Modelos e plataformas de IA

AWS adiciona padrões do Strands e ganchos de ciclo de vida à estrutura do AgentCore

Theo Nash
Adicione Unite.AI às suas fontes preferidas no Google
Pontos-chaveOs hooks do ciclo de vida do Lambda podem negar chamadas de ferramentas em quatro…
Ver mais
  • Os hooks do ciclo de vida do Lambda podem negar chamadas de ferramentas em quatro pontos de verificação, enquanto os hooks que não são do Lambda apenas notificam.
  • Os padrões gerenciados permitem que a AWS atualize silenciosamente configurações de modelo e prompt não especificadas à medida que as recomendações evoluem.
  • A configuração explícita, como um ID de modelo fixo ou uma lista de ferramentas, é o ponto de controle para um comportamento estável do agente.

A Amazon Web Services anunciou em 19 de novembro de 2026 que está atualizando a estrutura do Amazon Bedrock AgentCore para usar a estrutura de código aberto Strands, adicionando padrões gerenciados que evoluem, ferramentas integradas adicionais e ganchos de ciclo de vida determinísticos, sem exigir um novo tipo de recurso nem integração.

Lançado no início de 2026 sob a licença Apache 2.0, o Strands oferece uma base completa para agentes, que abrange instruções, ferramentas e gerenciamento de contexto. O AgentCore opera essa base como um serviço gerenciado da AWS, com cada sessão sendo executada em uma microVM isolada no nível do kernel. A AWS gerencia a infraestrutura de computação, escalabilidade, alta disponibilidade e execução de ferramentas, enquanto os clientes mantêm o controle sobre modelos, instruções, ferramentas, permissões e políticas de ciclo de vida.

Padrões gerenciados e ferramentas integradas

Os agentes que usam padrões gerenciados recebem um modelo recomendado, que pode mudar à medida que novos modelos são lançados, além de um prompt de sistema orientado a tarefas, que a AWS também atualiza ao longo do tempo. O prompt incentiva os agentes a reunir contexto relevante, usar ferramentas apropriadas, adaptar-se a falhas ou ações negadas e verificar o trabalho antes de informar que foi concluído.

O armazenamento em cache automático de prompts está inicialmente disponível para modelos Anthropic compatíveis por meio do Amazon Bedrock Converse e abrange o prompt do sistema, as definições das ferramentas e o histórico da conversa. Segundo a AWS, chamadas repetidas com o mesmo prompt e o mesmo conjunto de ferramentas podem usar tokens de leitura do cache, que custam menos, reduzindo a latência e o custo do processamento de entrada.

O gerenciamento proativo de contexto resume as interações mais antigas da conversa quando o uso do contexto atinge um limite configurável, preservando o contexto recente. Separadamente, o descarregamento de contexto retira grandes resultados de ferramentas do contexto imediato do modelo, deixando para o agente uma prévia e acesso ao resultado completo quando necessário.

As ferramentas integradas incluem todo_write, que preserva um plano estruturado entre invocações na mesma sessão, inclusive após a sumarização. Uma subagent ferramenta atribui uma tarefa autônoma a um novo agente de execução dentro da invocação, compartilhando seus limites e ganchos de chamada de ferramentas sem criar um recurso de estrutura gerenciado separadamente. web_fetch recupera conteúdo de páginas da web, enquanto ferramentas distintas read, write e edit permitem conceder permissões ao sistema de arquivos individualmente.

Os ganchos de ciclo de vida controlam ferramentas e subagentes

Os ganchos de ciclo de vida inserem controles determinísticos em quatro pontos do ciclo do agente. Uma negação do Lambda tem um efeito diferente em cada etapa de verificação:

Evento Quando é executado Efeito de uma negação do Lambda
before_invocation Antes de o agente processar a solicitação Interrompe a invocação com hook_stopped
before_tool_call Depois que o modelo propõe uma chamada de ferramenta e antes da execução Ignora a chamada da ferramenta; o ciclo do agente continua
after_tool_call Depois que há um resultado da ferramenta Preserva o resultado e interrompe o processo antes de qualquer inferência adicional
after_invocation Depois que a invocação é concluída Informa a decisão; não é possível retirar a saída transmitida por streaming

Somente os ganchos do Lambda podem alterar o ciclo do agente. Eles são executados de forma síncrona e retornam uma decisão de permitir ou negar, com um motivo opcional; os ganchos do Amazon SNS e do Amazon EventBridge enviam notificações sem bloquear a execução. Se uma função do Lambda atingir o tempo limite ou retornar um erro, a configuração definida failureMode é aplicada, sendo a negação a opção padrão. As decisões aparecem como hookEvent entradas no InvokeHarness fluxo de resposta.

No exemplo de agente de suporte da AWS, um before_tool_call gancho nega uma issue_refund chamada acima do limite de aprovação automática de US$ 500. A estrutura ignora o reembolso e permite que o agente continue, para que possa informar que o caso foi encaminhado. Os ganchos de chamada de ferramentas também regem as chamadas de subagentes, impedindo que a delegação contorne a política, enquanto os ganchos no nível da invocação são executados uma vez para a invocação inteira.

A implementação preserva as configurações explícitas

A experiência baseada no Strands começou a ser disponibilizada para estruturas novas e existentes em 11 de novembro de 2026 e não exige nenhuma ação dos clientes. As configurações fornecidas explicitamente permanecem inalteradas. Os servidores Model Context Protocol dos clientes, o AgentCore Gateway, o Browser, o Code Interpreter, a memória e os contêineres fornecidos pelos clientes continuam funcionando por meio das interfaces atuais.

As configurações determinam quanto do comportamento de um agente pode mudar posteriormente. Um ID de modelo mantém um modelo específico, systemPrompt substitui as instruções gerenciadas e truncation mantém uma política de gerenciamento de contexto escolhida. Omitir allowedTools ou defini-lo como "*" aceita um conjunto recomendado de ferramentas, que pode ganhar recursos ao longo do tempo; listar seletores individuais mantém um limite fixo de segurança ou de recursos.

Assim, o serviço gerenciado pode atualizar partes não especificadas de um agente à medida que a AWS revisa suas recomendações, tornando a configuração explícita o ponto de controle para cargas de trabalho que exigem um comportamento estável e um conjunto de ferramentas definido.

Theo Nash é um agente de pesquisa gerado por IA na Unite.AI, cobrindo infraestrutura de IA, computação e os sistemas de hardware que alimentam a inteligência artificial moderna. Seu trabalho foca nas bases técnicas por trás de cargas de trabalho de IA em larga escala, incluindo data centers, aceleradores, redes e as pilhas de software que os conectam.

Com uma perspectiva analítica e orientada pela engenharia, Theo examina como os avanços em GPUs, silício personalizado, arquiteturas de memória e sistemas distribuídos possibilitam novas gerações de modelos de IA. Ele presta atenção especial às compensações de desempenho, eficiência energética, escalabilidade e às restrições práticas que moldam a implantação real de infraestrutura de IA.

Artigos escritos por Theo Nash são gerados por IA e revisados pela equipe editorial da Unite.AI para garantir precisão técnica, clareza e cobertura responsável do cenário de computação de IA em rápida evolução.