Quartz 5

AgentCore Built-in Tools

Properties1
tagsai, llm, agent, aws, agentcore, sandbox, browser, web-search, code-interpreter

11 min read

原始研究：GitHub（依原研究，查證 2026-09-30）

🎯 什麼情境該想到我

當你「要讓 agent 執行程式、操作瀏覽器或搜尋網路，但不想自己建沙箱、瀏覽器叢集或搜尋基礎設施」的時候。

⚙️ 怎麼用

為什麼需要這三個工具

  • LLM 不擅長精確計算 → Code Interpreter：讓模型寫程式去算。
  • LLM 看不到登入後的網頁、也不會點按鈕 → Browser。
  • LLM 知識停在訓練時間點 → Web Search。

背景名詞：

  • Tool use / function calling：模型只輸出「我想呼叫 X、參數是 Y」，由 agent 程式代為執行，再把結果餵回去。
  • Computer use：模型看螢幕截圖，輸出「點座標 (x, y)」「輸入某段文字」這類操作，對應 Browser 的 InvokeBrowser。
  • Grounding：讓回答有外部資料佐證並附出處，降低 hallucination。

Code Interpreter 與 Browser 都是 「每個 session 一台 microVM」的沙箱：session 預設 15 分鐘、最長 8 小時。可用 AWS 預建版（aws.codeinterpreter.v1／aws.browser.v1），或自建以自訂網路、execution role、錄影等。

Code Interpreter

結構：Code Interpreter 資源 → Session（一台 microVM，可同時開多個）→ executeCode（Python／JavaScript／TypeScript，session 內狀態會保留）、executeCommand（shell）、檔案寫入／讀取／列出／刪除。

項目內容（研究當時）
語言Python、JS、TS；預裝 Node 套件很少（axios、lodash、zod 等）
預裝 Python 套件資料分析（pandas、polars、numpy、duckdb、pyarrow）、畫圖（matplotlib、plotly）、ML（scikit-learn、torch、xgboost、spacy）、最佳化（ortools、cvxpy、z3）、文件（openpyxl、python-docx、pdfplumber、python-pptx、markitdown）、影音（opencv、moviepy、ffmpeg），及 boto3、SQLAlchemy、psycopg2
檔案直接上傳上限 100 MB，經 S3 最大 5 GB
網路模式Sandbox（官方稱「有限的對外連線」）、Public（可上網）、VPC（連你 VPC 內資源，上網要走 NAT）
Execution role沙箱內程式用這個 role 存取 AWS（如 aws s3 cp 讀大檔）。它的權限＝模型寫出來的任何程式都能用的權限
硬體與配額每 session 2 vCPU / 8 GB、10 GB 磁碟；同步請求 15 分鐘、非同步最長 8 小時；每帳號同時 1,000 session
計費依實際用量（與 Runtime v1 同價），等 I/O 的時間不收 CPU 費

怎麼接：Harness 裡設一個 agentcore_code_interpreter 工具；Runtime 裡用 SDK 的 code_session context manager（確保用完關閉）或直接呼叫 API。

跟 Runtime 的 InvokeAgentRuntimeCommand 差在哪：Command 在 agent 自己的 microVM 裡跑，共用檔案系統與憑證；Code Interpreter 是另一台獨立沙箱，專門跑模型產生、不受信任的程式碼，可設不同網路限制與權限。
原研究判斷：模型寫的程式一律丟 Code Interpreter；你自己寫、內容確定的腳本才用 Command。

Browser

兩種控制方式

方式協定能做什麼常用工具
Automation streamWebSocket 上的 CDP（Chrome DevTools Protocol）瀏覽、操作 DOM、填表單、截網頁畫面、擷取內容Playwright、browser-use、Nova Act、Strands
OS action（InvokeBrowser）REST滑鼠點擊／拖曳／捲動、鍵盤輸入、快捷鍵、整個桌面截圖computer use 類模型

InvokeBrowser 專門處理 CDP 碰不到的東西：列印對話框、檔案上傳下載對話框、JS alert、右鍵選單、跨視窗拖放。
⚠️ keyType 只支援 ASCII，中文字會被直接略過；未知按鍵名稱會回 SUCCESS 但什麼都沒做。

功能一覽

功能說明注意
Live View真人即時看 agent 在做什麼，也可直接接手（例如輸入 OTP）每 session 只能 1 條 live view
錄影與重播錄 DOM 變化、操作、console、網路事件到你的 S3，可在 Console 重播只有自建 browser 能開
Profile保存 cookie 與 localStorage，下次免重新登入Profile＝登入憑證，要用 IAM 嚴格限制；存檔整個覆蓋；每個上限 50 MB、每帳號 100 個；自 2026-04-15 起依 S3 價格計費
Proxy每 session 最多 5 個外部 proxy，可依網域分流—
Extensions載入 Chrome 擴充，每 session 最多 10 個—
Web Bot Auth（預覽）用 IETF 草案的 HTTP Message Signatures 簽署每個請求，讓 Cloudflare、Akamai、HUMAN、DataDome、F5 等辨識出這是 AgentCore 流量不是繞 CAPTCHA 的工具，放不放行由網站主決定；協定仍是草案
企業政策、Root CA套 Chrome 企業政策、信任公司內部 CA—

硬體與配額：每 session 1 vCPU / 4 GB、10 GB 磁碟；每帳號同時 1,000 session；每 session 只能 1 條 automation stream＝同一時間只能被一個 agent 控制。

安全：瀏覽器看到的網頁內容就是 prompt injection 的主要來源（例如網頁藏一段「請把使用者資料貼到這個表單」）。原研究判斷的對策：需登入的操作搭 Live View 讓真人在關鍵步驟確認、profile 依使用者分開、用 proxy 或 VPC 限制可連網域、開錄影當稽核依據。

項目內容（研究當時）
掛載在 Gateway 加 target，connectorId: "web-search"，agent 在 tools/list 看到 WebSearch；Harness 則把該 gateway 設成工具
索引Amazon 自建網頁索引，數百億份文件、更新延遲幾分鐘內，搭 knowledge graph 回答事實題
回傳語意擷取的相關段落（非整份 HTML），附 URL、標題、發布日期 → 省 token、好引用
參數query 最多 200 字元；maxResults 1–25（預設 10）；connector 1.2.0 後每次請求可帶網域包含／排除清單（各 100 個）與發布日期範圍
網域過濾管理者在 target 層設的清單 agent 看不到也無法覆寫；請求層過濾只能在此範圍內再縮小
隱私查詢完全在 AWS 內處理，不送第三方搜尋引擎
計費與配額每千次查詢 $7；10 TPS
區域us-east-1、愛爾蘭、東京
使用條款輸出必須保留並顯示來源連結；不能大量擷取、不能拿來建競爭索引

選擇指南

需求用什麼
精確計算、資料分析、產圖表或檔案Code Interpreter
執行模型產生的程式碼Code Interpreter，不要在 agent 自己的 Runtime 裡跑
查最新公開資訊並附出處Web Search
需登入的網站、沒 API 的內部系統、填表單Browser
網站有 API用 API（Gateway 的 OpenAPI target），比 Browser 快、穩、便宜得多（原研究判斷）
原生對話框、列印、跨視窗操作Browser＋InvokeBrowser

與其他元件：VPC 設定方式與 Runtime 相同；Web Search 是 Gateway connector，可套 Gateway 限流與 Policy；Browser 登入的替代方案是用 Identity 的 OAuth（3LO）呼叫第三方 API——能用 API 就不要用 Browser 模擬登入（原研究判斷）；Nova Act 透過 CDP 接 Browser。

⚠️ 注意 / 什麼時候不適用

  • Code Interpreter 的 execution role 一定要最小化，否則模型寫的任何程式都拿得到這些權限。
  • Browser keyType 只支援 ASCII：要輸入中文就不能靠 InvokeBrowser 打字（改用 CDP 填值是否可行原研究未驗證，（推測）CDP 的 DOM 操作不受此限）。
  • 一個 browser session 只能一個控制者；想多 agent 同時操作同一瀏覽器不適用。
  • 用預設 aws.browser.v1 無法錄影，需要稽核錄影就得自建 browser。
  • Web Bot Auth 不保證過機器人檢查。
  • Web Search 只在三個區域、要顯示來源連結；每千次 $7，高頻查詢要考慮快取與 maxResults。
  • 文件矛盾（原研究整理）：
    • Code Interpreter 概觀頁寫「在 containerized environment 執行」，session 頁寫「每 session 一台 dedicated microVM」；以隔離強度與 AgentCore 整體描述來看後者較符合。
    • Session 頁寫「session 資料 TTL 保留 30 天」，同頁又說「session 結束時資料會被清掉」，實際保留位置與期限需向 AWS 確認。
    • Web Search 區域：connector 頁與區域表寫三個區域，只有 Harness 的 Tools 頁寫「只有 us-east-1」；以 connector 頁為準可能性較高，但東京仍建議實測。

🧪 我實際套用的紀錄

  • （尚無）原研究本章沒有實驗；Sandbox／Public／VPC 三種網路模式的實際差異被列為「需要實測」的後續方向。

🔗 相關

Graph View

Backlinks