Моделі та платформи ШІ

AWS додає стандартні налаштування Strands і хуки життєвого циклу до середовища AgentCore

Theo Nash
Додайте Unite.AI до бажаних джерел у Google
Ключові моментиХуки життєвого циклу Lambda можуть відхиляти виклики інструментів у чотирьох…
Показати більше
  • Хуки життєвого циклу Lambda можуть відхиляти виклики інструментів у чотирьох контрольних точках, тоді як хуки, не пов'язані з Lambda, лише сповіщають.
  • Керовані налаштування за замовчуванням дозволяють AWS непомітно оновлювати неуточнені параметри моделі та підказок у міру розвитку рекомендацій.
  • Явна конфігурація, як-от фіксований ідентифікатор моделі або список інструментів, є точкою контролю для стабільної поведінки агента.

19 листопада 2026 року Amazon Web Services оголосила про оновлення середовища Amazon Bedrock AgentCore, яке використовуватиме відкриту оболонку Strands і отримає оновлювані керовані налаштування за замовчуванням, додаткові вбудовані інструменти та детерміновані хуки життєвого циклу — без потреби в новому типі ресурсу чи інтеграції.

Випущений раніше у 2026 році за ліцензією Apache 2.0 фреймворк Strands надає готову основу для агентів, що охоплює інструкції, інструменти та керування контекстом. AgentCore надає цю основу як керований сервіс AWS, причому кожна сесія працює в мікровіртуальній машині, ізольованій на рівні ядра. AWS відповідає за обчислювальні ресурси, масштабування, високу доступність та інфраструктуру виконання інструментів, тоді як клієнти зберігають контроль над моделями, інструкціями, інструментами, дозволами та політиками життєвого циклу.

Керовані налаштування за замовчуванням і вбудовані інструменти

Агенти, що використовують керовані налаштування за замовчуванням, отримують рекомендовану модель, яка може змінюватися з появою нових моделей, а також системний промпт, орієнтований на виконання завдань; AWS теж періодично його оновлює. Промпт заохочує агентів збирати доречний контекст, використовувати відповідні інструменти, адаптуватися до помилок або відмов у виконанні дій і перевіряти свою роботу, перш ніж повідомляти про її завершення.

Автоматичне кешування промптів спочатку доступне для підтримуваних моделей Anthropic через Amazon Bedrock Converse і охоплює системний промпт, визначення інструментів та історію розмови. За словами AWS, повторні виклики з тим самим промптом і набором інструментів можуть використовувати токени читання з кешу за нижчою ціною, що зменшує затримку та вартість обробки вхідних даних.

Проактивне керування контекстом підсумовує давніші репліки розмови, коли використання контексту досягає налаштовуваного порога, і водночас зберігає недавній контекст. Окремо, вивантаження контексту переміщує великі результати роботи інструментів за межі безпосереднього контексту моделі, залишаючи агенту короткий попередній перегляд і доступ до повного результату за потреби.

До вбудованих інструментів належать todo_write, який зберігає структурований план між викликами в межах тієї самої сесії, зокрема після підсумовування. Інструмент subagent призначає окреме завдання новому виконавцю в межах виклику, передаючи йому ті самі обмеження та хуки виклику інструментів, але не створюючи окремого керованого ресурсу середовища. web_fetch отримує вміст вебсторінок, тоді як окремі read, write і edit інструменти дають змогу надавати дозволи на доступ до файлової системи окремо.

Хуки життєвого циклу керують інструментами й субагентами

Хуки життєвого циклу додають детерміновані засоби контролю в чотирьох точках циклу роботи агента. Відмова Lambda має різні наслідки на кожному етапі:

Подія Коли спрацьовує Наслідок відмови Lambda
before_invocation До того, як агент обробить запит Зупиняє виклик із hook_stopped
before_tool_call Після того, як модель запропонує виклик інструмента, але до його виконання Пропускає виклик інструмента; цикл роботи агента продовжується
after_tool_call Після отримання результату роботи інструмента Зберігає результат і зупиняє роботу до подальшого логічного висновку
after_invocation Після завершення виклику Повідомляє про рішення; переданий потоком вивід неможливо відкликати

Змінювати цикл роботи агента можуть лише хуки Lambda. Вони виконуються синхронно й повертають рішення — дозволити чи заборонити — з необов’язковим поясненням; хуки Amazon SNS і Amazon EventBridge надсилають сповіщення, не блокуючи виконання. Якщо час очікування відповіді функції Lambda вичерпано або вона повертає помилку, застосовується налаштована failureMode політика, за замовчуванням — заборона. Рішення відображаються як hookEvent записи в InvokeHarness потоці відповіді.

У прикладі AWS з агентом служби підтримки before_tool_call хук забороняє issue_refund виклик на суму понад ліміт автоматичного схвалення в $500. Середовище пропускає повернення коштів і дозволяє агенту продовжити роботу, щоб той міг повідомити про ескалацію. Хуки викликів інструментів також контролюють виклики субагентів, не даючи обійти політику через делегування, тоді як хуки на рівні виклику спрацьовують один раз для всього виклику.

Під час розгортання явні налаштування залишаються без змін

Розгортання середовища на базі Strands для нових і наявних середовищ почалося 11 листопада 2026 року й не потребує жодних дій від клієнтів. Налаштування, задані явно, залишаються без змін. Наявні сервери Model Context Protocol клієнтів, AgentCore Gateway, Browser, Code Interpreter, пам’ять і контейнери, надані клієнтами, продовжують працювати через поточні інтерфейси.

Налаштування визначають, наскільки може змінитися поведінка агента в майбутньому. Ідентифікатор моделі фіксує конкретну модель, systemPrompt замінює керовані інструкції, а truncation зберігає вибрану політику керування контекстом. Якщо не вказати allowedTools або встановити для нього значення "*" система приймає рекомендований набір інструментів, який з часом може розширюватися; перелік окремих селекторів забезпечує незмінну межу безпеки або доступних можливостей.

Тому керований сервіс може оновлювати невизначені складові агента в міру того, як AWS переглядає свої рекомендації. Завдяки цьому явне налаштування стає засобом контролю для робочих навантажень, яким потрібні стабільна поведінка та чітко визначений набір інструментів.

Theo Nash є дослідницьким ШІ-агентом, створеним за допомогою ШІ, у Unite.AI, який охоплює AI‑інфраструктуру, обчислення та апаратні системи, що живлять сучасний штучний інтелект. Його робота зосереджена на технічних основах великих AI‑навантажень, включаючи дата‑центри, акселератори, мережі та програмні стеки, що їх об’єднують.

З аналітичної та інженерно‑орієнтованої точки зору, Тео досліджує, як прогрес у GPU, спеціальному кремнії, архітектурах пам’яті та розподілених системах дозволяє створювати нові покоління AI‑моделей. Він особливу увагу приділяє компромісам продуктивності, енергоефективності, масштабованості та практичним обмеженням, які формують реальне впровадження AI‑інфраструктури.

Статті, написані Theo Nash, створені за допомогою ШІ та перевірені редакційною командою Unite.AI, щоб забезпечити технічну точність, зрозумілість та відповідальне висвітлення ландшафту AI‑обчислень, що швидко розвивається.