AWS 推出 aws-ai-ml 技能，为编码智能体注入 SageMaker 推理优化能力

AWS 发布面向编码智能体的 SageMaker 推理优化技能

据 AWS 官方博客，Amazon SageMaker AI 优化的生成式 AI 推理推出名为 aws-ai-ml 的智能体技能，通过 Agent Toolkit for AWS 提供。该技能面向 Kiro、Claude Code、Codex 等编码智能体，使其具备推理优化与基准测试方面的能力：可对端点做基准测试、推荐部署配置、比较多次性能运行结果，并生成可执行的 SageMaker Python SDK v3 代码。官方称该技能可接入任何支持 Model Context Protocol（MCP）的编码智能体。

背景与影响

博客指出，SageMaker AI 支持实时、批量和异步等多种服务化托管模式，并提供按需与预留容量、异构实例、VPC 隔离、自动扩缩等能力，但工程师往往并不清楚哪种实例族或服务容器最适合自身需求。该技能试图弥合这一差距：用户以自然语言描述目标，智能体提出澄清问题，并基于真实基准与实测性能数据生成代码，供用户自行审阅、修改和运行。AWS 表示，整个过程对用户可见，不存在不透明的界面操作。

安装方式有两种：在本地通过 Agent Toolkit for AWS 安装，或在 Amazon SageMaker Studio 的 JupyterLab 空间中使用预配置镜像。官方称从零到可用对话约需 10 分钟。使用前提是 AWS 凭证具备调用 SageMaker AI API 的权限；技能本身无需额外的 IAM 配置。Kiro 和 Claude Code 还可在运行时通过 AWS MCP Server 按需发现并加载技能。

限制与来源

上述内容来自 AWS 官方博客，具体可用区域、镜像版本、权限要求与计费方式可能变化，请以 AWS 官网当前信息为准。博客中提到的基准测试指标（吞吐、延迟分位数、并发数等）为运行真实负载后测得，实际结果取决于用户自身的模型、实例与流量条件，本文未做独立验证。该技能生成的代码在用户凭证下运行，使用前建议自行审阅。