Signal YCurated AI News
更新于 11/5 20:4061 个信源

AWS 推出新代理技能:为编码代理优化 SageMaker 生成式 AI 推理

企业 AI10/6 01:23AWS 机器学习博客查看原文 ↗
摘要

AWS 发布 aws-ai-ml 技能,可通过 Agent Toolkit for AWS 装入 Kiro、Claude Code、Codex 等兼容 MCP 的编码代理,让代理替工程师完成 SageMaker AI 推理端点的基准测试、部署配置推荐与可执行 Python SDK v3 代码生成。

核心要点
  • 技能名为 aws-ai-ml,经由 Agent Toolkit for AWS 分发,可插入任何支持 Model Context Protocol(MCP)的编码代理,官方点名 Kiro、Claude Code、Codex。
  • 代理获得的能力包括:对推理端点做基准测试、推荐部署配置、对比多次性能运行、生成可直接执行的 SageMaker Python SDK v3 代码。
  • 安装有两条路径:本地用 Agent Toolkit(需 AWS CLI 2.35+ 与 uv,执行 aws configure agent-toolkit 自动探测代理并配置 AWS MCP Server),或在 SageMaker Studio 的 JupyterLab 空间内使用;技能通过 npx skills add 安装。
  • 要解决的痛点是 SageMaker AI 托管面过大:支持实时、批量、异步三种 serverful 托管模式,以及按需与预留容量、异构实例、VPC 隔离、自动扩缩容,并与各条 SageMaker 训练路径集成,工程师通常不清楚该选哪个实例族或服务容器。
  • 交互上代理会提出针对性的澄清问题,基于真实基准与实测性能数据生成代码,并适配业务约束,所有步骤以可读代码实时呈现,不存在不透明 UI。
原文佐证
  • Install the skill, and your existing agent can benchmark endpoints, recommend deployment configurations, compare performance runs, and generate executable SageMaker Python SDK v3 code on your behalf.
  • The aws-ai-ml skill is a toolkit that plugs into any coding agent that supports the Model Context Protocol (MCP), turning it into a SageMaker AI inference optimization expert.
  • Either way, you can go from zero to a working conversation in 10 minutes.
AI 洞察
云厂商的竞争正从卖算力与托管能力,延伸到把自家最佳实践封装成代理可调用的「技能」,让编码代理成为新的开发者入口——谁的技能更懂自家基础设施,谁就更容易把用户留在自己的默认路径上。若这一模式成立,MCP 技能库会变成云厂商争夺的前端界面层,而调优经验被代码化后,部分解决方案架构师的咨询价值将被压缩,同时厂商推荐配置也更可能固化为事实标准。