AWS介绍Amazon Bedrock AgentCore Evaluations，用于评估不同框架构建的AI代理。
只要代理输出符合OpenTelemetry遥测契约，服务即可对LangGraph、LlamaIndex、OpenAI Agents SDK、Google ADK、Claude Agent SDK和Strands Agents等框架的运行结果评分。评估维度、采样范围和阈值由使用方配置，遥测数据需要先完成权限和隐私处理。
OpenTelemetry解决的是把运行事件按可识别的结构送出，不能自动保证不同代理执行的是同一种任务。比如一个代理用三次工具调用完成查询，另一个先检索再总结；若输入问题、工具权限、模型版本和成功标准不同，单看评分高低并不能判断哪个框架更好。
建立评估集时，先挑选有代表性的真实任务并脱敏，明确什么算成功、失败或需要人工接管。对每个框架记录相同的输入、输出、工具调用和耗时，再抽样人工复核评分器是否误判。上线前可先以只读方式运行一段时间，观察评分与用户反馈、人工纠正和业务结果是否一致。
遥测可能包含提示内容、检索片段、用户标识或工具参数。发送到评估服务前应检查字段映射、保留策略、访问角色和脱敏规则；仅仅采用OpenTelemetry格式，并不代表数据已匿名或符合组织的数据处理政策。
来源：AWS Machine Learning Blog，发布时间：2026年8月26日。
