خانه / اخبار تکنولوژی / Amazon Bedrock AgentCore معرفی شد؛ زیرساختی سازمانی برای عامل‌های AI در مقیاس بزرگ

Amazon Bedrock AgentCore معرفی شد؛ زیرساختی سازمانی برای عامل‌های AI در مقیاس بزرگ

Amazon Bedrock AgentCore معرفی شد؛ زیرساختی سازمانی برای عامل‌های AI در مقیاس بزرگ

نویسنده:

انتشار:

به‌روزرسانی:

تعداد نظرات: 0

👀 خبر در یک نگاه:

آمازون پیش‌نمایش Amazon Bedrock AgentCore را معرفی کرد؛ پلتفرمی سازمانی برای پیاده‌سازی و مدیریت عامل‌های هوش مصنوعی در مقیاس بزرگ با امنیت و کنترل کامل، سازگار با فریم‌ورک‌ها و مدل‌های مختلف و تسهیل‌کننده توسعه در محیط‌های پیچیده.

آمازون پیش‌نمایشی از Amazon Bedrock AgentCore را معرفی کرده است؛ مجموعه‌ای از خدمات در سطح سازمانی که به توسعه‌دهنده‌ها کمک می‌کند عامل‌های هوش مصنوعی را در مقیاس وسیع، روی فریم‌ورک‌ها و مدل‌های پایه مختلف، پیاده‌سازی و اجرا کنند. این پلتفرم چالش‌های زیرساختی ساخت عامل‌های هوش مصنوعی در محیط تولید را با ارائه زیرساخت اختصاصی برای مقیاس‌پذیری ایمن عامل‌ها، ابزارهای قدرتمند برای ارتقای توانایی آن‌ها و کنترل‌های ضروری برای اطمینان از عملکرد قابل اعتماد برطرف می‌کند. AgentCore با فریم‌ورک‌های محبوبی مثل CrewAI، LangGraph، LlamaIndex و Strands Agents سازگار است و از مدل‌های داخل و خارج از اکوسیستم Amazon Bedrock پشتیبانی می‌کند. آمازون ادعا می‌کند این رویکرد دوراهی بین انعطاف‌پذیری متن‌باز و امنیت سطح سازمانی را از بین می‌برد.

سرویس Amazon Bedrock AgentCore

این سرویس با Bedrock Agents فعلی آمازون متفاوت است؛ تمرکز آن روی مقیاس‌پذیری در سطح تولیدی است، نه صرفا ساده‌سازی ساخت عامل‌ها. AgentCore بار زیرساختی‌ای را که توسعه‌دهنده‌ها معمولا با آن روبه‌رو هستند حذف می‌کند و به‌صورت خودکار مدیریت نشست، کنترل هویت، سیستم‌های حافظه و قابلیت مشاهده‌پذیری را انجام می‌دهد. این توسعه بازتابی از تحول مدل‌های پایه است؛ از ابزارهایی برای تولید مستقیم محتوا به سمت سیستم‌هایی که عامل‌های هوش مصنوعی را قدرت می‌دهند، عامل‌هایی که استدلال می‌کنند، برنامه‌ریزی می‌کنند، عمل می‌کنند، یاد می‌گیرند و با نظارت حداقلی انسان در جهت اهداف تعریف‌شده توسط کاربر تطبیق پیدا می‌کنند. ظهور پروتکل‌های استانداردی مانند Model Context Protocol (MCP) و Agent2Agent (A2A) این موج جدید از هوش مصنوعی عاملی را ممکن کرده‌اند. با ساده‌سازی نحوه اتصال عامل‌ها به ابزارها و سیستم‌های خارجی و فراهم‌کردن امکان تمرکز توسعه‌دهنده‌ها روی منطق اپلیکیشن به جای پیچیدگی‌های زیرساخت.

مولفه‌ها و ابزارهای AgentCore

معماری AgentCore شامل شش مولفه اصلی است: «Runtime، Gateway، Memory، Identity، Observability و ابزارهایی مانند Browser Tool و Code Interpreter». آمازون این مولفه‌ها را به‌گونه‌ای طراحی کرده که بتوانند به‌صورت مستقل یا یکپارچه عمل کنند و این امکان را به تیم‌های توسعه می‌دهد که به‌جای استفاده کامل از کل مجموعه، تنها سرویس‌های مورد نیاز خود را انتخاب کنند.

مولفه Runtime

مولفه Runtime در AgentCore یک محیط میزبانی ایمن، بدون سرور و اختصاصی برای استقرار و اجرای عامل‌ها یا ابزارهای هوش مصنوعی فراهم می‌کند. این محیط از تعاملات آنی و همچنین بارهای پردازشی طولانی‌مدت تا سقف ۸ ساعت پشتیبانی می‌کند و امکان استدلال پیچیده عامل‌ها و اجرای وظایف غیرهمزمان —مثل همکاری چندعامل یا جلسات حل مسئله طولانی— را فراهم می‌سازد. این سرویس با پیاده‌سازی ایزوله‌سازی نشست، هر نشست کاربر را در یک microVM اختصاصی با منابع پردازنده، حافظه و فایل‌سیستم جداگانه اجرا می‌کند تا از نشت داده بین نشست‌ها جلوگیری شود. Runtime با ارائه‌دهنده‌های هویت سازمانی مانند Okta، Microsoft Entra ID و Amazon Cognito یکپارچه شده و از جریان‌های احراز هویت خروجی برای دسترسی ایمن به سرویس‌های ثالث مثل Slack، Zoom و GitHub پشتیبانی می‌کند.

مولفه‌ها Gateway

AgentCore Gateway مسئول یکپارچه‌سازی ابزارها است؛ این بخش APIها، فانکشن‌های Lambda و سرویس‌های موجود را به ابزارهایی سازگار با Model Context Protocol (MCP) تبدیل می‌کند و از فرمت‌هایی مثل OpenAPI، Smithy و Lambda به‌عنوان ورودی پشتیبانی می‌کند. آمازون Gateway را به‌عنوان راه‌حلی معرفی می‌کند که احراز هویت ورودی و خروجی را به‌صورت کامل و مدیریت‌شده فراهم می‌سازد. این بخش امکان یکپارچه‌سازی سریع با ابزارهای سازمانی مانند Salesforce، Slack، Jira، Asana و Zendesk را تنها با یک کلیک فراهم کرده است. Gateway همچنین انتخاب معنایی ابزار را ارائه می‌دهد که به عامل‌ها اجازه می‌دهد در میان ابزارهای موجود جست‌وجو کرده و مناسب‌ترین آن‌ها را برای هر زمینه انتخاب کنند؛ این قابلیت استفاده از هزاران ابزار را ممکن می‌سازد و در عین حال اندازه پرامپت را کاهش داده و تأخیر را کم می‌کند.

مولفه Memory

مولفه Memory در AgentCore امکان حفظ زمینه (context) را از طریق معماری حافظه‌ دوگانه فراهم می‌کند که شامل دانش کوتاه‌مدت و بلندمدت است. حافظه کوتاه‌مدت، مکالمات را ذخیره می‌کند تا زمینه‌ لحظه‌ای حفظ شود و از انجام وظایف چندمرحله‌ای و تصمیم‌گیری آگاه از زمینه پشتیبانی می‌کند. حافظه بلندمدت، بینش‌های استخراج‌شده مانند ترجیحات کاربر، واقعیت‌های معنایی و خلاصه‌ها را ذخیره می‌کند تا دانش در میان نشست‌های مختلف حفظ شود.

مولفه Identity

مدیریت هویت در AgentCore امنیت سازمانی را از طریق رویکردی متمرکز تأمین می‌کند و قابلیت مرکزی برای مدیریت هویت عامل‌ها، ایمن‌سازی اطلاعات کاربری و یکپارچگی بدون وقفه با سرویس‌های AWS و شخص ثالث از طریق Sigv4، جریان‌های استاندارد OAuth 2.0 و کلیدهای API ارائه می‌دهد. این سیستم هویتی کنترل‌هایی را اجرا می‌کند که هر درخواست را به‌صورت مستقل اعتبارسنجی می‌کنند و برای تمام تلاش‌های دسترسی، صرف‌نظر از منبع، تایید صریح را الزامی می‌دانند. این پلتفرم همچنین یک مخزن توکن (token vault) دارد که امنیت لازم برای ذخیره توکن‌های OAuth 2.0، اطلاعات کاربری OAuth و کلیدهای API را با رمزنگاری کامل در حالت ذخیره و انتقال فراهم می‌سازد.

مولفه Observability

ماژول Observability در AgentCore قابلیت‌های پایش محیط تولید را فراهم می‌کند که به‌طور ویژه برای جریان‌های کاری عامل‌های هوش مصنوعی طراحی شده‌اند. این سرویس به توسعه‌دهنده‌ها کمک می‌کند تا عملکرد عامل را در محیط‌های تولید ردیابی، اشکال‌زدایی و پایش کنند و در عین حال بصری‌سازی دقیقی از هر مرحله در جریان کاری عامل ارائه می‌دهد، به‌طوری‌که توسعه‌دهنده بتواند مسیر اجرای عامل را بررسی کند، خروجی‌های میانی را ارزیابی کند و گلوگاه‌ها یا خطاهای عملکردی را دیباگ کند. این پلتفرم داده‌ها را در قالب استاندارد سازگار با OpenTelemetry (OTEL) خروجی می‌دهد، بنابراین به‌راحتی با ابزارهای فعلی پایش و مشاهده‌پذیری قابل یکپارچه‌سازی است.

مولفه Code Interpreter

ابزار Code Interpreter در AgentCore قابلیت عامل‌ها را با امکان اجرای محاسباتی امن در محیط‌های کانتینری افزایش می‌دهد. این ابزار اجازه می‌دهد عامل‌های هوش مصنوعی به‌صورت امن در محیط‌های ایزوله (sandbox) کد بنویسند، اجرا و اشکال‌زدایی کنند و پل ارتباطی بین درک زبان طبیعی و اجرای محاسباتی است. این سرویس از زبان‌های برنامه‌نویسی مختلفی مانند پایتون، جاوااسکریپت و تایپ‌اسکریپت پشتیبانی می‌کند و به عامل‌ها امکان می‌دهد جریان‌های کاری پیچیده و تحلیل داده را در محیط‌های ایزوله انجام دهند، در حالی که به منابع داده داخلی دسترسی دارند بدون اینکه داده حساس فاش شود یا امنیت به خطر بیفتد.

مولفه Browser

ابزار Browser در AgentCore پلتفرم را تکمیل می‌کند و یک محیط مرورگر ابری سریع و امن فراهم می‌کند تا عامل‌های هوش مصنوعی بتوانند در مقیاس وسیع با وب‌سایت‌ها تعامل داشته باشند و در عین حال امنیت در سطح سازمانی، قابلیت‌های کامل پایش و مقیاس‌پذیری خودکار بدون بار مدیریت زیرساخت را حفظ می‌کند.

 

راه‌اندازی AgentCore نشان‌دهنده جدیدترین حرکت در رقابت فزاینده بین ارائه‌دهنده‌های خدمات ابری برای عرضه پلتفرم‌های زیرساخت هوش مصنوعی است. شلی پالمر (Shelly Palmer)، استاد رسانه‌های پیشرفته و مدیرعامل The Palmer Group، اشاره کرد:

«آمازون وب سرویس، مایکروسافت، گوگل و تقریبا همه سازندگان مدل‌های پایه در رقابتی هستند که می‌توانم برایت پلتفرمی بسازم تا خودت پلتفرم بسازی. این برای همه عالی است. رقابت، بازیگران بزرگ را هوشیار نگه می‌دارد و ما هم از مزایای آن بهره‌مند خواهیم شد.»

پیش‌نمایش Amazon Bedrock AgentCore در مناطق US East (ویرجینیا شمالی)، US West (اورگن)، آسیا پسیفیک (سیدنی) و اروپا (فرانکفورت) راه‌اندازی شده است. تیم‌های توسعه می‌توانند به مستندات فنی از طریق مستندات رسمی AgentCore دسترسی داشته باشند، در حالی که اطلاعات قیمت‌گذاری در صفحه قیمت‌گذاری Amazon Bedrock AgentCore موجود است. آمازون نمونه‌های پیاده‌سازی را از طریق مخزن amazon-bedrock-agentcore-samples در گیت‌هاب برای توسعه‌دهندگانی که می‌خواهند سرویس‌ها را با سیستم‌های سازمانی موجود ادغام کنند، ارائه می‌دهد.

 

منبع: infoq.com

سوالات متداول

فرصت‌های شغلی

ایجاد محیطی با ارزش های انسانی، توسعه محصولات مالی کارامد برای میلیون ها کاربر و استفاده از فناوری های به روز از مواردی هستند که در آسا به آن ها می بالیم. اگر هم مسیرمان هستید، رزومه تان را برایمان ارسال کنید.

سوالات متداول

دیدگاه‌ها

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *