Amazon Bedrock AgentCore

En el Radar compartido: Trial (valoración de la edición aportada).

Cómo funciona

AgentCore ofrece componentes independientes como Runtime, Memory, Gateway e Identity. El runtime admite frameworks externos, permitiendo mantener la orquestación en código propio.

Ejemplo de uso

Empaquetar un agente de soporte con herramientas de solo lectura. Desplegarlo en Runtime, restringir acceso a sus APIs y correlacionar sesiones con trazas para investigar fallos.

Componentes

Componente	Función
Runtime	Ejecuta el agente en entornos aislados por sesión (microVM), con sesiones largas y escalado automático
Memory	Memoria a corto plazo (conversación) y a largo plazo (hechos, preferencias, resúmenes)
Gateway	Convierte APIs, funciones Lambda y especificaciones OpenAPI en herramientas MCP
Identity	Autenticación de entrada y credenciales OAuth hacia servicios externos en nombre del usuario
Code Interpreter	Ejecución de código aislada para cálculos y análisis
Browser	Navegador gestionado para que el agente opere páginas web
Observability	Trazas y métricas compatibles con OpenTelemetry en CloudWatch

Los componentes se usan por separado: se puede usar solo Memory con un agente que corre en otro sitio.

Ejemplo: empaquetar un agente

from bedrock_agentcore.runtime import BedrockAgentCoreApp
from strands import Agent   # o LangGraph, CrewAI, código propio…

app = BedrockAgentCoreApp()
agente = Agent(system_prompt="Respondes dudas sobre el estado de solicitudes de crédito.")

@app.entrypoint
def invocar(payload):
    resultado = agente(payload.get("prompt", ""))
    return {"respuesta": str(resultado)}

if __name__ == "__main__":
    app.run()

El starter toolkit (agentcore configure, agentcore launch) construye la imagen, la publica en ECR y crea el runtime.

Identidad: el punto delicado

Un agente que actúa en nombre de un usuario necesita dos identidades: quién invoca al agente (autenticación de entrada, por ejemplo con Cognito u otro IdP OIDC) y con qué credenciales accede a cada herramienta. AgentCore Identity guarda tokens OAuth por usuario y herramienta, de modo que el agente nunca maneja secretos estáticos compartidos.

Cuándo elegirlo

Situación	Lectura
Organización en AWS que quiere agentes en producción con aislamiento y auditoría	Encaja bien
Prototipo o agente sencillo sin necesidades de sesión larga	Lambda o un contenedor pueden bastar
Multinube o necesidad de portabilidad	Mantén el agente desacoplado del runtime; usa solo componentes concretos

Alternativas comparables: Vertex AI Agent Engine en Google Cloud y Azure AI Foundry Agent Service. La lógica del agente sigue siendo responsabilidad tuya: evalúa con DeepEval o LLM as a judge.

Criterios de implementación

Evaluar regiones, cuotas, costes y duración de sesiones. Diseñar persistencia y permisos explícitos; una infraestructura gestionada no valida decisiones ni respuestas del agente.