使用 SageMaker AI 与 Bedrock AgentCore 构建智能体工作流
摘要
AWS 官方教程演示如何将 SageMaker AI 上部署的 Qwen 3.5 9B 与 Bedrock 上的 Claude 模型组合，通过 Bedrock AgentCore 运行时构建可投入生产的多智能体工作流，兼顾成本优化、数据驻留与模型灵活性。
核心要点
- 使用 Strands Agents 的“智能体作为工具”模式，每次调用创建全新智能体实例。
- SageMaker 的 OpenAI 兼容 API 需要 bearer 令牌，通过 httpx.Auth 子类自动刷新，保证长时会话。
- 编排器使用 Claude Haiku 4.5（Bedrock 全局跨区域推理），预算智能体使用 Claude Sonnet 4.6，财务分析智能体使用 Qwen 3.5 9B。
- Qwen 3.5 9B 部署在 ml.g6e.2xlarge（含 1 块 L40S 48GB VRAM），采用 vLLM 0.22.1 GPU 容器，最大模型长度 32768。
- 整个工作流可通过 bedrock-agentcore-starter-toolkit 部署到 Amazon Bedrock AgentCore 运行时。
原文佐证
- A common challenge in building agentic workflows is mixing managed foundation models (FMs) with your own cost-optimized or domain-specific models, without rewriting your agent framework to do it.
- This combination gives you cost optimization, data residency, and model flexibility in a single production-ready architecture.
- Financial analysis agent (Qwen 3.5 9B on Amazon SageMaker AI) – Stock analysis and portfolio construction using tool-calling.
AI 洞察
这意味着企业 AI 架构正从单一模型向混合模型编排演进：托管大模型负责通用推理，开源/自部署模型承担专业任务，通过智能体运行时统一调度。这种模式不仅降低成本，还让数据驻留和模型主权更容易落地。未来，AgentOps（智能体运维）能力——如令牌级可观测性、认证刷新和多环境部署——可能成为企业 AI 平台的关键竞争力。