跳转至

AI Agent 的迁移与现代化 — 使用 Amazon Bedrock AgentCore 将 OpenClaw 从单机改造为多租户 Serverless 架构 第四篇 | 亚马逊AWS官方博客

Ch11.191 AI Agent 的迁移与现代化 — 使用 Amazon Bedrock AgentCore 将 OpenClaw 从单机改造为多租户 Serverless 架构 第四篇 | 亚马逊AWS官方博客

📊 Level ⭐⭐ | 5.6KB | entities/using-amazon-bedrock-agentcore-openclaw-multi-4.md

概述

AI Agent 的迁移与现代化 — 使用 Amazon Bedrock AgentCore 将 OpenClaw 从单机改造为多租户 Serverless 架构 第四篇 by awschina on 08 5月 2026 in Migration Transfer Services Permalink Share 摘要：基于 AWS 示例项目，展示如何将 OpenClaw 迁移为基于 Amazon Bedrock AgentCore 的多租户 Serverless 架构。全系列 6 篇，涵盖 Replatform 与 Refactor 两种策略。本篇为第四篇：Phase 2 3 — 部署 AgentCore Runtime 与业务层，构建 ARM64 容器镜像、创建 AgentCore Runtime，以及部署消息路由、定时任务和 Token 用量监控。 目录 01 五、Phase 2

核心技术

Amazon Bedrock AgentCore、Strands Agent SDK、OpenClaw、MCP Server、OpenClaw、Amazon Bedrock

来源

AWS China Blog 原文

深度分析

Phase 2 是整个迁移的核心：将 OpenClaw 从"Node.js 进程"转变为"AgentCore 托管的 Serverless 容器"。这一阶段由 deploy.sh 自动执行，主要做了两件事：(1) 构建 ARM64 容器镜像到 ECR；(2) 创建 AgentCore Runtime。 Starter Toolkit vs 手动部署：

  • Starter Toolkit（agentcore configure + agentcore deploy）：AWS 推荐，两条命令完成 Phase 2，适合快速原型。

  • 手动方式（docker build → ecr push → create-agent-runtime → create-endpoint）：适合需要精细控制的场景。 ARM64 架构的约束：AgentCore Runtime 运行在 Graviton 处理器上，必须构建 ARM64 镜像。CodeBuild 提供原生 ARM64 构建机，无需本地 QEMU 模拟。 Phase 3 业务层部署的关键组件：

  • 消息路由 Lambda：接收用户消息，按会话 ID 分发到对应的 AgentCore Runtime microVM。这是多租户路由的核心。

  • 定时任务 Lambda：处理定时触发的工作流，如每日报告生成、定期数据同步。
  • Token 用量监控：基于 CloudWatch + Lambda 实现，按用户/会话追踪 Token 消耗，支持成本分摊。

实践启示

  1. 构建耗时的预期：CodeBuild 构建 ARM64 镜像需要 5-10 分钟。使用 screen 或 nohup 避免终端断开导致构建中断。
  2. Per-Session 隔离的意义：每个用户会话分配独立 microVM，会话间完全隔离。这意味着一个用户的高负载不会影响其他用户的体验。
  3. 消息路由的设计：Lambda 路由需要维护"会话 ID → microVM endpoint"的映射。建议使用 Redis 或 DynamoDB 存储这个映射表。
  4. 成本监控的必要性：AgentCore 按使用量计费，需要在业务层实现 Token 用量追踪。CloudWatch Metrics + Lambda 实现自动告警。
  5. Session 超时管理：配置合理的 sessionTimeoutSeconds，平衡资源利用率和用户体验。空闲会话应及时释放。

相关实体

→ 原文存档