AWS介绍了一套结合DevOps Agent与Amazon Bedrock AgentCore Evaluations的生产代理生命周期监控方法。
AWS官方文章指出，多代理系统在生产环境中会出现传统监控难以识别的问题。该方案把代理执行过程、评估结果与运维流程联系起来，用于观察代理表现并定位需要改进的环节。
监控指标、评估数据和告警阈值需要根据实际工作流、模型及权限配置设计，文章内容不代表所有部署都能获得相同效果。
来源：AWS Machine Learning Blog，发布时间：2026年9月11日。
代理故障可能不是单个服务宕机，而是模型输出变化、检索数据过期、工具权限被撤销或多代理之间状态不一致。把执行轨迹与评估结果放在同一运维流程中，有助于定位问题发生在哪一环；但需要为每次任务保留关联ID、代理版本、工具结果和失败原因。
为高影响工作流设定具体指标，例如任务成功率、人工接管比例、错误工具调用、响应时间和每次任务成本。告警阈值应结合历史基线与业务风险设定，并定期抽查评估器是否把“格式正确”误当成“结果正确”。模型或工具更新后，应能按版本比较指标变化并在回归时回滚。
运维闭环还需要明确谁接收告警、如何暂停代理、如何处理积压任务以及何时恢复自动执行。追踪数据可能包含用户输入和业务资料，应脱敏并限制保留时间；DevOps Agent与AgentCore Evaluations的组合是示例方案，监控范围和动作权限仍需部署团队设计。
