Ein produktionsbereites Framework für das Deployment zustandsbehafteter Multi-Agenten-LangGraph-Systeme auf der AWS Bedrock AgentCore-Infrastruktur.
Installieren & Herunterladen
1. ClawHub CLI
Der schnellste Weg, einen Skill direkt aus der Registry zu installieren.
npx clawhub@latest install aws-agentcore-langgraph
2. Manuelle Installation
Kopiere den Skill-Ordner an einen dieser Orte
~/.openclaw/skills/ <project>/skills/ Priorität: Workspace > Lokal > Integriert (Bundled)
3. Prompt-Installation
Kopiere diesen Prompt in OpenClaw, um ihn automatisch zu installieren.
Hilf mir, aws-agentcore-langgraph über Clawhub zu installieren. Falls Clawhub nicht installiert ist, installiere es bitte zuerst (npm i -g clawhub).
Lieber herunterladen?
Hole dir die rohen Skill-Dateien in einem ZIP-Archiv.
Was ist AWS AgentCore + LangGraph?
Dieser Skill bietet eine robuste Brücke zwischen der LangGraph-Orchestrierung und AWS Bedrock AgentCore und ermöglicht das Deployment anspruchsvoller Multi-Agenten-Ökosysteme. Er erlaubt es Entwicklern, Agenten zu erstellen, die den Zustand über Sitzungen hinweg beibehalten, spezialisierte Orchestrator-Muster nutzen und über Lambda oder MCP eine Verbindung zu externen Unternehmenstools herstellen. Durch die Nutzung von Openclaw Skills für diese Integration können Entwickler vom lokalen Prototyping zu skalierbaren, containerisierten Cloud-Deployments mit integrierter Observability und Speicherverwaltung übergehen.
AWS AgentCore + LangGraph Anwendungsfälle
- Orchestrierung von Multi-Agenten-Systemen, bei denen ein zentraler Agent Aufgaben an spezialisierte Domänenexperten delegiert.
- Aufbau zustandsbehafteter KI-Anwendungen, die einen persistenten Langzeit-Speicher über verschiedene Benutzersitzungen hinweg erfordern.
- Integration von Agenten mit externen APIs und Unternehmensdatenbanken über das AgentCore Gateway.
- Bereitstellung von containerisierten Agent-Diensten auf AWS mit vereinfachten CLI-gesteuerten Workflows.
- Verwaltung komplexer Logik durch StateGraph-Übergänge bei gleichzeitiger Aufrechterhaltung der Zuverlässigkeit auf Produktionsniveau.
So funktioniert AWS AgentCore + LangGraph
- Definieren Sie die Agenten-Architektur mit LangGraph StateGraph, einschließlich Knoten für Agenten und vorgefertigte Tool-Executoren.
- Verpacken Sie den kompilierten Graphen in eine BedrockAgentCoreApp, um Standard-HTTP-Endpunkte für Aufrufe und Health Checks bereitzustellen.
- Konfigurieren Sie die Agenten-Umgebung, Namenskonventionen und die AWS-Region über die agentcore CLI.
- Stellen Sie den Agenten als containerisierten Dienst bereit, optional mit aktivierten Speicher-Subsystemen für die Zustandspersistenz.
- Verwenden Sie den MemoryClient und GatewayToolClient innerhalb der Agenten-Logik, um mit sitzungsübergreifendem Speicher und externen Tools zu interagieren.
AWS AgentCore + LangGraph Einrichtung
Um mit diesem Skill von Openclaw Skills zu beginnen, installieren Sie die erforderlichen Pakete und konfigurieren Sie Ihre Umgebung:
pip install bedrock-agentcore bedrock-agentcore-starter-toolkit langgraph
uv tool install bedrock-agentcore-starter-toolkit
# Initialisierung der Agenten-Konfiguration
agentcore configure -e agent.py --region us-east-1
# Starten des lokalen Entwicklungsservers
agentcore dev
AWS AgentCore + LangGraph Datenschema & Taxonomie
Der Skill organisiert Daten rund um Sitzungen und Speicherereignisse, um die Konsistenz über verteilte Agenten hinweg zu gewährleisten:
| Attribut | Beschreibung | Einschränkungen |
|---|---|---|
| session_id | Eindeutige ID für einen kontinuierlichen Konversations-Thread. | Erforderlich für Speicher |
| actor_id | Identifikator für den Agenten oder Benutzer, der die Aktion ausführt. | String |
| event_type | Kategorisierung des gespeicherten Speichers (z. B. Fakt, Entscheidung). | String |
| payload | Der im Speicher abgelegte Kern-Dateninhalt. | Liste oder Dictionary |
| agent_name | Der Identifikator für den bereitgestellten Dienst. | 1-48 Zeichen, nur Unterstriche |
AWS AgentCore + LangGraph Erweiterte Funktionen
- Unterstützung sowohl für Kurzzeitgedächtnis (STM) für den Sitzungskontext als auch für Langzeitgedächtnis (LTM) für sitzungsübergreifende Fakten.
- Multi-Agenten-Delegationsmuster, die es Orchestratoren ermöglichen, Sitzungskontexte mit spezialisierten Agenten zu teilen.
- AgentCore Gateway-Integration zur Umwandlung von Lambda-Funktionen und REST-APIs in MCP-konforme Tools.
- Automatisierte Deployment-Pipelines, die containerisierte Modi und nicht-interaktive skriptbasierte Setups unterstützen.
- Integration mit AWS Bedrock-Inferenzprofilen zur Verwaltung von On-Demand-Durchsatz und Modellzugriff.
SKILL.md
Laden
Verwandte Openclaw-Skills
Agent Skills (agentskills-io)
Ein standardisiertes Framework zum Erstellen, Validieren und Teilen von portablen Anweisungen und Fähigkeiten über verschiedene KI-Agent-Plattformen hinweg.
Adversarial Coach
Ein dialektischer KI-Prüfer, der die Vollständigkeit der Implementierung gegenüber den Anforderungen durch strenge adversatorische Logik validiert.
Virtuoso Support Agent
Ein fortschrittlicher, KI-gesteuerter Assistent für technischen Support, Datenbankadministration und die automatisierte Generierung von RDF Views für OpenLink Virtuoso Server.
Wikidata-Abfrage-Skill
Der Wikidata-Abfrage-Skill ermöglicht es KI-Agenten, einfache englische Fragen in komplexe SPARQL-Abfragen zu übersetzen, um strukturierte Daten aus Wikidata zu extrahieren.
BAML-Codegenerierung
Ein spezialisierter Skill zur Generierung von typsicherem BAML-Code zur Verarbeitung strukturierter LLM-Ausgaben, Klassifizierungen und RAG-Workflows mit 95% Kompilierungserfolg.
Chain-of-Density Zusammenfassung
Eine fortschrittliche Zusammenfassungsfunktion, die iterativ Informationen in eine Textzusammenfassung einfügt und dabei eine strikte Wortzahl einhält.
Hervorgehoben*
