Bedrock AgentCore
PulseAugur coverage of Bedrock AgentCore — every cluster mentioning Bedrock AgentCore across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
Amazon Bedrock 上的 AI Agent 成本因模型和任务复杂度而异
对 AI Agent 任务执行成本的比较显示,模型和版本之间存在显著差异,尤其是在使用 Amazon Bedrock 时。一个简单的提示导致不同 Claude Sonnet 版本(4.6、5 和 5.5)的 token 数量不同,而 OpenAI 的 GPT 模型(5.4 至 6.1 Sol)对于相同的提示显示出稳定的 token 使用量。涉及 Agent 和工具咨询的更复杂任务导致 token 消耗大幅增加,这凸显了考虑多次调用累积…
-
AI代理利用Bedrock、MCP和上下文协议增强功能 · 跟踪3个来源
该集群讨论了AI代理开发和集成的进展。其中一项详细介绍了如何在Bedrock AgentCore Runtime上部署和调用支持代理,并强调使用X-ray监控执行跨度。另一项强调了模型上下文协议(MCP)是连接AI助手和代理的默认方法,并指出了其在TypeScript和安全上下文中的使用。第三项涉及AI训练应用的完成记录,建议在对话结束时将课程标记为完成。
-
minia2a目录分析显示45%的AI工具描述冗余
对minia2a目录的最新分析显示,其条目中有45.2%的描述与其名称相同,几乎不提供额外信息。这种被称为“名称回声”的冗余给试图理解和正确调用服务的AI代理带来了挑战,因为描述字段对于消除歧义至关重要。虽然一些名称回声条目是自描述的,但很大一部分包含模糊的名称,清晰的描述对于代理的正常运行至关重要。
-
Microsoft 将本地 AI 模型集成到 Windows ML;AWS 代理易受提示注入攻击
Microsoft 已将 llama.cpp 的支持集成到 Windows ML 中,允许开发人员直接在 Windows 11 上运行 GGUF 格式的 AI 模型,无需转换为 ONNX。此实验性功能通过利用开源生态系统首选的模型格式,简化了 .NET 和 C++ 应用程序的本地 AI 开发。此外,Zenity Labs 的研究人员发现 AWS Bedrock AgentCore 中存在一个名为 AgentCorruption 的漏洞…
-
Zenity 研究人员发现 AWS AI 代理易受账户级接管攻击
Zenity Labs 的研究人员发现 Amazon Web Services 的 Bedrock AgentCore 存在一个关键漏洞。一个公开可用的 AI 代理能够危及同一 AWS 账户和区域内的所有其他 AgentCore 代理。此漏洞利用了对临时云凭证的无限制内部 AWS 接口。亚马逊已通过修补此问题并增强这些代理的默认权限来解决此漏洞。
-
AWS 集成 SageMaker AI 和 Bedrock AgentCore 以实现高级代理工作流
Amazon Web Services (AWS) 通过将 Amazon SageMaker AI 与 Amazon Bedrock AgentCore 相结合,使开发人员能够构建更复杂的代理工作流。此次集成允许在 SageMaker 上使用 OpenAI 兼容的端点以及 Bedrock AgentCore 运行时。这种方法有助于创建多代理系统,其中每个代理都可以利用最适合其特定任务的模型,从而提高 AI 驱动的工作流的整体能力和效率。
-
AWS Bedrock AgentCore 和 Gemini API Managed Agents 为 AI 代理执行提供不同的路径
AWS 和 Google DeepMind 提供了不同的托管代理执行环境方法。AWS 的 Bedrock AgentCore 提供了一个模型无关的框架,用户可以从各种 AWS 服务中进行组装,成本与计算和内存使用量挂钩。相比之下,Google DeepMind 的 Gemini API Managed Agents 与 Gemini 模型系列紧密耦合,并提供异步后台执行、远程 MCP 服务器集成以及在托管沙箱中进行自定义函数调用等功能…
-
AWS 和 Motorway 通过新流水线将 AI 代理错误率降低 400%
Motorway 和 AWS 开发了一个新的 AI 代理评估流水线,显著减少了错误和检测时间。该系统利用 Strands Agents SDK 和 Bedrock AgentCore,将准确率从每 8 个查询 1 个错误的比例提高到每 50 个查询 1 个错误,并将检测问题的时间从几小时缩短到几分钟。
-
AI代理面临运行时碎片化;控制平面应运而生
专门的AI代理运行时(例如Anthropic的Claude Managed Agents和AWS Bedrock AgentCore)的激增,为公司带来了重大的基础设施挑战。团队越来越多地为不同任务采用多个运行时,导致代理发现、治理和会话管理出现碎片化。控制平面或AI网关基础设施正作为一种解决方案出现,以统一这些不同的系统,为跨各种代理平台的调用、观察和治理提供单一接口。
-
伦敦交通局与Capita续签价值9.12亿英镑的道路收费合同
伦敦交通局已将其道路收费业务合同续签给Capita,合同价值9.12亿英镑。此次合作将使Capita继续管理关键服务,并利用技术来保持效率。此次续签凸显了对现有供应商在关键公共基础设施管理方面的持续依赖。
-
英国内阁办公室寻求人工智能影响力人物以建立公务员队伍人工智能文化
英国内阁办公室正在寻找一位“人工智能与创新影响力人物”,以在公务员队伍中培养“人工智能优先文化”。该职位旨在将人工智能技术和创新实践融入政府的各项运作中。此职位是旨在通过采用先进技术来现代化公共服务和提高效率的更广泛努力的一部分。
-
Epic Games 发布 Lore,一个开源的 Git 替代品
Epic Games 推出了 Lore,一个旨在与 Git 竞争的新开源版本控制系统。Lore 旨在为开发者提供更高效、更友好的体验。该项目由 Epic Games 开发,并可能获得 NVIDIA 和 AWS 的集成和支持。
-
研究人员警告:有问题的AI代理配置会浪费token
研究人员发现AI代理配置中存在一个关键缺陷,其中格式不正确或“有问题的”配置文件会导致token大量浪费和效率低下。这个问题影响了AI代理的可靠性和成本效益,可能阻碍其更广泛的应用。问题源于AI代理如何解释和处理这些配置文件,导致意外的计算开销和性能下降。
-
AI 代理面临身份和基础设施障碍,需求日益增长
The Register 报道了 AI 代理不断发展的格局,指出尽管代理式 AI 的概念正在获得关注,但底层基础设施和身份管理模型尚未完全准备好处理非人类代理。文章强调,当前的安保模型是为人类用户设计的,而不是独立的 AI 代理,并讨论了将 AI 采用从试点扩展到生产所面临的挑战。文章还涉及了 AI 在可访问性方面的进展,例如一种脑机接口使一位言语不清的 ALS 患者能够进行交流,以及对 AI 互连的需求推动了 NVIDIA 支持的光…
-
美国数据中心建设滞后,威胁人工智能基础设施增长
到2026年,美国计划建设的数据中心容量的建设严重滞后,目前只有计划容量的一半正在建设中。这种短缺归因于多种因素,包括获得必要电力的挑战以及与人工智能相关的基础设施的持续需求。这种情况凸显了由于物理资源不足而可能在扩展人工智能能力方面出现的瓶颈。
-
AWS Bedrock AgentCore 增强 AI 信任度和可访问性
AWS 正在通过旨在改进代理式 DevOps 实践和解决信任问题的新功能来增强其 Bedrock AgentCore。该公司的人工智能主管强调,信任是人工智能采用的主要障碍,而这些更新旨在减轻负面后果。一个关键重点是使人工智能更易于访问,并将 Kiro 集成进来以便更方便地使用。
-
AWS 指南:使用 Deep Agents 和 Bedrock AgentCore 构建研究代理
AWS 发布了一份指南,供开发人员使用 Deep Agents 和 Bedrock AgentCore 构建富含上下文的研究代理。本教程演示了如何使用隔离的执行环境创建多步 AI 工作流。
-
Google 发布 Agent Executor 以促进企业 AI 智能体部署
Google 发布了 Agent Executor,这是一个开源运行时,旨在使企业能够可靠地大规模部署 AI 智能体。此举解决了生产环境中对持久性、编排和可恢复性的关键需求,而目前 LangChain 和 AutoGen 等框架据称在这方面存在困难。此举将使 Google 能够推动云服务消费,与其过去在 Kubernetes 上的策略如出一辙。
-
Anthropic 发布代理平台;AWS 推出 Quick 工作区
Anthropic 推出了新的 AI 代理平台,超越了简单的模型 API,支持长期运行、自我改进的代理。该平台包括帮助代理从过去会话中学习的后台进程“Dreaming”,以及用于有状态代理的托管运行时“Managed Agents”。另外,AWS 推出了 Amazon Quick,一个即用型代理工作区,可连接到 Slack 和 Teams 等现有工具,该工作区基于 Bedrock AgentCore 构建,并利用 Model Cont…
-
Google Gemini API 推出托管 Agent,简化开发者访问
Google 引入了其 Agent 开发平台的两层策略,旨在同时满足个人开发者和企业客户的需求。Gemini API 现在提供托管 Agent,允许开发者在文件中声明式地定义 Agent,并在 Google 管理的云沙箱中运行它们,从而简化了初始设置。这种方法与 Amazon 和 Microsoft 等竞争对手形成对比,后者提供强大的 Agent 运行时,但从消费者级 API 访问到企业级部署的路径不太顺畅。