Aloje agentes o herramientas con Amazon Bedrock Runtime AgentCore

AgentCore El tiempo de ejecución le permite transformar cualquier código de agente local en implementaciones nativas de la nube con unas pocas líneas de código, independientemente del marco subyacente. Funciona a la perfección con marcos populares como LangGraph Strands y CrewAI. También puede aprovecharlo con agentes personalizados que no utilizan un marco específico.

AgentCore Runtime funciona con cualquier modelo de lenguaje grande, como los modelos ofrecidos por Amazon Bedrock, Anthropic Claude, Google Gemini y OpenAI.

AgentCore Runtime permite a los agentes comunicarse con otros agentes y herramientas a través del Model Context Protocol (MCP) o de agente a agente (A2A).

En AgentCore Runtime, cada sesión de usuario se ejecuta en una microVM dedicada con recursos de CPU, memoria y sistema de archivos aislados. Esto ayuda a crear una separación completa entre las sesiones de los usuarios, lo que protege los procesos de razonamiento de los agentes activos y ayuda a evitar la contaminación de los datos entre sesiones. Una vez finalizada la sesión, se cierra toda la microVM y se desinfecta la memoria, lo que proporciona una seguridad determinista incluso cuando se trabaja con procesos de IA no deterministas.

AgentCore El tiempo de ejecución admite interacciones en tiempo real y cargas de trabajo prolongadas de hasta 8 horas, lo que permite el razonamiento complejo de los agentes y las cargas de trabajo asíncronas que pueden implicar la colaboración de varios agentes o sesiones prolongadas de resolución de problemas.

El tiempo de ejecución admite la persistencia del estado del sistema de archivos a lo largo de los ciclos de sesión. stop/resume Los archivos del agente, los paquetes instalados y los artefactos de compilación pueden sobrevivir a las paradas de sesión sin almacenamiento externo.

Runtime implementa precios basados en el consumo que cobran solo por los recursos realmente consumidos. A diferencia de los modelos basados en la asignación, que requieren una preselección de los recursos, Runtime aprovisiona de forma dinámica lo que se necesita sin requerir un tamaño adecuado. El servicio alinea la facturación de la CPU con el procesamiento activo real (por lo general, elimina los cargos durante los períodos de espera, cuando los agentes I/O esperan principalmente las respuestas de LLM) y, al mismo tiempo, mantiene el estado de la sesión de forma continua.

AgentCore Runtime, con tecnología de AgentCore Identity, asigna identidades distintas a los agentes de IA y se integra perfectamente con su proveedor de identidad corporativa, como Okta, Microsoft Entra ID o Amazon Cognito, lo que permite a los usuarios finales autenticarse solo en los agentes a los que tienen acceso. Además, Runtime permite que los flujos de autenticación salientes accedan de forma segura a servicios de terceros, como Slack, Zoom y GitHub otros, tanto si funcionan en nombre de los usuarios como de forma autónoma (mediante claves de OAuth o API).

AgentCore Runtime proporciona un rastreo integrado especializado que captura los pasos de razonamiento de los agentes, las invocaciones de herramientas y las interacciones con los modelos, lo que proporciona una visibilidad clara de los procesos de toma de decisiones de los agentes, una capacidad fundamental para depurar y auditar el comportamiento de los agentes de IA.

AgentCore Runtime puede procesar cargas útiles de 100 MB, lo que permite procesar sin problemas múltiples modalidades (texto, imágenes, audio, vídeo), con contenido multimedia enriquecido o conjuntos de datos de gran tamaño.

AgentCore Runtime admite llamadas a la API HTTP y WebSocket conexiones persistentes para la transmisión bidireccional en tiempo real, lo que permite que las aplicaciones interactivas reciban comentarios de respuesta inmediata y mantengan el contexto de la conversación.

AgentCore El tiempo de ejecución se proporciona a través de un único y completo SDK que proporciona un acceso simplificado a todas AgentCore las funciones, incluidas la memoria, las herramientas y la puerta de enlace. Este enfoque integrado elimina el trabajo de integración que normalmente se requiere cuando se crea una infraestructura de agentes equivalente a partir de componentes dispares.