Pular para o conteúdo
LabS Atlas
Agentic AI
Entrar

Amazon Bedrock

Ir para notas que citam esta
atualizado há 25 diasEntre para perguntar ao Labinho sobre esta notaO Labinho é o assistente que responde com as notas e as sessões do LabS e mostra de onde tirou cada resposta.

Amazon Bedrock é o serviço gerenciado que entrega vários modelos de linguagem por uma interface única e oferece, sobre eles, um serviço de agentes com ferramentas e contexto de conversa acoplados.

O problema que resolve é o de integração ponto a ponto. Sem uma camada como essa, uma aplicação que quer usar cinco modelos precisa construir e manter cinco integrações diferentes, cada uma com seu contrato, sua autenticação e seu faturamento. Com Bedrock, a aplicação se integra uma vez ao serviço e passa a consumir os modelos já embarcados nele, o que torna a Seleção de Modelo por Agente uma decisão de configuração em vez de um projeto de integração.

O que o Bedrock Agents acrescenta

Sobre o catálogo de modelos existe um serviço de agentes que permite criar, orquestrar e operar agentes autônomos de forma mais direta do que montar tudo do zero. Esses agentes fazem o que se espera de um agente: interpretam instruções, chamam APIs, usam ferramentas, mantêm contexto de conversa e podem recorrer a modelos diferentes ao longo da mesma tarefa. A plataforma também é usada para especialização de modelo em modo no-code, alimentando um modelo pré-treinado com dados de um domínio próprio, o que a aproxima de Fine-tuning sem exigir pipeline de treino.

Observabilidade por CloudWatch, não por ferramenta dedicada

Não existe, no catálogo do provedor, uma ferramenta nativa específica de observabilidade para agentes autônomos. O que há é o serviço de monitoramento geral da nuvem, o CloudWatch, que passa a receber dashboards automáticos assim que o Bedrock começa a ser usado: número de invocações, latência, uso de tokens por modelo e tokens com erro.

Essa visão é deliberadamente mais rasa que a de plataformas dedicadas a traces de agentes: fica no nível de infraestrutura e não abre o caminho de decisão da execução. O contorno é montar dashboards próprios, agregando métricas dos outros recursos que o agente consome, como o Banco Vetorial usado na recuperação e as funções serverless acionadas por ele. Monitorar só o agente deixa metade do sistema no escuro, e essa ampliação de escopo é exatamente o que AgentOps pede.

O contrapeso da amarração ao provedor

Consumir modelos por dentro da nuvem já contratada tem um argumento forte a favor: o tráfego fica concentrado num provedor com quem já existe relação contratual, em vez de se espalhar por ferramentas de terceiros sobre as quais não há controle do destino do dado.

O contrapeso é a amarração ao catálogo desse provedor. Só entram os modelos que ele testa, valida e decide disponibilizar, e a ausência de integração nativa com determinados provedores concorrentes se explica por interesse comercial, não por limitação técnica — há como integrá-los por fora, mas não pelo caminho pronto. Quem adota a plataforma aceita que a sua lista de modelos disponíveis é uma decisão de outra empresa.