


AWS mensasarkan jurang pengeluaran ejen perusahaan dengan platform agencore
Jul 19, 2025 am 11:11 AMPengumuman itu menyoroti pengakuan AWS mengenai permintaan pasaran yang mendesak. Memandangkan lebih banyak perniagaan meneroka ejen AI, banyak kesukaran menghadapi penempatan disebabkan oleh kekangan infrastruktur, isu keselamatan, dan kerumitan operasi. Dengan AgentCore, AWS bertujuan untuk menyokong perusahaan ketika mereka beralih dari fasa eksperimen ke pelaksanaan penuh.
Gambaran keseluruhan komponen platform
AgentCore termasuk tujuh perkhidmatan utama yang boleh beroperasi sama ada bersama atau secara berasingan. Perkhidmatan Runtime menyampaikan persekitaran pelaksanaan tanpa pelayan dengan pemisahan sesi penuh dan menyokong beban kerja yang berlangsung sehingga lapan jam -pada masa ini tempoh terpanjang dalam industri. Ini menyelesaikan masalah utama di mana persekitaran tanpa pelayan tradisional berjuang dengan tingkah laku yang tidak dapat diramalkan oleh agen AI.
Perkhidmatan memori mengendalikan sejarah perbualan jangka pendek dan pengekalan pengetahuan jangka panjang di seluruh sesi. Tidak seperti model chatbot asas, memori AgentCore menawarkan keupayaan pembelajaran yang berterusan, membolehkan ejen meningkatkan prestasi mereka dari masa ke masa. Fungsi memori jangka panjang ini menetapkan platform selain alat AI yang lebih mudah yang menetapkan semula konteks antara interaksi.
Keselamatan diuruskan melalui identiti AgentCore, yang mengintegrasikan dengan penyedia identiti perusahaan yang sedia ada seperti Amazon Cognito, Microsoft Entra ID, dan Okta. Perkhidmatan ini membolehkan ejen untuk berinteraksi dengan sistem dalaman sambil mengekalkan protokol pengesahan dan kebenaran yang ketat. Rangka kerja keselamatan peringkat perusahaan ini membantu memenuhi keperluan pematuhan yang sering menghalang pelancaran ejen AI.
Perkhidmatan lain termasuk AgentCore Gateway untuk Integrasi API, alat penyemak imbas untuk automasi web, penterjemah kod untuk pelaksanaan kod selamat, dan ciri -ciri pemerhatian yang dikuasakan oleh Amazon CloudWatch. Senibina modular membolehkan syarikat mengadopsi komponen individu secara beransur -ansur dan bukannya memerlukan peralihan platform penuh.
Kedudukan pasaran dan analisis kompetitif
AgentCore memasuki landskap ejen AI yang kompetitif yang kini diketuai oleh penyelesaian platform proprietari. Builder Agen Vertex AI Google menawarkan ciri -ciri yang sama tetapi mengunci organisasi ke dalam persekitaran Google Cloud. Perkhidmatan Agen Azure AI Microsoft memberikan integrasi yang kukuh dengan produk Microsoft tetapi tidak mempunyai fleksibiliti rangka kerja yang ditekankan oleh AgentCore.
Sokongan AgentCore untuk rangka kerja sumber terbuka seperti Ejen Strands , Langchain , Crewai , dan Llamaindex membezakannya dari alternatif khusus vendor. Pengguna boleh menggunakan mana -mana model asas, termasuk yang tidak dihoskan di Amazon Bedrock, menawarkan fleksibiliti untuk perusahaan dengan strategi AI yang bervariasi. Ini berbeza dengan pembina agen Vertex AI Google, yang terutamanya berfungsi dalam ekosistem model Google sendiri.
AWS juga telah melancarkan pasaran untuk ejen dan alat AI yang telah dibina sebelum ini, mewujudkan model pengedaran yang dapat mempercepat penggunaan perusahaan. Pendekatan ini mengikuti model penyampaian perisian yang berjaya dan dapat menjana aliran pendapatan baru di luar penawaran platform teras.
Cabaran perusahaan dan pertimbangan pengangkatan
Walaupun set ciri yang mantap, AgentCore menghadapi halangan biasa dalam penggunaan AI Enterprise. Organisasi mesti menyesuaikan aliran kerja kepada automasi berasaskan ejen, yang dapat memenuhi rintangan dari pasukan yang digunakan untuk kaedah pembangunan perisian konvensional. Kekurangan kepakaran teknikal kekal sebagai halangan utama, kerana banyak syarikat tidak mempunyai kemahiran yang diperlukan untuk menggunakan dan mengurus agen AI dengan berkesan.
Kebimbangan keselamatan kekal walaupun perlindungan terbina dalam AgentCore. Ejen AI boleh mengumpulkan keizinan sistem yang memperluaskan kelemahan yang berpotensi, dan pengambilan keputusan autonomi mereka dapat mewujudkan tingkah laku yang tidak dapat diramalkan yang alat keselamatan tradisional tidak dapat dikesan. Perusahaan mesti melaksanakan dasar tadbir urus tambahan untuk memastikan ejen beroperasi dalam tahap risiko yang boleh diterima.
Model harga berasaskan penggunaan platform, sambil menawarkan fleksibiliti kos, boleh membawa kepada ketidakpastian anggaran untuk organisasi dengan beban kerja AI yang berfluktuasi. Kos runtime bergantung kepada CPU dan penggunaan memori, menjadikannya sukar untuk menganggarkan perbelanjaan untuk penyebaran ejen kompleks. Struktur harga ini boleh memberi manfaat kepada organisasi dengan penggunaan ejen yang konsisten dan bukannya mereka yang mempunyai pelaksanaan yang tidak teratur atau eksperimen.
Prospek strategik untuk perusahaan
AgentCore mencerminkan tindak balas strategik AWS terhadap landskap AI perusahaan yang berkembang. Apabila syarikat bergerak dari ujian AI generatif ke automasi pengeluaran, platform ejen yang diuruskan menjadi infrastruktur penting. Fokus platform terhadap keselamatan, skalabilitas, dan pemantauan menangani keperluan perusahaan utama yang sebelum ini telah membatasi ejen AI.
Walau bagaimanapun, kejayaan bergantung kepada keupayaan AWS untuk memudahkan operasi sambil mengekalkan piawaian keselamatan yang tinggi. Organisasi yang berjaya melaksanakan ejen AI melaporkan peningkatan produktiviti utama dan penjimatan kos, tetapi penempatan memerlukan perancangan yang teliti dan pasukan teknikal yang mahir. Nilai sebenar AgentCore akan ditentukan oleh seberapa baik ia membolehkan penggunaan ejen AI yang lebih luas di luar organisasi awal pengembaraan yang menjalankan projek-projek konsep bukti.
Rangka Kerja Rangka AgenCore-AGNOSTIK AWS untuk menangkap perbelanjaan perusahaan tanpa mengira keutamaan pelaksanaan AI. Pendekatan ini mungkin membuktikan lebih banyak mampan daripada alternatif yang dikunci vendor kerana pasaran AI Agen matang dan perniagaan berusaha untuk mengelakkan kebergantungan teknologi jangka panjang yang dapat mengehadkan fleksibiliti masa depan.
Atas ialah kandungan terperinci AWS mensasarkan jurang pengeluaran ejen perusahaan dengan platform agencore. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undress AI Tool
Gambar buka pakaian secara percuma

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Clothoff.io
Penyingkiran pakaian AI

Video Face Swap
Tukar muka dalam mana-mana video dengan mudah menggunakan alat tukar muka AI percuma kami!

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas

Pelaburan adalah berkembang pesat, tetapi modal sahaja tidak mencukupi. Dengan penilaian yang semakin meningkat dan tersendiri pudar, pelabur dalam dana usaha yang berfokus pada AI mesti membuat keputusan utama: Beli, membina, atau rakan kongsi untuk mendapatkan kelebihan? Inilah cara menilai setiap pilihan dan PR

Mari kita bercakap mengenainya. Analisis terobosan AI yang inovatif ini adalah sebahagian daripada liputan lajur Forbes yang berterusan pada AI terkini, termasuk mengenal pasti dan menerangkan pelbagai kerumitan AI yang memberi kesan (lihat pautan di sini). Menuju ke Agi dan

Ingat banjir model Cina sumber terbuka yang mengganggu industri Genai awal tahun ini? Walaupun Deepseek mengambil sebahagian besar tajuk utama, Kimi K1.5 adalah salah satu nama yang terkenal dalam senarai. Dan model itu agak sejuk.

Mari kita bercakap mengenainya. Analisis terobosan AI yang inovatif ini adalah sebahagian daripada liputan lajur Forbes yang berterusan pada AI terkini, termasuk mengenal pasti dan menerangkan pelbagai kerumitan AI yang memberi kesan (lihat pautan di sini). Bagi pembaca yang h

Menjelang pertengahan tahun 2025, AI "perlumbaan senjata" dipanaskan, dan Xai dan Anthropic kedua-duanya mengeluarkan model perdana mereka, Grok 4 dan Claude 4. Kedua-dua model ini berada di hujung falsafah reka bentuk dan platform penempatan, namun mereka

Sebagai contoh, jika anda bertanya kepada model soalan seperti: "Apa yang dilakukan oleh orang (x) di (x) syarikat?" Anda mungkin melihat rantaian pemikiran yang kelihatan seperti ini, dengan asumsi sistem tahu bagaimana untuk mendapatkan maklumat yang diperlukan: mencari butiran mengenai CO

Ujian klinikal adalah kesesakan besar dalam pembangunan dadah, dan Kim dan Reddy menganggap perisian AI-enabled yang mereka bina di PI Health dapat membantu melakukannya dengan lebih cepat dan lebih murah dengan memperluaskan kumpulan pesakit yang berpotensi yang layak. Tetapi yang

Senat mengundi 99-1 pagi Selasa untuk membunuh moratorium selepas kegemparan terakhir dari kumpulan advokasi, penggubal undang-undang dan puluhan ribu rakyat Amerika yang melihatnya sebagai penindasan berbahaya. Mereka tidak diam. Senat mendengarkan.
