С smolagents на AgentCore: тот же агент, меньше возни с ECS

Healthcare-демо на smolagents с ECS и Fargate можно перенести на Bedrock AgentCore runtime без переписывания агента: тройная оркестрация моделей и векторный поиск в Amazon OpenSearch Service остаются, меняется только обёртка вокруг кода. Managed runtime забирает lifecycle контейнера, масштабирование, identity и observability , то, на self-managed инфраструктуре часто съедает отдельный спринт. Подход bring-your-own: существующий код кладёте в контейнер, AgentCore не привязан к одному фреймворку. Декоратор вместо ручной ECS-обвязки Интеграция держится на BedrockAgentCoreApp , декораторе @app.entrypoint и вызове app.run() в healthcare_agentcore.py . Между декоратором и return по-прежнему создаётся TripleHealthcareAgent , из payload приходит model_type , та же логика, что в standalone-сборке на Fargate. CLI и время выката AgentCore CLI ставят через npm install -g @aws/agentcore , агента регистрируют как BYO с agentcore add agent --type byo . В pyproject.toml фиксируют зависимости, включая smolagents>=1.24.0 и bedrock-agentcore>=0.1.0 ; образ удерживают в лимите 2 GB через .dockerignore . Команда agentcore deploy -y собирает контейнер, пушит в ECR и создаёт runtime-агента , примерно 10, 15 минут. Проверка: agentcore invoke с prompt про metformin и model_type llama или invoke_agent_runtime через boto3. Три бэкенда под один API Amazon SageMaker AI с BioM-ELECTRA-Large-SQuAD2 , узкие биомедицинские запросы и auto scaling. Amazon Bedrock с Llama 3.1 70B Instruct , более широкие медицинские рассуждения. Контейнерный model server с тем же BioM-ELECTRA , self-hosted вариант на ECS, EKS и др. Три бэкенда совместимы с Hugging Face Messages API: переключение сервиса не меняет формат запросов. Для продакшена с медицинскими и другими чувствительными запросами AWS указывает Amazon Bedrock Guardrails для фильтрации контента и проверки grounding. Источник: Migrating multi-model AI agents to Amazon Bedrock AgentCore runtime .