从Demo到上线：AWS如何把AI Agent真正“Ship it”

这是一次少见的、从代码细节出发讨论“生产级 AI Agent”的分享。AWS 开发者布道师 Mike Chambers 用一个极简 Demo，拆解了 AI Agent 的最小可行结构，并解释了为什么真正的难点不在模型，而在工程化与系统设计。

为什么“能跑的 Agent”离“能上线的 Agent”还差很远

这场演讲一开始就定下了基调。来自澳大利亚昆士兰的 Mike Chambers 自我介绍得很随意，但他的立场非常明确：他“完全、彻底、只专注于生成式 AI”。在他看来，今天的问题已经不是“能不能做一个 Agent Demo”，而是“为什么这些 Demo 很少真正进入生产环境”。

他在台上直接抛出一个简单得不能再简单的 Python Agent 示例：一个文件、一个 prompt、接收输入、返回结果。它能工作，甚至表现正确，但 Mike 很快指出，这类代码“只能证明想法成立”，而不是“系统可以被依赖”。这也是他反复强调“Ship it”的原因——在 AWS 内部文化中，这意味着把东西交付给真实用户，而不是停留在实验阶段。

这一段的重要洞见在于他的隐含判断：Agent 的瓶颈已经从模型能力，转移到了工程能力。模型可以很强，但如果没有状态管理、调用控制、错误处理和工具边界，它永远只是一个玩具。这也是整场演讲后续内容的出发点。

一个可用 Agent 的最小解剖图：Prompt 只是起点

回到幻灯片后，Mike 用“anatomy of an agent”系统性拆解了一个 AI Agent 的基本结构。他明确指出，Prompt 只是第一层，也是大家最熟悉的一层，但远远不够。紧接着的是一个 loop——让模型可以反复思考、调用工具、再决策的循环机制。

接下来他说了一句他自己都强调“really important”的部分：history。也就是上下文和历史状态。没有历史，Agent 每一次推理都是失忆的；而一旦进入真实场景，这种“失忆”会直接导致不可预测的行为。最后才是 tools：Agent 真正与外部世界交互的方式。

他把这四点——prompt、loop、history、tools——称为一个 Agent 的“minimal viable product”。这不是理论总结，而是明显来自实践的抽象：如果缺少其中任何一个，Agent 要么不稳定，要么不可扩展。这一部分的价值在于，它为“什么叫 Agent”给出了一个工程化而非营销化的定义。

从代码到云：为什么 AWS 把 Agent 做成平台能力

在明确了 Agent 的结构之后，Mike 很自然地转向 AWS 的实现路径。他介绍了 Amazon Bedrock，以及其支持的多模型生态，包括 Anthropic 模型和 Amazon 自家的 Nova 系列。这里他没有做模型性能对比，而是强调选择权和托管能力。

真正的重点是 Amazon Bedrock Agents。他展示了在控制台中创建 Agent 的流程：选择模型、定义 action groups、绑定工具。这些 action groups 本质上是对外部能力的封装，而 Mike 明确指出，像 AWS Lambda 这样的服务，是“perfect place to host these kinds of tools”。

这个设计背后的洞见在于：AWS 并不试图把 Agent 变成一个“更聪明的模型”，而是把它变成一个“更可靠的系统组件”。模型负责推理，平台负责权限、扩展性和部署。这也是为什么 AWS 把 Agent 放在 Bedrock 这样偏基础设施的位置，而不是某个应用层产品中。

一次“快而脏”的部署演示，反而最接近真实世界

演讲后半段，Mike 直接进入控制台，进行了一次他自己称为“quick and dirty”的演示。他快速编写代码，引入 random 模块，配置 action group，然后点击 deploy。整个过程并不精致，但非常真实。

部署完成后，他在控制台右侧测试 Agent，输入请求，系统返回了一个明确的结果：“15”。这和他一开始在本地 Python 示例中展示的结果形成呼应，也验证了同一逻辑从本地到云端的可迁移性。

这个演示的价值不在于功能复杂，而在于它展示了一条完整路径：从最小代码示例，到云端 Agent，再到可测试、可复用的服务。正如他用行动而不是语言传达的那样：生产级 Agent 并不需要炫技，而需要能被部署、被调用、被维护。

总结

Mike Chambers 的这场分享，本质上是在提醒整个 AI 行业：Agent 的未来不取决于模型多聪明，而取决于系统多可靠。从 prompt 到 history，从本地脚本到 Bedrock Agents，他展示了一条清晰的工程化路径。对开发者来说，真正值得学习的不是某个 API，而是这种“从一开始就为上线负责”的思维方式。

关键词： 生成式AI， AI Agent， Amazon Bedrock， 提示工程， AWS

事实核查备注： 演讲者：Mike Chambers（AWS Developer Advocate）；公司：Amazon Web Services、Anthropic；产品与技术：Amazon Bedrock、Amazon Bedrock Agents、Amazon Nova、AWS Lambda、AI Agent；视频标题与发布时间：Ship it！ Building Production Ready Agents — Mike Chambers， AWS，2025-06-27。