CommunityDéveloppement et programmationgithub.com

Déploiement AgentCore : séquence, quotas, commandes, rollback

Planifie le déploiement de l'infrastructure Amazon Bedrock AgentCore et son rollback, et remet à l'utilisateur les commandes exactes — sans jamais les exécuter.

Qu'est-ce que Déploiement AgentCore : séquence, quotas, commandes, rollback ?

Cette compétence agit comme un conseiller stratégique pour le déploiement de l'infrastructure Amazon Bedrock AgentCore avec Terraform ou Terragrunt. Elle identifie le module racine ou la pile Terragrunt qui cible réellement les ressources AgentCore, ordonne les étapes de déploiement (identités et rôles, puis passerelle, exécution et mémoire, puis cibles et stratégies, puis livraison des logs), et signale les pièges courants : propagation IAM, ressources créées uniquement à la création (semantic search), dépendance Transaction Search pour TRACES, verrouillage d'un ancien provider, absence de remote backend. Elle vérifie les quotas publiés (cibles par passerelle, outils par cible) et émet les commandes init, validate, plan vers fichier, show -json, policy check, apply de ce plan sauvegardé, les vérifications post-apply, ainsi que la procédure de rollback pour chaque type de changement. Les résultats sont émis dans la bande `DPL0xx` ; le niveau de coût est `aws` car les commandes créent des ressources facturables. Utilisez-la lorsque l'on vous demande de « déployer la passerelle », « appliquer ceci », « dans quel ordre appliquer », « comment revenir en arrière », « est-ce que cela dépasse un quota », ou « donne-moi les commandes terraform ».

Compatible avec✓Claude Code~Codex CLI~Cursor
Part ofAgent Workflows
npx skills add https://github.com/alexaiarchitect/agentcore-skills/tree/HEAD/skills/agentcore-deploy

Installed? Explore more Développement et programmation skills: steipete/bluebubbles, steipete/eightctl, steipete/blucli · View all 6 →

Voir l'original→Voir toutes les compétences

Demander à votre IA préférée

Ouvre une nouvelle conversation avec cette compétence d'agent déjà préchargée.

OpenAIChatGPTClaudeClaudeGeminiGeminiGrokGrokPerplexityPerplexityDeepSeekDeepSeek

Documentation

Déploiement d'AgentCore : séquence, quotas, commandes, rollback

Le déploiement est le moment où ce plugin cesse d'agir et commence à conseiller. Terraform ordonne déjà les ressources par leurs dépendances ; ce qu'il ne peut pas vous dire, c'est quelle racine planifier, ce qui échouera lors d'un premier apply pour des raisons extérieures au graphe, quels paramètres ne peuvent pas être modifiés par la suite, et comment revenir en arrière. Cette compétence n'écrit rien et n'exécute rien : elle affiche les commandes, et l'utilisateur les exécute.

${CLAUDE_SKILL_DIR} est défini par l'exécution de la compétence vers son propre répertoire. Utilisez-le textuellement dans chaque commande ci-dessous ; les scripts d'une compétence sœur se trouvent dans ${CLAUDE_SKILL_DIR}/../<skill>/scripts/.

Déroulement

  1. Vérifier d'abord. Un plan de déploiement sur une erreur est un plan pour déployer l'erreur :

    python3 ${CLAUDE_SKILL_DIR}/../agentcore-review/scripts/review.py <project>

  2. Planifier le déploiement.

    python3 ${CLAUDE_SKILL_DIR}/scripts/deploy_plan.py <project>

    --root DIR lorsque la racine découverte n'est pas celle à déployer (la contrainte du provider, le verrou, la région et les stages sont alors ceux de cette racine) ; --plan-file NAME ; --json. Les commandes nomment le plugin comme $AGENTCORE_PLUGIN, défini par la ligne setup affichée.

  3. Rapporter le module racine, les stages, les constats DPL, les commandes et le rollback, dans cet ordre. Indiquer le niveau de coût : ces commandes créent des ressources facturables dans le compte de l'utilisateur.

  4. Options : (1, recommandé) l'utilisateur exécute init → validate → plan vers un fichier → show -json → la vérification de politique, et colle le résultat de la politique ; (2) après l'avoir lu, l'utilisateur applique ce fichier de plan sauvegardé. Confirmez chaque étape avec AskUserQuestion ; ne les fusionnez jamais en une seule étape.

  5. Vérifier après que l'utilisateur a signalé un apply réussi : passez à /agentcore:agentcore-verify.

La bande DPL0xx

IdSévéritéDéclencheur
DPL001avertissementpas de remote backend (et pas de Terragrunt)
DPL002erreurun quota publié dépassé (cibles par passerelle, outils par cible)
DPL003inforôle et passerelle dans un même apply : la propagation IAM peut échouer au premier essai
DPL004infola recherche sémantique est créée uniquement à la création
DPL005infoune pile Terragrunt : les commandes utilisent terragrunt
DPL006avertissementhashicorp/aws verrouillé en dessous de 6.55.0
DPL007infola livraison TRACES nécessite d'abord l'activation de Transaction Search
DPL008infola racine choisie ne déclare pas de contrainte de version hashicorp/aws

Règles de décision

  • Appliquer un plan sauvegardé, jamais -auto-approve. Le plan que l'utilisateur a lu est le plan qui s'exécute.
  • Politique avant apply. policy_check.py refuse les suppressions de mémoires, passerelles, fournisseurs d'identifiants et pools d'utilisateurs sans un --allow-replace explicite.
  • -target est pour le rollback, pas pour le premier déploiement. Si le premier apply échoue sur la propagation IAM, réexécutez le même apply.
  • Revenir en arrière en annulant, pas en détruisant. Les ressources avec état (utilisateurs, conversations, secrets) ne font jamais partie d'un rollback.

Références

QuestionFichier
Ordre des stages, ce qui échoue aux premiers apply, Terragruntapply-sequencing.md
Les quotas AgentCore importants au moment du déploiementquotas.md
Rollback par type de changement ; ce qu'il ne faut jamais détruirerollback.md

Scripts

CommandeFaitCodes de sortie
scripts/deploy_plan.py <project> [--root DIR] [--plan-file F] [--json]racine, stages, constats DPL, commandes, rollback0 pas d'erreur, 1 erreurs, 2 pas de Terraform

Liste de vérification

  • review.py a été exécuté en premier et ses erreurs ont été résolues ou acceptées par l'utilisateur.
  • deploy_plan.py a été exécuté ; le module racine a été confirmé avec l'utilisateur.
  • Le niveau de coût (aws) a été indiqué avant de remettre une quelconque commande.
  • L'utilisateur a exécuté plan → show -json → policy check avant tout apply.
  • Seul le fichier de plan sauvegardé a été appliqué, par l'utilisateur ; aucune commande n'a été exécutée par l'assistant.
  • Le rollback pour ce changement a été indiqué avant l'apply.

Individual skills in this repo

This repo contains 4 individual skills — each has its own dedicated page.

alexaiarchitect/agentcore-skills

>- Put Amazon Bedrock AgentCore infrastructure behind a plan-only CI gate. Generates a GitHub Actions workflow that, on pull requests touching the infrastructure, runs the static AgentCore review (`ACR0xx`), `terraform fmt -check`, `init`, `validate`, a saved `plan` (Terraform or Terragrunt) with a read-only OIDC role, `show -json`, and the plan policy (`CI0xx`: no delete or replace of memories, gateways, credential providers, workload identities, user pools or tables without an explicit per-address allowance; no `*` on `*`; no gateway with `authorizer_type = NONE`; pinned MCP revisions), then uploads the plan JSON. Nothing in it applies. The plugin's stdlib-only library is vendored into `ci/agentcore/` so the job needs nothing from the plugin, and action pins are reused from the repository's own SHA-pinned workflows. `policy_check.py` also runs locally on any saved plan. Use when asked to "add CI for the AgentCore Terraform", "gate the plan", "block destructive changes", "policy check the plan", "plan on ...

alexaiarchitect/agentcore-skills

>- Estimate what Amazon Bedrock AgentCore will cost per month from a usage profile, line by line with the formula for each line, and put a budget and a usage alarm around it. Prices the published AgentCore rate card (Gateway invocations, search and tool indexing; Identity token requests, free through Runtime or Gateway; Runtime vCPU-hours billed only while active and GB-hours; Memory short-term events — per 1,000 events until 2026-10-05, per GB from 2026-10-06 — and long-term records and retrievals; Evaluations tokens), prices model tokens only at the user's own per-1,000 rates, and lists what it does not price (Lambda, API Gateway, CloudWatch, X-Ray, DynamoDB) so the total is never mistaken for the bill. Generates an AWS Budget filtered to AgentCore with forecast and actual alerts, plus a CloudWatch alarm on gateway invocations, as Terraform after a dry run. Findings are the `CST0xx` band. Use when asked "what will AgentCore cost", "estimate the gateway bill", "is there a free tier", "memory pricing chang...

alexaiarchitect/agentcore-skills

>- Scaffold Amazon Bedrock AgentCore resources as infrastructure as code: a Runtime (ECR repository, service role, `aws_bedrockagentcore_agent_runtime` with a JWT authorizer and lifecycle settings), a Gateway (role, JWT authorizer, pinned MCP revisions, one target), Identity (Cognito M2M client plus an OAuth2 credential provider with write-only secrets) or Memory (memory, strategies, customer-managed key). Terraform modules are the default and the recommendation; a TypeScript CDK stack with the `aws-bedrockagentcore` L1 constructs and the AgentCore CLI (`@aws/agentcore`) commands are offered for teams already on them. Every write is shown as a plan first (`--dry-run`), existing files are never overwritten without `--force`, and nothing is planned or applied. Use when asked to "create an AgentCore runtime", "scaffold a gateway", "add AgentCore memory", "write the Terraform for AgentCore", "start a new AgentCore stack", or "give me the CDK for this". Don't use for a gateway in front of an existing Lambda, HT...

alexaiarchitect/agentcore-skills

>- Inventory a project for Amazon Bedrock AgentCore work and report before advising. Finds existing AgentCore resources and which tool owns them (Terraform `aws_bedrockagentcore_*`/`awscc_*`, CDK constructs, the AgentCore CLI's `agentcore.json`, the deprecated starter toolkit's `.bedrock_agentcore.yaml`, boto3 `bedrock-agentcore` clients, the AgentCore Python SDK and `@requires_access_token`), the agent framework (Strands, LangGraph, LangChain, Claude Agent SDK, CrewAI, OpenAI Agents, ADK, raw), MCP servers and the API Gateway routes and Lambdas behind `/mcp`, Cognito pools, clients and JWT authorizers, the AWS region and per-service availability there, the hashicorp/aws constraint and lock, Terragrunt, and Lambda tracing. Read-only; findings are the `DSC0xx` band. Use when asked "what do I have", "is this on AgentCore", "inventory this repo", "which region are we in", "is AgentCore available in eu-central-1", "what framework is this agent", or before any other AgentCore skill on an unfamiliar project. Don...

Skills associés

steipete/bluebubbles

Send and manage iMessages via BlueBubbles, including attachments, tapbacks, edits, replies, and groups.

community

steipete/eightctl

Control Eight Sleep pods (status, temperature, alarms, schedules).

community

steipete/blucli

BluOS CLI (blu) for discovery, playback, grouping, and volume.

community

steipete/bear-notes

Create, search, and manage Bear notes via grizzly CLI.

community

steipete/camsnap

Capture frames or clips from RTSP/ONVIF cameras.

community

steipete/gifgrep

Search GIF providers with CLI/TUI, download results, and extract stills/sheets.

community
← More Développement et programmation skills