git clone https://github.com/danilop/agentcore-multi-framework-examples.git
cd agentcore-multi-framework-examples

cd agentcore-strands-agents
uv sync
source .venv/bin/activate

cd scripts
uv sync
uv run create-memory

uv run add-sample-memory

class ShortMemoryHook(HookProvider):
    def register_hooks(self, registry: HookRegistry) -> None:
        registry.add_callback(AgentInitializedEvent, self.on_agent_initialized)
        registry.add_callback(MessageAddedEvent, self.on_message_added)

    def on_agent_initialized(self, event: AgentInitializedEvent) -> None:
        # Tải lịch sử cuộc trò chuyện khi agent khởi động
        conversations = self.memory_client.get_last_k_turns(
            memory_id=self.memory_id,
            actor_id=event.agent.state.get("actor_id"),
            session_id=event.agent.state.get("session_id"),
            k=100  # Tải tối đa 100 lượt trò chuyện trước
        )

        if conversations:
            # Định dạng lịch sử cuộc trò chuyện cho ngữ cảnh
            context_messages = []
            for turn in reversed(conversations):
                for message in turn:
                    context_messages.append(f"{message['role']}: {message['content']}")

            # Chèn vào prompt của agent
            event.agent.system_prompt += f"\n\nCuộc trò chuyện gần đây:\n{'\n'.join(context_messages)}"

class LongTermMemoryHook(HookProvider):
    def register_hooks(self, registry: HookRegistry) -> None:
        registry.add_callback(BeforeInvocationEvent, self.on_before_invocation)

    def on_before_invocation(self, event: BeforeInvocationEvent) -> None:
        # Chỉ xử lý tin nhắn của người dùng
        last_message = event.agent.messages[-1]
        if last_message.get("role") != "USER":
            return

        user_query = last_message.get("content", "")

        # Tìm kiếm ngữ nghĩa cho bộ nhớ liên quan
        retrieved_memories = retrieve_memories_for_actor(
            memory_id=self.memory_config.memory_id,
            actor_id=event.agent.state.get("actor_id"),
            search_query=user_query,
            memory_client=self.memory_client
        )

        if retrieved_memories:
            # Định dạng và chèn bộ nhớ vào ngữ cảnh
            memory_context = format_memory_context(retrieved_memories)
            event.agent.system_prompt += f"\n\nNgữ cảnh bộ nhớ dài hạn liên quan:\n{memory_context}"

from bedrock_agentcore import BedrockAgentCoreApp
from strands import Agent, tool
from strands_tools import calculator

app = BedrockAgentCoreApp()
agent = None

@app.entrypoint
def invoke(payload: Dict[str, Any], context: Optional[RequestContext] = None) -> Dict[str, Any]:
    """Điểm vào agent AI"""   
    global agent

    actor_id = payload.get("actor_id", "my-user-id")
    session_id = context.session_id if context and context.session_id else payload.get("session_id", "DEFAULT")

    if agent is None:
        agent = create_agent(actor_id, session_id)

    user_message = payload.get("prompt", "Giải thích những gì bạn có thể làm cho tôi.")

    try:
        result = agent(user_message)
        return {"result": result.message}
    except Exception as e:
        logger.error("Lỗi trong quá trình gọi agent: %s", e)
        return {"error": "Đã xảy ra lỗi trong quá trình xử lý yêu cầu của bạn"}

def main():
    """Điểm vào chính cho ứng dụng."""
    app.run()

if __name__ == "__main__":
    main()

agentcore configure -n strandsagent -e src/agentcore_strands_agents/agent.py

agentcore launch --local

agentcore launch