Amazon Bedrock AgentCore: agentes de IA em produção com duas chamadas de API

Há um ano, Simon Willison definiu agentes de IA com uma das descrições mais claras até hoje: "Um agente LLM executa ferramentas em loop para alcançar um objetivo." Essa definição permanece atual porque descreve exatamente o que todo agente de produção faz — Kiro, Amazon Q Developer, Claude Code, Codex: todos executam o mesmo formato básico.

Mas o loop nunca foi a parte difícil. A parte difícil sempre foi tudo ao redor dele: escolher framework, configurar ferramentas, provisionar computação isolada, configurar armazenamento, secrets, rede, decidir onde a memória vive, adicionar observabilidade e colocar as dependências certas no container certo.

Duas chamadas de API para um agente em produção

A Amazon acaba de anunciar a disponibilidade geral (GA) do Amazon Bedrock AgentCore harness. Com apenas duas chamadas de API — CreateHarness para definir um agente e InvokeHarness para executá-lo — você tem um agente rodando em minutos. Ele funciona em seu próprio ambiente isolado com sistema de arquivos e shell, pode ler arquivos, executar comandos e escrever código com segurança.

O agente lembra usuários e conversas entre sessões, utiliza habilidades que você aponta para ele (incluindo um catálogo curado pela AWS), navega na web, chama suas ferramentas via gateway ou MCP e troca de provedor de modelo no meio da sessão sem perder contexto. Cada etapa retorna em tempo real via streaming e é automaticamente rastreada no Amazon CloudWatch.

Troca de modelos sem perda de contexto

Uma das funcionalidades mais solicitadas: escolha um modelo padrão no CreateHarness e depois substitua-o em qualquer chamada InvokeHarness. Diferentes tarefas precisam de modelos diferentes — planejar com um modelo e executar com outro, trocar de provedor para teste de custo-performance, ou migrar de um modelo que acabou de sofrer uma regressão.

E a parte mais importante: troque de provedor a qualquer momento, mesmo no meio da sessão, e mantenha o contexto. Use Claude Opus para planejar, mude para GPT-5.5 para escrever código, alterne para Gemini para resumir. A conversa continua. O harness gerencia a transição de forma transparente.

Ferramentas declarativas e habilidades

Ferramentas são como o agente afeta qualquer coisa fora de seu raciocínio, e conectá-las é a parte que a maioria das equipes detesta. No AgentCore, ferramentas são uma lista declarativa no CreateHarness:

• agentcore_browser: navegação web integrada
• agentcore_code_interpreter: execução de código em sandbox
• remote_mcp: ferramentas via protocolo MCP
• agentcore_gateway: gateway de ferramentas da AWS

As mesmas opções estão disponíveis no InvokeHarness para edições por chamada, permitindo restringir ferramentas para uma invocação específica.

Memória gerenciada automaticamente

Na GA, omitir a configuração de memória no CreateHarness provisiona automaticamente uma memória gerenciada com padrões sensatos: estratégias SEMANTIC + SUMMARIZATION, expiração de eventos em 30 dias, criptografia gerenciada pela AWS e isolamento multi-tenant. A memória gerenciada é automática, mas não é uma caixa preta — é um recurso AWS real e endereçável que você pode consultar, anexar a outro agente, auditar ou enviar para um pipeline de análise.

O que isso significa

O AgentCore harness elimina o trabalho pesado de infraestrutura que historicamente consumia semanas ou meses das equipes de engenharia. O gargalo para agentes de IA em produção nunca foi a inteligência — era a orquestração e a infraestrutura. Com essa abordagem, a Amazon está apostando que o futuro dos agentes está em tornar a implantação trivial, para que as equipes possam se concentrar no que realmente importa: o que o agente faz, e não como ele roda.