تحسين الوكلاء الإنتاجيين مع مراقبة Amazon Bedrock AgentCore

هذا المنشور هو الجزء الثاني من سلسلة حول تصحيح أخطاء وكلاء الذكاء الاصطناعي، مع التركيز على الوكلاء الذين يعملون بشكل صحيح ولكن أداؤهم ضعيف. يغطي السيناريو 3 اختناقات الأداء: تشمل الأعراض زيادة تدريجية في زمن الاستجابة، وتجاوز زمن الاستجابة للنسبة المئوية 95 (P95) للحدود المحددة، ولكن مع انخفاض معدلات الأخطاء. للتشخيص، استعلم عن CloudWatch لطلبات الاستدعاء عالية زمن الاستجابة، وحلل الجدول الزمني للطلب عبر تتبعات OpenTelemetry، وتحقق من زمن استجابة استرجاع الذاكرة (يجب أن يكون أقل من 200 مللي ثانية) وزمن استجابة استدعاء الأداة. تشمل الأسباب الجذرية بطء تنفيذ الأداة، وتوليد الرموز المفرط، والمعالجة التسلسلية. تشمل الإصلاحات التخزين المؤقت، وتجميع الاتصالات، وفهرسة قواعد البيانات، وتحسين المطالبات للاختصار، وتشغيل استدعاءات الأدوات المستقلة بالتوازي. يتناول السيناريو 4 مشكلات الذاكرة في الجلسات طويلة الأمد، حيث ينمو استخدام الذاكرة بشكل غير محدود، مما يؤدي إلى حدود الرموز وفشل الجلسات. لتحديد ذلك، استعلم عن الجلسات الطويلة ذات الاستخدام العالي للذاكرة، وافحص أنماط استخراج الذاكرة، وتحقق من فشل الاستخراج. تشمل الأسباب الجذرية إعدادات غير صحيحة؛ تتضمن الإصلاحات دمج الذاكرة، وقوالب مساحات الأسماء، وتعيين eventExpiryDuration. يختتم المنشور بأفضل الممارسات للإنتاج: أدوات قياس شاملة، وتنبيهات CloudWatch، ولوحات المعلومات، واستخدام AgentCore Evaluators و Insights للمراقبة الاستباقية.