Amazon Bedrock AgentCore para desarrolladores: tiempo de ejecución, memoria, gateway y políticas.
Un recorrido orientado a desarrolladores por Amazon Bedrock AgentCore: sus servicios principales, características para producción, una arquitectura de asistente de soporte de ejemplo y cuándo vale la pena adoptarlo.
Los agentes de demostración suelen impresionar durante unos cinco minutos. Después llegan las preguntas incómodas: ¿En qué máquina funciona el agente? ¿Qué elemento transmite su contexto de una sesión a otra? ¿Cómo puede acceder a Slack, Jira o APIs internas sin generar problemas de seguridad? Y una vez en funcionamiento, ¿cómo se detectan llamadas a herramientas defectuosas, respuestas inadecuadas o una latencia progresiva? Amazon Bedrock AgentCore está diseñado precisamente para cubrir esta brecha. AWS lo presenta como una plataforma gestionada para crear, desplegar y ejecutar agentes de forma segura a gran escala, independientemente del framework o modelo base utilizado.
Considere a Bedrock como la capa de modelos y a AgentCore como la capa de producción que rodea al agente. Esa separación es importante, ya que muchos equipos ahora no tienen problemas para obtener modelos. Lo que los detiene es la larga lista de tareas que comienzan después de que el primer prompt tenga éxito: tiempo de ejecución, memoria, acceso a herramientas, identidad, monitoreo, evaluación, gobernanza y descubrimiento entre equipos. AgentCore agrupa todas esas cuestiones en una sola plataforma, evitando que los equipos tengan que conectarlas con soluciones personalizadas.
AWS ha avanzado rápidamente en este ámbito. La función de políticas en AgentCore alcanzó disponibilidad general el 3 de marzo de 2026, las funciones de evaluación el 31 de marzo de 2026, y el AWS Agent Registry entró en fase de prueba el 9 de abril de 2026. Si se analizan juntas, estas fechas demuestran que el proveedor está desarrollando toda la infraestructura necesaria para agentes de producción, más allá del simple acceso a modelos y las demostraciones de chatbots.
Problemas que aborda
La interpretación más sencilla de AgentCore es como una lista de soluciones a problemas técnicos comunes. Al pasar un agente de la fase de demostración a producción, suelen surgir las mismas necesidades en cada ocasión:
- Un lugar seguro donde ejecutar el agente
- Memoria que persista entre sesiones
- Acceso estructurado a las herramientas
- Una identidad y credenciales
- Rastreos, métricas y verificaciones de calidad para el equipo
- Flujos de aprobación y reutilización en toda la organización
AgentCore aborda estos aspectos mediante servicios modulares: Runtime, Memory, Gateway e Identity, además de las herramientas integradas Code Interpreter y Browser, y también Observability, Evaluations, Policy y Registry. Dado que las componentes son modulares, no es necesario reconstruir todo el sistema alrededor de un único framework rígido.
Esa modularidad es una de las mejores características de este sistema. AgentCore no exige que se descarte LangGraph, CrewAI, Strands u otro framework. AWS afirma que es independiente de frameworks y modelos, y admite modelos externos a Bedrock. En la práctica, parece menos un ecosistema cerrado y más bien una infraestructura para cargas de trabajo de agentes.
Los componentes principales
Ejecución
La ejecución alberga el código del agente o herramienta. Según AWS, ofrece despliegue independiente de frameworks, escalado automático, seguridad integrada, aislamiento basado en microVM y sesiones que pueden durar hasta ocho horas. Estos dos últimos aspectos merecen atención: los agentes no se tratan como funciones breves, sino como cargas de trabajo que mantienen estado, realizan múltiples pasos y necesitan seguir activos hasta completar una tarea real.
Memoria
La memoria representa una debilidad clásica de los sistemas de agentes, ya que estos olvidan todo. AgentCore Memory mantiene un contexto a corto plazo para la sesión actual y una memoria a largo plazo que persiste entre sesiones. Los equipos obtienen un servicio gestionado y no necesitan diseñar su propia capa de memoria, flujo de extracción ni lógica de recuperación.
Gateway
El Gateway es el vínculo entre un agente y las herramientas que lo rodean. AWS afirma que convierte APIs, funciones Lambda y otros servicios en herramientas a las que los agentes pueden acceder mediante conectores gestionados. En febrero de 2026 se introdujo la ejecución de herramientas en el lado del servidor a través de una integración con el API Bedrock Responses, lo que elimina parte de la orquestación en el lado del cliente y reduce los bucles de herramientas frágiles en el código de la aplicación.
Identidad
La identidad es el elemento que indica que se trata de una plataforma seria. AgentCore Identity sirve para identidades no humanas y cargas de trabajo automatizadas, gestionando la autenticación, autorización y administración de credenciales para agentes y herramientas. Se admiten SigV4, flujos OAuth 2.0 y claves API. Cuando un agente trabaja en nombre de un usuario, accede a sistemas internos o llama a servicios externos, la identidad se convierte en una característica por sí misma y no en un mecanismo oculto.
Herramientas integradas
Vienen incluidas dos herramientas. Con el Intérprete de Código, un agente puede escribir, ejecutar y depurar código dentro de un entorno aislado. El navegador ofrece un entorno de ejecución gestionado para navegar por sitios e interactuar con ellos. AWS sigue mejorando ambas funcionalidades: los perfiles de navegador llegaron en febrero de 2026, la compatibilidad con políticas de Chrome y una CA raíz personalizada en marzo, y la interacción a nivel de sistema operativo en abril. La dirección es bastante clara: los agentes están diseñados para funcionar dentro de entornos empresariales reales en lugar de entornos aislados y ordenados.
Funcionalidades de producción
Hasta ahora, AgentCore podría parecer un conjunto de componentes para ejecutar agentes, pero la verdadera utilidad comienza una vez que el agente existe. Los sistemas de producción necesitan visibilidad, control y una forma de medir la calidad a lo largo del tiempo. Esa es la función de Observabilidad, Evaluaciones, Políticas y Registro.
- Observabilidad permite rastrear, depurar y monitorear los agentes en tiempo real, con visibilidad paso a paso de los flujos de trabajo: rutas de ejecución, resultados intermedios, cuellos de botella y fallos.
- Evaluaciones evalúa automáticamente la calidad de los agentes, ya sea en línea con el tráfico de producción o bajo demanda para probar flujos de trabajo.
- Política brinda un control central sobre las interacciones entre agentes y herramientas, independientemente del código propio del agente.
- Registro es un catálogo regulado donde los agentes, herramientas, servidores MCP, habilidades y recursos personalizados pueden publicarse, revisarse, aprobarse y descubrirse en toda la organización.
Por qué es importante
Muchos artículos sobre inteligencia artificial dedican demasiado tiempo al modelo y muy poco a las operaciones, lo cual no refleja cómo se percibe la ejecución dentro de un equipo. Las demoras rara vez se deben al primer mensaje de entrada; la mayoría provienen del trabajo en la plataforma que lo rodea. Una vez que un prototipo capta atención, las solicitudes se acumulan:
- El equipo de producto pide que la memoria sea persistente.
- El departamento de seguridad solicita límites de permisos claros.
- Los ingenieros de la plataforma piden registros y seguimientos detallados.
- El equipo de control de calidad exige evaluaciones que puedan repetirse.
- Los desarrolladores piden integraciones de herramientas que sobrevivan a los cambios.
- La dirección pide bloques de construcción compartidos en lugar de cinco proyectos de agentes aislados.
Ese es el verdadero problema aquí. AWS toma la infraestructura no diferenciada que rodea a los agentes y la ofrece como servicios gestionados, lo que permite dedicar más tiempo del equipo al comportamiento de los agentes, a las reglas empresariales y al valor para el usuario.
Un sistema realista
Tomemos un asistente de soporte integrado en un producto SaaS. El cliente escribe en el panel de chat y un modelo detrás de Bedrock recibe la solicitud. La lógica del agente se encuentra en AgentCore Runtime. La memoria recupera el contexto de la sesión más reciente además de información anterior sobre este cliente. La pasarela ofrece herramientas como Jira, APIs de facturación, Slack y sistemas internos de casos. La identidad determina quién puede acceder a qué y almacena las credenciales. La observabilidad guarda el rastro de las operaciones, Evaluations mantiene un registro de la calidad de las respuestas a lo largo del tiempo, y Policy evita llamadas a herramientas riesgosas. El registro cobra importancia más adelante, cuando más equipos comiencen a publicar herramientas y habilidades en toda la empresa.
Este ejemplo resuelve una confusión frecuente. AgentCore no es ni el modelo, ni la interfaz de la aplicación, ni la lógica del producto. Es la capa operativa intermedia, la parte que permite que el agente funcione, recuerde, se conecte, permanezca observable y esté bajo control.
Cuándo recurrir a él
AgentCore tiene más sentido cuando un equipo pasa de “funciona en una demostración” a “debe funcionar en producción”.
Es adecuado cuando:
- El agente necesita sesiones y estado reales.
- Se requiere acceso seguro a herramientas y servicios.
- El equipo desea poder rastrear lo que ocurrió después del lanzamiento.
- Se busca una evaluación estructurada de la calidad.
- Es probable que más de un equipo construya o reutilice agentes y herramientas.
Es menos urgente cuando:
- La idea sigue siendo una prueba de concepto.
No todo proyecto lo necesita desde el primer día, y un prototipo ligero suele ser la mejor opción inicial. AgentCore resulta útil una vez que la pregunta pasa de si el agente funciona a cómo ejecutarlo de forma segura, repetida y a gran escala. El énfasis de AWS en la gobernanza, la observabilidad y los flujos de aprobación respalda esta interpretación.