AWS 公開 Claude Code 遠端代理範例：AgentCore 如何交回 PR，費用與資料邊界怎麼看？

把一個程式任務交給 AI 後，筆電還得一直開著，往往比等待答案更影響工作安排。遠端代理的用途，就是把這段執行搬到持續運作的環境。

AWS 在 2026 年 11 月 6 日公開 Claude Code 遠端代理範例，利用 Amazon Bedrock AgentCore 執行任務，最後把修改交成 GitHub 的程式變更請求。

AgentCore 是建置與運行代理的雲端平台。這次公開的是組合既有服務的範例架構，並非一項免設定的新訂閱服務，也不是 Claude Code 首次能遠端工作。

每個任務在自己的隔離工作階段裡運行，使用者可從網頁或 Claude Code 交辦，再回來查看測試與審查結果。

我會讓已有 AWS 帳戶治理，也能提供明確測試入口的團隊研究它。因為交回可審閱的變更，比單純讓代理一直在線更有價值，但閒置費與帳戶權限仍由部署者管理。

要理解這個取捨，先看一次任務如何變成可供人審查的成果。

Claude Code 遠端代理如何交回 GitHub 變更？

範例把計畫、寫程式、測試與審查接在一起，最終交回 PR，合併仍由人決定。AWS 原始文章提供架構與部署說明，並連到公開的範例程式庫。

PR 是 pull request，也就是在 GitHub 提出一份程式變更，供其他人檢查後再決定是否合併。這讓代理結果進入團隊原本的協作程序，而不是直接寫進正式分支。

任務有兩個入口。網頁主控台可輸入需求並追蹤看板，Claude Code 則透過外掛與本機 MCP 工具提交，兩邊最後都進入同一套遠端工作。

MCP 是讓 AI 呼叫外部工具的共用規格。這裡的工具把請求送到使用者自己的 AWS 部署，因此模型能留在原本的工作環境，將某一段執行交出去。

收到任務後，系統先檢查輸入，記錄狀態，再放入佇列等待派工。佇列是暫存待處理工作的地方，讓提交任務與實際運算不必綁在同一個即時連線。

這也解釋了為何幾秒內拿到任務編號，不代表程式已完成。範例文件描述，實際執行可能持續數十分鐘，使用者要沿著狀態與最後結果閱讀。

計畫、開發與審查分別做什麼？

範例先用 Bedrock 上的 Claude Opus 規劃，再以 Claude Sonnet 寫程式，執行程式庫自行宣告的準備與測試命令，最後回到 Opus 審查。

審查可把工作送回重新規劃，最多共三次嘗試。這是一個有停止條件的任務流程，適合範圍明確的修錯、功能與測試，並不適合無限延伸的開放需求。

完成後，代理建立獨立分支並開 PR，內容列出驗證命令、結束狀態與嘗試次數。如果測試沒有通過，成果會以未驗證的草稿呈現，讓人看出它仍是起點。

代理不會合併。執行環境或發表程序若失敗，甚至可能沒有 PR，因此看板的完成欄位，也不能取代最後交付物與測試證據。

交付路徑確定後，才有辦法理解為何要把每個任務分開執行。

每個任務一個隔離環境，記憶又如何延續？

每個任務有自己的執行環境，跨任務經驗則透過程式庫的記憶服務保存。根據專案 README，每個登記的程式庫各有自己的執行資源與記憶設定。

實際任務會在 AgentCore Runtime 的獨立 microVM 裡運行。microVM 是較輕量的虛擬機，替任務提供分開的處理器、記憶體與檔案系統，降低不同工作的執行狀態彼此干擾。

但「任務彼此隔離」與「程式碼本身可信」是兩個問題。代理仍會執行程式庫提供的套件安裝和測試命令，這些命令如果帶有不可信行為，隔離不會把它改成安全的程式。

因此，官方把可信任程式庫列為前提，並建議使用專用 AWS 帳戶。這個帳戶讓研究範例與其他正式資源分開，並非宣稱一個容器就能處理任意來路的專案。

執行環境清掉後，什麼經驗會留下？

AgentCore Memory 保存先前任務的工作經驗，例如某個建置步驟還需要隱含的準備。下一次處理同一程式庫時，代理可以先搜尋這些經驗，再開始規劃。

這種延續與把整台工作機一直保留不同。新任務仍從自己的執行環境開始，需要的共通知識則由另一個服務提供，所以可以分開管理工作狀態與經驗。

記憶也有生命週期。程式庫取消登記時，相關記憶會被刪除，因此若團隊需要長期保留學到的工作方法，應理解它和程式庫登記資料是綁在一起的。

環境分開並不決定所有存取範圍，GitHub 與 AWS 身分還要另外看。

GitHub 憑證與提示護欄，保護到哪一層？

短效憑證與輸入檢查減少部分暴露，但程式庫內容和共享 App 的安裝範圍，仍會影響能接觸的資料。安全文件把這個界線寫得比架構圖更具體。

範例為整個部署建立一個 GitHub App，讓它取得程式內容與 PR 的讀寫能力。AgentCore Identity 保管 App 的機密資料，執行中的代理再取得八小時到期、可更新的使用者授權權杖。

權杖是用來證明某次存取身分的短效憑證。有效時間較短能降低長期保存的負擔，但它能存取哪些程式庫，仍由 App 安裝清單與授權條件界定。

特別要留意，同一部署共用一個 App，權杖不是天生只限當前任務的單一程式庫。安全文件指出，它可能寫入 App 已安裝的其他程式庫，因此安裝清單本身就是重要的範圍。

這讓「每個程式庫有自己的執行角色」，不能直接推導成所有外部憑證都各自隔開。選擇只安裝必要程式庫，和保護預設分支，才會影響任務實際能改動哪裡。

提示護欄為何看不到所有注入？

排入佇列前，範例使用 Bedrock Guardrails 檢查任務文字，辨認指定的提示攻擊、不當要求與機密格式。護欄無法回應時，任務也會被拒絕。

但檢查對象是提交的文字，不是代理之後讀取的每個檔案、命令輸出或程式差異。如果惡意指示藏在程式庫內容裡，這一層輸入檢查不會先看到它。

這是官方要求可信任來源的另一個原因。護欄能減少特定入口的問題，卻沒有讓外來程式碼、套件安裝腳本與工作紀錄都自動變成可信資訊。

能存取什麼之外，資料走哪條路與在哪裡處理，也會改變企業的採用判斷。

私有網路、資料留存與區域，哪些要自己設定？

AWS 服務間走私有端點，對外套件與 GitHub 流量仍透過網路，模型留存與推論地區也有自己的設定。這些條件不能只用「放在 VPC」一句話概括。

VPC 是 AWS 帳戶內可自訂的虛擬網路。範例讓執行環境透過私有端點連到 Bedrock、任務狀態、映像與日誌等服務，減少這些服務間通訊繞到公開網路。

模型呼叫以 Bedrock 為唯一供應入口，沿用該服務的資料控制。AWS 表示，不把使用者內容拿來訓練模型，也不讓模型供應商取得提示與回應。

但資料是否寫入自己的日誌，仍是一個保留選擇。如果帳戶開啟模型呼叫記錄，提示與輸出可寫到自己的儲存空間，不能把「不給模型供應商」等同於完全沒有任何紀錄。

原文章也要求，零資料保留需在所選區域與支援的模型上確認設定。這是部署條件，不能只因使用範例，就宣稱所有呼叫已自動符合相同保留方式。

網路位置不等於推論地區

預設模型設定使用全球推論設定檔，請求可能由其他商業 AWS 區域提供服務。部署在哪個區域，和模型實際在哪裡處理，不一定相同。

若公司有地區要求，需要選擇相應地理範圍的推論設定，並確認模型在該處支援。這讓區域選擇成為資料政策的一部分，而非只看哪個位置離自己最近。

此範例要求 AgentCore Runtime V2，原文列出美東維吉尼亞、美東俄亥俄、美西奧勒岡、東京與愛爾蘭五個區域。台灣團隊可以評估其中的位置，但公告沒有承諾台灣區域部署。

此外，GitHub 拉取與推送、套件下載仍會走對外網路。範例只讓加密的 HTTPS 流量通過，並封鎖部分指定網域，但封鎖名單不是只允許幾個網站的完整許可名單。

所以，私有端點縮小的是部分資料路徑，不代表代理可以碰到的所有 HTTPS 目的地都被逐一核准。企業若要收窄出口，仍需在自己的網路政策上做相應安排。

設定條件清楚後，還要把部署與持續運作成本放回同一張帳。

範例部署要多少準備，200 美元預算是上限嗎？

這是會建立持續計費資源的自架範例，預算通知並不是花費到點就停止。操作文件列出部署、登記與清理流程，成本不能只看模型用量。

本機要能建置約一點三 GB 的 ARM64 映像，並備妥 Docker、Python、Node.js、AWS 命令工具等環境。映像把遠端任務需要的代理、Git 與測試工具包成可執行內容。

程式庫也要宣告準備與測試入口。因為代理不會自行猜測任意專案的建置方法，缺少命令時，就算產生了修改，也可能只交回未驗證草稿。

空程式庫需要先建立能通過測試的預設分支，再登記。否則，最後開 PR 時可能找不到作為比較基準的分支，前面做完的工作也無法正常交付。

官方估計部署需十五至二十五分鐘，另加八至十二分鐘登記程式庫。這些是範例文件的估計，並非本文實際安裝測得的時間。

沒任務時，哪些資源仍可能計費？

網路出口、服務端點、防火牆、映像、日誌與保存資料，都可能在沒有任務時繼續收費。任務執行後，還會增加 Runtime、模型與記憶服務用量。

預設每月兩百美元的 Bedrock 預算只寄發通知，不是硬性停用額度，也沒有涵蓋整個架構。官方沒有公布完整月費或每題固定報價，因此不能拿兩百美元當成總支出上限。

清理順序也會影響帳單。文件要求先取消登記所有程式庫，再中斷 GitHub 連線，之後才移除部署，因為部分執行資源不是由主部署直接持有。

即使移除部署，部分資料表、帳戶名單、映像與日誌仍會保留，並可能繼續計費。這些內容承載歷史工作，刪除與保存要依需要分別決定，GitHub App 也須在 GitHub 端另外管理。

算清閒置與清理成本後，才知道哪些任務值得搬到這個環境。

延伸閱讀：AWS 開源 Infinity：7.5 萬個等待中的 AI 代理，為何不等於 7.5 萬個模型？

延伸閱讀：AWS Step Functions 接上 AI 代理：工作流程能照規則跑，為何固定工具還不等於完整授權？

Claude Code 遠端代理常見問題

一定要從 Claude Code 提交嗎？

可以從網頁看板交辦，Claude Code 外掛是另一個入口。兩者使用同一套遠端任務，因此是否安裝本機代理工具，與是否需要先完成雲端部署，是不同條件。

筆電關閉後，任務還能繼續嗎？

任務已交到 AWS 的執行環境後，不依賴筆電繼續運算。但能否完成，仍取決於遠端環境、登入與測試條件，不能把持續在線當成一定成功。

適合拿來處理陌生專案嗎？

官方明確要求可信任程式庫，因為範例會執行專案本身的命令。較合適的起點，是已能建置與測試、變更範圍明確的小型專案，而非任意下載來源不明的程式。

先接一個明確任務，再判斷自架的價值

這個範例適合想把 AWS 治理、程式任務與 GitHub 審查接起來的團隊。它展示的不是代理永遠在線，而是每次交辦如何留下可供人判斷的程式變更與驗證證據。

先用一個可信任專案的小改動，看完任務狀態、測試結果與草稿差異，再比較這段交辦需要的運算與維護。當成果和成本都能說清楚，才有依據決定是否擴到日常開發工作。