2026年8月14日 · AWS
Building agentic workflows with SageMaker AI and Bedrock AgentCore
AWS 博客于 2026-08-14 发布文章，介绍如何结合 SageMaker AI 上的 OpenAI 兼容端点与 Bedrock AgentCore 运行时，构建多智能体工作流，每个智能体使用最适合其任务的模型，并展示从 SageMaker 端点获取 Strands Agents 默认不插桩的 token 级可观测性。
EVENT STORY
发展脉络
- 首次出现Building agentic workflows with SageMaker AI and Bedrock AgentCoreAWS Machine Learning Blog
- 当前判断AWS 此举表明云厂商正积极整合模型部署与 Agent 编排能力，降低多智能体系统的构建门槛。同时，强调可观测性反映了生产环境中对 Agent 可靠性的关注，可能推动 Agent 运维工具的发展。Agent Pulse · 分析
AWS 博客文章展示了如何利用 SageMaker AI 上的 OpenAI 兼容端点和 Bedrock AgentCore 运行时构建多智能体工作流。该方法允许每个专业智能体选择最适合其任务的模型，并通过 SageMaker 端点获取 Strands Agents 默认不提供的 token 级可观测性。这为开发者提供了更灵活的模型选择和更细粒度的监控能力。
该方案的核心在于将 SageMaker AI 的 OpenAI 兼容端点与 Bedrock AgentCore 运行时集成，实现多智能体编排。通过为每个智能体分配不同的模型，可以针对任务特性优化性能和成本。token 级可观测性弥补了 Strands Agents 的监控盲区，有助于调试和优化。
AWS 此举表明云厂商正积极整合模型部署与 Agent 编排能力，降低多智能体系统的构建门槛。同时，强调可观测性反映了生产环境中对 Agent 可靠性的关注，可能推动 Agent 运维工具的发展。
该方案使企业能够更灵活地选择模型，避免被单一模型供应商锁定，同时通过 token 级监控优化成本。对于依赖多智能体工作流的企业，这有助于提升系统稳定性和运营效率。
未来，此类集成可能成为云上 Agent 开发的标准模式，更多模型端点将提供类似的可观测性。可观测性工具可能进一步演进，提供更深入的性能分析和成本优化建议。