虑模型轮次和重试次数等因素来优化费用。该集成可通过 AWS Cloud Development Kit 部署,支持基于近期活动的分阶段路由和用于 A/B 测试的随机路由等策略,旨在降低开发人员解决任务的总体成本。
-
AWS 推出使用 Amazon Bedrock 和 LiteLLM 的自助式 LLM 网关
AWS 详细介绍了一种使用 Amazon Bedrock 和 LiteLLM 构建自助式 LLM 网关的方法。该设置允许开发人员通过单一的、与 OpenAI 兼容的 API 访问各种基础模型,从而简化了 AI 编码助手的集成。该架构为平台团队提供了对模型使用情况、延迟和错误的增强可见性,同时也使财务团队能够有效跟踪推理成本,安全团队能够管理访问控制。
-
AWS 通过新解决方案增强 AI 代理数据访问和治理 · 已追踪 5 个来源
AWS 正在通过新的数据湖访问和身份治理解决方案来增强 AI 代理功能。Amazon ECS Fargate 上的无服务器模型上下文协议 (MCP) 服务器允许 AI 代理安全地、由元数据驱动地访问企业数据湖。此外,Okta 的跨应用访问与 Amazon Bedrock AgentCore 集成,以治理 AI 代理操作,解决身份问题并实现可扩展的企业部署。
-
模型上下文协议(MCP)标准化了AI代理与工具和数据的交互
模型上下文协议(MCP)正成为使AI代理能够与外部工具和数据交互的关键标准。最近的进展包括一篇介绍EvoMCP的研究论文,这是一个用于共同演化AI代理及其训练数据以应对不断发展能力的框架。多个项目正在利用MCP将AI代理连接到各种系统,例如控制真实的iPhone和Android手机,通过无服务器AWS基础设施访问企业数据湖,以及与联络中心系统集成。此外,MCP还被用于构建AI安全防护,管理项目工作流,并将个人书签转化为代理知识库,展示…
-
AWS SageMaker AI 推出多轮强化学习,用于顺序任务
Amazon SageMaker AI 现在支持多轮强化学习 (MTRL),这是一种用于训练需要顺序动作的任务的模型的方法。这种方法使用任务的整体成功或失败作为训练信号,而不是单个步骤的正确性。该指南使用 Wordle 游戏演示了 MTRL,展示了它如何以适度的训练成本显著提高了 GPT OSS 20B 模型的解决率。
-
AWS Deep Insight 应对多智能体 AI 生产挑战
AWS 开发了一个名为 Deep Insight 的生产级多智能体系统,以解决 AI 智能体超越试点阶段部署所面临的挑战。该系统在一系列三篇博客文章中进行了详细介绍,采用了包括 Anthropic 提出的技术在内的上下文工程技术,来管理复杂的数据分析任务。Deep Insight 利用专业智能体的层级结构来自动化数据加载、分析、图表生成、验证和报告生成,并为开发和生产提供了开源部署选项。
-
MCP 服务器安全漏洞在部署挑战中凸显 · 跟踪 2 个来源
对超过 5,200 个 MCP 服务器的最新分析显示,存在严重的安全和部署缺陷,其中 88% 需要身份验证但只有 8.5% 使用 OAuth,并且有令人担忧的 492 个服务器在没有身份验证或加密的情况下暴露。大多数 MCP 服务器(86%)由开发人员运行,而不是在生产环境中使用,这导致教程经常忽略关键的部署细节。MCP 规范的关键变化,包括弃用握手协议和强制使用路由头,旨在通过允许任何服务器实例处理请求来简化部署,从而无需共享存储,…
-
Anthropic 的 Claude Code Web 使用 Firecracker MicroVM 和快照技术
一项技术分析揭示了 Anthropic 的 Claude Code Web 环境的底层基础设施。该平台利用 Firecracker MicroVM(AWS Lambda 和 Fargate 也采用此技术)来运行用户代码。会话并非从头启动,而是从冻结的 VM 快照中恢复,根文件系统是跨多个会话重用的 Ubuntu 镜像。该系统由一个自定义的 Rust 二进制文件管理,该文件充当 init 和 WebSocket API 网关,负责进程监…
-
AWS 通过 LiteLLM 网关实现 OpenAI Codex 的集中控制
AWS 详细介绍了一种在 Amazon ECS 和 Amazon Bedrock 上使用 LiteLLM 设置 OpenAI 的 ChatGPT Codex 的方法。此方法允许组织为生成式 AI 编码代理实施集中的企业级控制,管理模型访问、消耗归因、预算和速率限制。该解决方案涉及在 AWS 账户内部署客户操作的 LiteLLM 网关,该网关充当 Codex 和 Amazon Bedrock 之间的控制点,确保安全和受管理的模型交互。
-
AWS Firecracker microVM 超 36,000 GitHub Star
AWS Firecracker microVM 是一个基于 Rust 的引擎,为 AWS Lambda 和 AWS Fargate 等服务提供支持,已在 GitHub 上获得超过 36,443 个 Star。这一里程碑标志着该项目在开发者社区中的受欢迎程度和采用率的提高。日益增长的关注度表明,人们对服务器计算的高效和安全虚拟化解决方案的兴趣日益浓厚。
-
AWS 推出 Claude 应用网关,用于企业 Anthropic 模型管理
AWS 推出了新的网关解决方案,旨在帮助企业为其员工管理 Anthropic 的 Claude 模型。该网关提供对身份验证、模型访问、成本归属和支出强制执行的集中控制,从而减少运营开销并确保大规模的一致治理。该解决方案可在 AWS Fargate、EKS 或 EC2 上部署,并与 Amazon Bedrock 和 Claude Platform on AWS 等服务集成,支持包括 OIDC 身份提供商在内的多种身份验证方法。
-
LendingTree 在 Amazon Bedrock 上构建多代理抵押贷款助手
LendingTree 已开发出一种使用 Amazon Bedrock 的多代理抵押贷款助手,以简化消费者的购房流程。这款由人工智能驱动的工具通过自然对话,对借款人进行教育、评估其财务状况并推荐量身定制的抵押贷款方案。该系统采用三个独立的 AI 代理——一个主管和两个专门负责教育和匹配的辅助代理——由 LangGraph 编排,并在 Amazon ECS 上通过 AWS Fargate 运行,确保符合严格的行业法规。
-
Smartsheet 在 AWS 上构建 AI 优化服务器以增强数据访问
Smartsheet 已在 AWS 上开发了一个远程模型上下文协议 (MCP) 服务器,使 AI 代理能够访问其企业工作管理平台并与之交互。该服务器充当桥梁,允许 Amazon Quick 和 Claude Desktop 等 AI 助手通过自然语言理解和操作 Smartsheet 数据。该架构旨在优化令牌使用、减少幻觉并确保内部和外部 AI 代理可靠地进行数据交互,从而节省大量令牌。
-
AWS 详解使用 Bedrock AgentCore 为餐厅构建 AI 语音订餐系统
AWS 详细介绍了如何使用 Amazon Bedrock AgentCore 和 Amazon Nova 2 Sonic 构建一个由 AI 驱动的餐厅语音订餐系统。该系统旨在处理因高峰时段常发生的漏接电话问题,通过自动化从问候到订单确认的整个流程。其架构将电话、代理和后端层分开,实现了灵活性和可扩展性,代理通过模型上下文协议与餐厅后端进行交互。
-
AWS 增强 QA Studio,支持测试套件和 CI/CD 集成
AWS 增强了其 QA Studio(一款用于 AI 驱动的质量保证自动化的解决方案),引入了测试套件和命令行集成。这些测试套件允许组织和并行执行单个测试用例,显著缩短回归测试时长。此外,新的命令行界面能够将代理式 QA 自动化无缝集成到 CI/CD 流水线中,从而实现自动部署门禁。
-
Amazon SageMaker AI 推出多轮强化学习新服务
Amazon SageMaker AI 推出了新的多轮强化学习 (MTRL) 服务,旨在训练能够处理复杂、顺序任务的智能体。该服务旨在简化开发能够与工具交互、从错误中恢复以及从多步骤过程中学习的智能体的过程。它提供了模块化智能体-环境接口、无服务器执行、异步推出和原生算法库等功能,同时还提供了对训练指标的可观测性。