Spring AI AgentCore SDK进入可用阶段：Runtime、Memory、Browser和Code Interpreter全解析

文章摘要

Spring生态近期重点介绍了Spring AI AgentCore SDK。它通过Spring Boot自动配置、注解和Advisor，把Amazon Bedrock AgentCore的Runtime、Memory、Browser、Code Interpreter和Artifact Store能力接入Spring AI。需要特别注意：Spring AI 2.0.0与AgentCore SDK自身的BOM版本并不是同一个版本号。本文梳理其模块结构、适用场景、接入方式和生产部署注意事项。

一、先澄清版本概念

开发者容易混淆两个版本：

Spring AI版本
AgentCore SDK版本

当前Spring AI稳定主线是：

Spring AI 2.0.0

Spring AI AgentCore社区项目的Quick Start中，BOM示例使用：

1.0.0

因此，不要因为Spring社区周报提到AgentCore可用，就直接假设依赖一定是：

spring-ai-agentcore-bom:2.0.0

实际接入前应以项目README和Maven仓库中的版本为准。

二、AgentCore SDK解决什么问题

普通Spring AI Agent运行在自己的Spring Boot服务中。

进入生产环境后，还需要：

  • 标准Agent运行入口；
  • 健康检查；
  • SSE流式输出；
  • 会话记忆；
  • 浏览器自动化；
  • 代码执行沙箱；
  • 文件存储；
  • OpenTelemetry；
  • 限流；
  • 云端身份与权限。

Spring AI AgentCore SDK的定位是：

让Spring AI应用使用熟悉的Spring编程模式接入Amazon Bedrock AgentCore能力。

架构：

Spring Boot应用
→ Spring AI ChatClient
→ AgentCore SDK
→ Amazon Bedrock AgentCore服务

三、核心模块总览

当前项目包含：

Runtime Starter
Memory
Browser
Code Interpreter
Artifact Store
OpenTelemetry Extension
Common
BOM

Runtime Starter

自动配置：

/invocations
/ping
SSE Streaming
Health Check
Rate Limiting

它让Spring Boot应用符合AgentCore Runtime的运行契约。

Memory

支持：

  • 短期对话历史；
  • 长期语义记忆；
  • 用户偏好；
  • 摘要；
  • Episodic Memory。

Browser

提供：

  • 网页导航；
  • 内容提取；
  • 截图；
  • 表单交互；
  • Playwright自动化。

Code Interpreter

支持安全执行：

  • Python；
  • JavaScript；
  • TypeScript；
  • 文件生成与读取。

Artifact Store

用于：

  • Agent生成文件；
  • 会话级文件；
  • TTL管理；
  • 结果下载；
  • 中间产物存储。

四、最小依赖结构

使用BOM：

            org.springaicommunity
            spring-ai-agentcore-bom
            1.0.0
            pom
            import

按需引入：

        org.springaicommunity
        spring-ai-agentcore-runtime-starter



        org.springaicommunity
        spring-ai-agentcore-memory



        org.springaicommunity
        spring-ai-agentcore-browser



        org.springaicommunity
        spring-ai-agentcore-code-interpreter

不要默认全部引入。如果Agent不需要浏览器和代码执行，就只使用Runtime和Memory，减少攻击面与依赖。

五、Runtime Starter的价值

传统Agent服务需要自己实现：

POST /invocations
GET /ping
流式事件格式
错误响应
健康状态
调用限流

Runtime Starter把这些基础契约自动化，让Spring Bean更容易成为AgentCore Runtime中的可调用Agent。

六、Memory如何与Spring AI配合

普通Spring AI Chat Memory关注对话消息。

AgentCore Memory进一步覆盖：

短期会话
长期事实
用户偏好
历史摘要
事件记忆

需要区分：

短期记忆

适合当前会话：

用户刚才说了什么
当前任务目标
最近工具结果

长期记忆

适合跨会话：

用户偏好
项目背景
历史决策
长期关注主题

错误做法是把所有历史消息无限放进Prompt。

推荐：

近期消息
＋压缩摘要
＋检索到的长期记忆

还要设置租户隔离、用户隔离、记忆写入规则、删除机制、敏感信息过滤与过期时间。

七、Browser模块适合什么场景

适合：

  • 登录后网页操作；
  • 表单填写；
  • 页面截图；
  • 信息采集；
  • 网页流程测试；
  • 无API系统集成。

优先级建议：

正式API
→ MCP工具
→ 数据库只读接口
→ 浏览器自动化

浏览器自动化更脆弱：页面结构变化、登录失效、验证码、网络波动和元素定位失败都可能导致任务中断。

高风险操作必须人工审批。

八、Code Interpreter如何控制风险

代码执行能力可以用于：

  • 数据分析；
  • CSV处理；
  • 图表；
  • 文件转换；
  • 临时计算；
  • 报告生成。

必须限制：

CPU
内存
执行时间
磁盘
网络
文件路径
依赖安装
系统调用

推荐：

独立沙箱
只读输入
限定输出目录
默认关闭外网
执行超时
完整审计

九、Artifact Store解决什么问题

Agent经常生成Excel、PDF、图片、Markdown、ZIP和分析报告。

Artifact Store应记录：

artifact_id
session_id
tenant_id
filename
content_type
size
created_at
expires_at
checksum
access_policy

生成文件后返回受控引用，而不是暴露服务器本地路径。

十、适合哪些企业项目

企业研究Agent

浏览网页
→ 提取资料
→ 代码分析数据
→ 生成报告文件

售前方案Agent

读取客户资料
→ 查询知识库
→ 生成方案
→ 生成PPT或文档

运维分析Agent

读取监控
→ 执行诊断脚本
→ 汇总故障原因

数据分析Agent

读取数据文件
→ Python计算
→ 生成图表
→ 保存结果

十一、哪些项目不需要AgentCore

以下情况直接部署普通Spring Boot可能更简单：

  • 只有单次问答；
  • 不需要长期记忆；
  • 不需要Browser；
  • 不需要代码沙箱；
  • 已有成熟Agent运行平台；
  • 不使用AWS；
  • 成本与复杂度不值得。

不要为了使用新技术而增加云平台依赖。

十二、生产接入重点

AWS身份

使用IAM Role、临时凭证、最小权限、SigV4和CloudTrail审计。

避免长期Access Key写进配置。

多租户

Memory、Artifact和工具调用必须带：

tenant_id
user_id
session_id

可观测性

记录Agent请求、Advisor链、工具调用、Browser动作、代码执行、Memory读写、文件生成、Token和费用。

故障降级

AgentCore不可用时可以：

  • 切换普通Spring Boot Runtime；
  • 禁用Browser和Code Interpreter；
  • 降级为只读问答；
  • 转人工流程。

十三、与MCP是什么关系

AgentCore与MCP不是互斥技术。

可以形成：

Spring AI Agent
→ AgentCore Runtime
→ MCP Client
→ 企业MCP Server

AgentCore负责运行时、记忆和沙箱，MCP负责工具与资源协议。

十四、我的判断

Spring AI AgentCore SDK的价值在于：

将AWS AgentCore能力包装为Java和Spring开发者熟悉的自动配置、Bean、Advisor和Starter。

它特别适合Spring Boot团队、已使用AWS、需要浏览器和代码执行、需要托管Memory，以及希望统一Agent运行契约的项目。

但它不是Spring AI本身的替代，也不是所有Agent项目的默认选择。

总结

接入前应先判断：

是否真的需要AgentCore能力
→ 选择最少模块
→ 明确版本
→ 设计IAM权限
→ 隔离Memory和Artifact
→ 限制Browser与代码执行
→ 建立完整Trace

尤其要避免混淆Spring AI版本和AgentCore SDK自身版本。

延伸阅读

想持续跟踪大模型、AI Agent、RAG、MCP 与开发者生态的最新变化，欢迎访问 智元界：

https://www.zyentor.com/

智元界将持续分享 AI 热点解读、技术实战、工具推荐与企业落地案例。