AWS Bedrock AgentCore Harness 上线：零编排代码搭建图像编辑 Agent

AWS 在 Amazon Bedrock 中推出 AgentCore harness，主打「配置即 Agent」的理念：开发者只需声明 agent 的能力，由平台自动负责编排循环、工具路由、会话记忆与运行环境，无需自行编写 Python 编排代码。本文以一个无服务器的图像编辑应用为例，演示了如何用 harness 快速搭建端到端方案——用户上传照片、用自然语言描述编辑需求，数秒内即可返回结果。整个方案（包括身份认证、加密存储、三种图像编辑工具与 React 前端）通过单一部署命令即可上线。

应用场景与技术栈

该应用支持「把车改成蓝色」「把图片向右扩展 200 像素」这类指令。底层由 Claude Sonnet 4.6 充当编排大脑，将需求拆解成多步骤任务并调用对应工具，执行完成后由运行在 microVM 上的 Python 脚本为结果添加水印（不消耗 token）。前端则将轻量对话路由到 Claude Haiku 4.5，将编辑任务路由到 Claude Sonnet 4.6，agent 在切换模型时保留完整会话上下文。

AgentCore harness 展示了以下几项关键能力：

配置驱动建 Agent：完全通过 API 参数定义 agent，无需 Python 编排代码、框架或容器。
单次调用内模型动态切换：harness 在同一次调用中根据任务类型路由到不同模型，并保持上下文。
单次调用内人格覆盖：可切换 Real Estate、Retail、Automotive 等行业人设，向 system prompt 注入领域知识而无需重新部署。
内置 30 天会话记忆：AgentCore Memory 服务存储对话历史，agent 在会话内可引用前序编辑。
AgentCore Gateway + MCP：通过 Model Context Protocol 暴露 AWS Lambda 后端的工具，由 harness 按 prompt 语义自动选择。
InvokeAgentRuntimeCommand：在 agent runtime microVM 上直接运行命令脚本（如加水印），不消耗模型 token。

四层架构

该图像编辑应用的架构分为四层：

AWS Amplify 上托管的 React 前端，负责上传图像、绘制 mask 与输入编辑指令。
AWS Lambda 代理层，作为浏览器凭证与 harness API 之间的安全边界，控制可用的 system prompt。
挂载 AgentCore Memory 的 Amazon Bedrock AgentCore harness agent，负责会话持久化。
三个工具 Lambda 函数，通过 Amazon Bedrock 调用 Stability AI 基础模型完成图像生成。

通过配置创建 Agent

使用 harness 时，agent 定义是一组传给 create_harness API 的参数。下例展示在 cdk deploy 期间创建 agent 的核心代码：

harness_params = { 'harnessName': 'img_editor', 'executionRoleArn': execution_role_arn, 'model': {'bedrockModelConfig': {'modelId': 'us.anthropic.claude-sonnet-4-6'}}, 'systemPrompt': [{'text': system_prompt}], 'tools': [{'type': 'agentcore_gateway', 'name': 'gateway', 'config': {'agentCoreGateway': {'gatewayArn': gateway_arn}}}], # 将 agent 限定在 gateway 暴露的三个工具，避免 wildcard 暴露所有工具 'allowedTools': [ 'inpaint-target___inpaint', 'outpaint-target___outpaint', 'search-replace-target___search_and_replace', ], 'maxIterations': 10, 'timeoutSeconds': 300, }

harness_params['memory'] = { 'agentCoreMemoryConfiguration': {'arn': memory_arn} }

response = client.create_harness(**harness_params)

以上即为完整的 agent 定义——无编排循环、无工具执行逻辑、无流式处理代码、无错误重试代码，全部由 AgentCore harness 托管。

通过 Gateway 声明工具

通常让 agent 调用工具需要编写代码接收模型返回的工具调用、解析参数、调用目标函数、处理错误并把结果回传。使用 harness 后，这一步被省略：只需在 AgentCore Gateway 上声明工具 schema 并指向 Lambda 函数，harness 会在推理过程中自动发现工具、向模型呈现、按选择调用并把结果回填到对话中。

以 search-and-replace 工具为例，CDK 中通过以下方式声明：

this.gateway.addLambdaTarget('SearchReplaceTarget', { gatewayTargetName: 'search-replace-target', lambdaFunction: this.searchReplaceLambda, toolSchema: agentcore.ToolSchema.fromInline([{ name: 'search_and_replace', description: 'Find an object in the image by description and replace it. ' + 'Does NOT require a mask. Use when the user wants to replace a specific object.', inputSchema: { type: agentcore.SchemaDefinitionType.OBJECT, properties: { source_image_key: { type: agentcore.SchemaDefinitionType.STRING }, search_prompt: { type: agentcore.SchemaDefinitionType.STRING }, prompt: { type: agentcore.SchemaDefinitionType.STRING }, }, required: ['source_image_key', 'search_prompt', 'prompt'], }, }]), });

agent 读取这些工具描述后即可根据用户 prompt 自动选型，无需开发者编写任何路由逻辑。整个方案借助 AWS CDK 一键部署，把身份认证、加密存储、Amplify 前端与 AgentCore harness 装配成完整可用的图像编辑服务，适合希望快速验证「自然语言→图像编辑」产品原型的团队参考。