用 Amazon Bedrock AgentCore 构建 AI 支持助手：一键部署，统一管理 AWS 运维

一句话看懂

AWS 官方发布基于 Bedrock AgentCore 的 AI 支持助手模板，一键部署即可通过对话界面完成日志分析、文档搜索、社区查询和工单创建，将每次故障调查时间从 30-45 分钟缩短到几分钟。

详细发生了什么

AWS 官方博客发布了一篇教程，指导用户使用 Amazon Bedrock AgentCore 构建一个名为 “AWS Support Companion” 的 AI 代理。该代理利用 Strands Agents 作为编排框架，通过 Model Context Protocol (MCP) 连接多个 AWS 服务，实现从单一对话界面完成运维任务。

核心功能包括：分析 CloudWatch 日志、搜索 AWS 文档、查询 AWS re:Post 社区知识、创建支持工单。整个方案通过一个 CloudFormation 脚本部署，前端基于 AWS Amplify 构建的 React 应用，支持用户注册和登录。

技术架构上，AgentCore 负责运行时的会话隔离、自动扩缩、安全和可观测性。代理通过三个 MCP 服务器分别连接 AWS 文档、Support API 和服务 API，并通过 AgentCore Gateway 访问 re:Post 社区知识。Guardrails 配置过滤有害内容、阻止 prompt 注入、脱敏 PII 信息。

部署前提包括 Python 3.11+、Docker with buildx、AWS 账号（需 Bedrock 模型访问权限）、AWS Business/Enterprise 支持计划。部署脚本会自动创建 ECR 仓库、构建 Docker 镜像、部署 CloudFormation 堆栈，并输出前端配置所需的值。

中文圈视角

对于国内 AWS 用户，这个方案有几点值得关注：

可用性：需要 AWS 账号和 Business/Enterprise 支持计划，国内用户需正常访问 AWS 服务。模型使用 Amazon Nova Pro，目前在国内区域可能受限，需确认部署区域。
国产平替：国内云厂商如阿里云、腾讯云尚未推出类似的一站式 AI 运维助手模板。但可以借鉴其思路，利用通义千问、DeepSeek 等模型结合自家 API 构建类似工具。
实际场景：对于使用 AWS 的国内出海企业或外企在华团队，该方案能显著提升运维效率。特别是多账号、多区域环境下，减少上下文切换。
合规注意：Guardrails 配置了 PII 脱敏（包括 AWS keys、信用卡、SSN），但国内数据出境需额外评估。建议在部署前确认数据存储区域和合规要求。
盲点：中文社区对 AgentCore 和 MCP 协议的讨论较少，这个方案展示了 AWS 在 AI Agent 基础设施上的布局，值得关注。

几条值得记住的细节

部署脚本包含预部署安全验证：检查 CloudTrail 是否启用、验证 CloudFormation 模板、确认使用临时角色凭证而非长期 IAM 用户密钥。
代理使用 asyncio.gather 并行初始化三个 MCP 服务器，减少冷启动时间。
Memory 模块设置两秒超时，若上下文检索超时则直接继续，避免阻塞对话。
支持模型替换：代码中默认使用 Amazon Nova Pro，但可切换为其他 Bedrock 支持的模型，无需修改代理逻辑。
前端通过 Cognito 认证，支持用户注册、登录，并配置了 AWS WAF 速率限制和请求验证。

一句话总结

如果你管理 AWS 基础设施，这个开源模板能帮你快速搭建一个 AI 运维助手，把繁琐的故障排查步骤浓缩成一次对话。