Amazon Bedrock AgentCore pour les développeurs : temps d’exécution, mémoire, passerelle et politiques.
Une présentation axée sur les développeurs d’Amazon Bedrock AgentCore : ses services principaux, ses fonctionnalités en production, un exemple d’architecture d’assistant de support et les cas où il est utile de l’adopter.
Les agents de démonstration ont tendance à impressionner pendant environ cinq minutes. Ensuite viennent les questions gênantes : sur quelle machine l’agent s’exécute-t-il ? Qu’est-ce qui conserve son contexte d’une session à l’autre ? Comment peut-il se connecter à Slack, Jira ou des API internes sans créer de problèmes de sécurité ? Et une fois en service, comment repérer une appel d’outil défectueux, une réponse insuffisante ou une latence croissante ? Amazon Bedrock AgentCore vise précisément ce manque. AWS le présente comme une plateforme gérée permettant de créer, déployer et exécuter des agents en toute sécurité à grande échelle, quel que soit le framework ou le modèle de base utilisé.
Pensez à Bedrock comme la couche de modèles et à AgentCore comme la couche de production entourant l’agent. Cette séparation est importante, car de nombreuses équipes n’ont plus de difficulté à se procurer des modèles. Ce qui les ralentit, c’est la longue liste de tâches à effectuer après que le premier prompt ait fonctionné : temps d’exécution, mémoire, accès aux outils, identité, surveillance, évaluation, gouvernance et découverte entre équipes. AgentCore regroupe toutes ces préoccupations en une seule plateforme, épargnant aux équipes la nécessité de les intégrer manuellement avec des solutions personnalisées.
AWS progresse rapidement dans ce domaine. La fonctionnalité Policy d’AgentCore est devenue disponible en général le 3 mars 2026, les fonctionnalités d’évaluation le 31 mars 2026, et le AWS Agent Registry est entré en version bêta le 9 avril 2026. Lues ensemble, ces dates montrent qu’un fournisseur est en train de mettre en place l’ensemble du stack nécessaire pour des agents de production, au-delà simplement de l’accès aux modèles et des démonstrations de chatbots.
Quels problèmes cela résout
La manière la plus simple de comprendre AgentCore est de le voir comme une liste de solutions aux problèmes d’ingénierie courants. Lorsqu’on passe d’un agent de démonstration à un environnement de production, les mêmes besoins ressortent systématiquement :
- Un endroit sûr pour exécuter l’agent
- Une mémoire persistante entre les sessions
- Un accès structuré aux outils
- Une identité et des identifiants
- Des traces, des métriques et des contrôles de qualité pour l’équipe
- Des processus d’approbation et une réutilisation au sein de l’organisation
AgentCore couvre ces besoins grâce à des services modulaires : Runtime, Memory, Gateway et Identity, ainsi qu’aux outils intégrés Code Interpreter et Browser, en plus d’Observability, Evaluations, Policy et Registry. Comme ces composants sont modulaires, vous n’avez pas besoin de reconstruire toute votre stack autour d’un système rigide.
Cette modularité fait partie de ses plus grands atouts. AgentCore ne vous demande pas d’abandonner LangGraph, CrewAI, Strands ou un autre framework. AWS affirme qu’il est indépendant des frameworks et des modèles, et que les modèles externes à Bedrock sont pris en charge. En pratique, il ressemble moins à un écosystème fermé et plus à une infrastructure destinée aux charges de travail d’agents.
Les principaux éléments constitutifs
Temps de exécution
Le temps de exécution héberge le code de l’agent ou de l’outil. Selon AWS, il offre un déploiement indépendant du framework, une mise à l’échelle automatique, une sécurité intégrée, une isolation basée sur des microVM et des sessions pouvant durer jusqu’à huit heures. Ces deux derniers points méritent une attention particulière : les agents ne sont pas traités comme de simples fonctions, mais comme des charges de travail qui conservent un état, effectuent de nombreuses étapes et doivent rester actifs jusqu’à l’achèvement d’une tâche réelle.
Mémoire
La mémoire constitue une faiblesse classique des systèmes d’agents, qui oublient tout. AgentCore Memory conserve un contexte à court terme pour la session en cours ainsi qu’une mémoire à long terme qui persiste entre les sessions. Les équipes disposent ainsi d’un service géré et n’ont pas besoin de concevoir leur propre couche mémoire, leur flux d’extraction ou leur logique de récupération.
Gateway
Le Gateway est le lien entre un agent et les outils qui l’entourent. AWS affirme qu’il convertit des API, des fonctions Lambda et d’autres services en outils que les agents peuvent appeler via des connecteurs gérés. En février 2026, l’intégration du Gateway avec l’API Bedrock Responses a permis l’exécution des outils du côté serveur, ce qui élimine une partie de l’orchestration côté client et réduit les boucles d’outils fragiles dans le code des applications.
Identité
L’identité est l’élément qui indique qu’il s’agit d’une plateforme sérieuse. AgentCore Identity prend en charge les identités non humaines ainsi que les charges de travail automatisées, gérant l’authentification, l’autorisation et la gestion des identifiants pour les agents et les outils. SigV4, les flux OAuth 2.0 et les clés API sont pris en charge. Lorsqu’un agent agit au nom d’un utilisateur, accède à des systèmes internes ou appelle des services externes, l’identité devient une fonction à part entière et non un mécanisme caché.
Outils intégrés
Deux outils sont intégrés par défaut. Avec l’Interpréteur de code, un agent peut écrire, exécuter et déboguer du code à l’intérieur d’un environnement isolé. Le navigateur offre un environnement d’exécution géré pour naviguer sur les sites et interagir avec eux. AWS continue d’améliorer ces deux fonctionnalités : les profils de navigateur sont arrivés en février 2026, les politiques Chrome et le support des certificats racines personnalisés en mars, ainsi que l’interaction au niveau du système d’exploitation en avril. La direction est claire : les agents doivent fonctionner au sein de véritables environnements d’entreprise plutôt que dans des environnements isolés simplifiés.
Fonctionnalités de production
Jusqu’à présent, AgentCore peut sembler être un ensemble de composants destinés à faire fonctionner des agents, mais l’aspect le plus important commence une fois que l’agent existe. Les systèmes de production ont besoin de visibilité, de contrôle et d’un moyen de mesurer la qualité au fil du temps. C’est là la mission de l’Observabilité, des Évaluations, des Politiques et du Registre.
- L’observabilité permet de tracer, déboguer et surveiller les agents en temps réel, avec une visibilité au niveau des étapes des workflows : chemins d’exécution, résultats intermédiaires, goulots d’étranglement et échecs.
- Les évaluations analysent automatiquement la qualité des agents, soit en ligne sur le trafic de production, soit à la demande pour tester les workflows.
- La politique assure un contrôle centralisé sur les interactions entre agents et outils, en dehors du code propre aux agents.
- Le registre est un catalogue géré où les agents, outils, serveurs MCP, compétences et ressources personnalisées peuvent être publiés, examinés, approuvés et découverts au sein de l’organisation.
Pourquoi c’est important
De nombreux articles sur l’IA consacrent trop de temps au modèle et trop peu aux opérations, ce qui ne correspond pas à la réalité du travail en équipe. Les retards sont rarement dus au premier prompt ; ils proviennent le plus souvent des tâches liées à la plateforme qui l’entoure. Dès qu’un prototype attire l’attention, les demandes s’accumulent :
- Le service produit demande une mémoire persistante.
- La sécurité exige des limites de permissions claires.
- Les ingénieurs de la plateforme demandent des journaux et des traces d’activité.
- Le service de contrôle qualité demande des évaluations reproductibles.
- Les développeurs demandent des intégrations d’outils résistantes aux changements.
- La direction souhaite des composants partagés plutôt que cinq projets d’agents isolés.
C’est là le véritable problème. AWS prend l’infrastructure non différenciée autour des agents et la propose sous forme de services gérés, ce qui permet d’allouer davantage de temps en équipe au comportement des agents, aux règles métier et à la valeur pour l’utilisateur.
Un système réaliste
Prenons un assistant de support intégré dans un produit SaaS. Le client tape son message dans le panneau de chat, et un modèle basé sur Bedrock reçoit la demande. La logique de l’agent se trouve dans AgentCore Runtime. La mémoire restitue le contexte de la session la plus récente ainsi que des informations antérieures concernant ce client. Le gateway met à disposition des outils tels que Jira, des API de facturation, Slack et des systèmes internes de gestion des cas. L’identité détermine qui peut accéder à quoi et gère les identifiants. L’observabilité stocke les traces d’activité, Evaluations enregistre l’évolution de la qualité des réponses au fil du temps, et Policy empêche les appels à des outils risqués. Le registre prendra son importance plus tard, lorsque davantage d’équipes commenceront à publier des outils et des compétences dans toute l’entreprise.
Cet exemple dissipe une confusion fréquente. AgentCore n’est ni le modèle, ni l’interface de l’application, ni la logique de votre produit. C’est la couche opérationnelle intermédiaire, celle qui permet à l’agent de fonctionner, de mémoriser, de se connecter, de rester observable et sous contrôle.
Quand l’utiliser
AgentCore est particulièrement utile lorsque l’équipe passe du stade « ça fonctionne en démonstration » à celui où « il doit fonctionner en production ».
Il convient bien dans les cas suivants :
- L’agent a besoin de sessions et d’états réels.
- Il nécessite un accès sécurisé aux outils et services.
- L’équipe souhaite pouvoir tracer ce qui s’est passé après le lancement.
- Vous voulez une évaluation de qualité structurée.
- Plus d’une équipe va probablement créer ou réutiliser des agents et des outils.
C’est moins urgent dans les cas suivants :
- L’idée n’est encore qu’une démonstration de concept.
Tous les projets n’ont pas besoin de cela dès le premier jour, et un prototype léger est souvent le meilleur choix au début. AgentCore devient utile lorsque la question passe de savoir si l’agent fonctionne à comment le faire fonctionner en toute sécurité, de manière répétée et à grande échelle. L’insistance d’AWS sur la gouvernance, l’observabilité et les processus d’approbation confirme cette interprétation.