Spring AI AgentCore SDK da Amazon Bedrock: SDK Java para agentes de IA em produção agora disponível

Amazon Bedrock AgentCore lança SDK Spring AI para desenvolvimento de agentes de IA em Java

A Amazon anunciou a disponibilidade geral do Spring AI AgentCore SDK, uma biblioteca open source que integra as funcionalidades do Amazon Bedrock AgentCore ao ecossistema Spring AI. A novidade permite que desenvolvedores Java criem agentes de inteligência artificial prontos para produção e os executem na infraestrutura altamente escalável do AgentCore Runtime.

O que é o Spring AI AgentCore SDK e para quem ele serve?

O SDK foi criado para simplificar o desenvolvimento de agentes autônomos e inteligentes que superam o modelo tradicional de interação por prompts e respostas, possibilitando sistemas capazes de planejar, executar e completar tarefas complexas em múltiplas etapas. A plataforma Agentic AI da Amazon Bedrock oferece infraestrutura gerenciada com recursos como escalabilidade, segurança, observabilidade, memória de curto e longo prazo, automação de navegação web e execução segura de código.

O Spring AI AgentCore SDK abstrai a complexidade de implementar controladores personalizados, streaming via Server-Side Events (SSE), monitoramento de saúde, e limitações de taxa, permitindo que desenvolvedores foquem apenas na lógica do agente, utilizando os padrões familiares do Spring, como anotações e auto-configuração.

Principais recursos e funcionamento do SDK

Contrato AgentCore Runtime: o SDK implementa automaticamente os endpoints necessários, como /invocations para requisições e /ping para monitoramento de saúde, incluindo o suporte a tarefas assíncronas e status de ocupação para evitar escalonamento indevido.
Streaming de respostas: suporta respostas via SSE com gerenciamento de framing, backpressure e ciclo de vida de conexão.
Memória integrada: oferece suporte a memória de curto e longo prazo, permitindo que agentes mantenham contexto e aprendam com interações anteriores, usando estratégias semânticas, preferências do usuário, resumos e memória episódica.
Ferramentas especializadas: integração com navegador automatizado para extração e interação com conteúdo web e interpretador de código para execução segura de scripts Python, JavaScript e TypeScript.
Desenvolvimento baseado em anotações: com a anotação @AgentCoreInvocation, qualquer método Spring pode se transformar em um endpoint compatível com AgentCore, facilitando a criação rápida de agentes.
Flexibilidade de implantação: além do AgentCore Runtime gerenciado, o SDK pode ser usado modularmente em ambientes como Amazon EKS, ECS, EC2 ou on-premises.

Como começar: pré-requisitos e passos básicos

Para utilizar o SDK, é necessário:

Java 17 ou superior (recomenda-se Java 25)
Spring Boot 3.5 ou superior
Conta AWS ativa
Maven ou Gradle para gerenciamento de dependências

Adicionar dependência do SDK ao projeto Maven:

<dependencyManagement>
  <dependencies>
    <dependency>
      <groupId>org.springaicommunity</groupId>
      <artifactId>spring-ai-agentcore-bom</artifactId>
      <version>1.0.0</version>
      <type>pom</type>
      <scope>import</scope>
    </dependency>
  </dependencies>
</dependencyManagement>
<dependencies>
  <dependency>
    <groupId>org.springaicommunity</groupId>
    <artifactId>spring-ai-agentcore-runtime-starter</artifactId>
  </dependency>
</dependencies>

Criar a classe do agente com a anotação @AgentCoreInvocation:

@Service
public class MyAgent {
  private final ChatClient chatClient;

  public MyAgent(ChatClient.Builder builder) {
    this.chatClient = builder.build();
  }

  @AgentCoreInvocation
  public String chat(PromptRequest request) {
    return chatClient.prompt()
      .user(request.prompt())
      .call()
      .content();
  }
}

record PromptRequest(String prompt) {}

Configurar o Amazon Bedrock no arquivo application.properties:

spring.ai.bedrock.aws.region=us-east-1
spring.ai.bedrock.converse.chat.options.model=global.anthropic.claude-sonnet-4-5-20250929-v1:0

Testar localmente:

mvn spring-boot:run
curl -X POST http://localhost:8080/invocations \
  -H "Content-Type: application/json" \
  -d '{"prompt": "O que é Spring AI?"}'

Adicionar streaming de respostas: alterar o método para retornar Flux<String> para respostas em tempo real via SSE.
Incorporar memória ao agente: configurar memória de curto e longo prazo para manter contexto e aprendizado contínuo, adicionando dependência e habilitando autodiscovery.
Estender agentes com ferramentas: integrar Browser e Code Interpreter para navegação web automatizada e execução segura de código, respectivamente.

Modelos suportados e flexibilidade

Embora o post destaque o uso do Amazon Bedrock para acessar modelos foundation, o Spring AI também suporta múltiplos provedores de LLMs, como OpenAI e Anthropic. Isso permite escolher diferentes modelos para casos de uso variados, como agentes que combinam busca na web e análise de dados financeiros em uma única conversa.

Opções de implantação e segurança

AgentCore Runtime: implantação gerenciada que exige empacotar a aplicação como container ARM64, enviar para o Amazon Elastic Container Registry (ECR) e criar um runtime AgentCore que gerencia escalabilidade e monitoramento.
Standalone: uso modular das funcionalidades em ambientes como Amazon EKS, ECS, EC2 ou on-premises, ideal para adoção incremental.
Autenticação: suporte a IAM SigV4 para chamadas entre serviços AWS e OAuth2 para aplicações voltadas ao usuário, com integração transparente no runtime e possibilidade de controle fino via Spring Security.
AgentCore Gateway: permite que agentes Spring AI acessem ferramentas organizacionais via Model Context Protocol (MCP) com autenticação e registro semântico, facilitando a integração corporativa.

Próximos recursos e evolução do SDK

A equipe do Spring AI AgentCore SDK planeja implementar:

Observabilidade avançada com integração a Amazon CloudWatch, LangFuse, Datadog e Dynatrace via OpenTelemetry.
Frameworks de avaliações para testes e qualidade das respostas dos agentes.
Gerenciamento avançado de identidade para aprimorar segurança e contexto.