Amazon Bedrock AgentCore: Despliega y Opera Agentes AI a Escala

1. Primitivos de AgentCore

Amazon Bedrock AgentCore es una plataforma agéntica que alcanzó disponibilidad general el 13 de octubre de 2025. Provee infraestructura administrada para construir, desplegar y operar agentes AI de forma segura a escala usando cualquier framework y cualquier modelo fundacional. La plataforma se organiza alrededor de cinco primitivos centrales que pueden usarse independientemente o componerse juntos.

2. Construir un Primer Agente con Strands SDK / LangGraph

AgentCore Runtime funciona con cualquier framework que produzca un servidor HTTP o provea un AgentExecutor A2A, incluyendo Strands Agents, LangGraph, Google ADK, OpenAI Agents SDK y soluciones personalizadas. El Strands Agents SDK -- un framework open-source basado en modelos de AWS -- es la opción más integrada, requiriendo solo pocas líneas de código para ir de prototipo local a agente desplegado en la nube.

Strands Agents (Python)

# Install dependencies
pip install strands-agents strands-agents-tools bedrock-agentcore

# agent.py -- minimal Strands agent
from strands import Agent
from strands.models.bedrock import BedrockModel
from strands_tools import calculator, web_search

model = BedrockModel(
    model_id="us.anthropic.claude-sonnet-4-6",
    temperature=0.3,
    streaming=True
)

agent = Agent(
    model=model,
    tools=[calculator, web_search],
    system_prompt="You are a helpful research assistant."
)

response = agent("What is the current population of Tokyo?")
print(response)

Desplegar a AgentCore Runtime

# deploy.py -- wrap agent for AgentCore Runtime
from bedrock_agentcore.runtime import BedrockAgentCoreApp

def agent_handler(request):
    """Handle incoming agent requests."""
    from strands import Agent
    from strands.models.bedrock import BedrockModel

    model = BedrockModel(model_id="us.anthropic.claude-sonnet-4-6")
    agent = Agent(model=model, tools=[])
    response = agent(request.input_text)
    return {"output": str(response)}

app = BedrockAgentCoreApp(agent_handler)

if __name__ == "__main__":
    app.run(port=9000)

Alternativa LangGraph

Los agentes LangGraph se despliegan de forma idéntica. El SDK Python de AgentCore Runtime provee un wrapper HTTP liviano que expone cualquier función de agente como un endpoint compatible con AgentCore. El Runtime pasa payloads JSON-RPC directamente al contenedor sin modificación, por lo que cualquier framework que produzca un servidor HTTP compatible funciona de inmediato.

3. Cableado del MCP Gateway

AgentCore Gateway transforma cómo los agentes se conectan a herramientas externas. En vez de que cada agente gestione sus propias conexiones de servidores MCP, Gateway centraliza el acceso a herramientas detrás de una interfaz administrada única. Defines servidores MCP como targets al crear un gateway, y la API SynchronizeGatewayTargets realiza handshakes de protocolo e indexa herramientas disponibles automáticamente.

Las versiones de protocolo MCP soportadas incluyen 2025-03-26, 2025-06-18 y 2025-11-25 (mínimo requerido para creación de gateway). El Gateway firma requests a servidores MCP usando SigV4 con las credenciales del rol de servicio del gateway. Para servicios de terceros que requieren OAuth, Gateway se integra con AgentCore Identity para manejar el flujo Authorization Code.

# Wire an MCP server to AgentCore Gateway (AWS CLI)
aws bedrock-agentcore create-gateway \
  --gateway-name "tools-gateway" \
  --protocol-type MCP \
  --targets '[{
    "name": "github-tools",
    "type": "MCP_SERVER",
    "endpoint": "https://mcp.github.internal/sse",
    "authConfig": {
      "type": "IAM",
      "roleArn": "arn:aws:iam::123456789012:role/GatewayMCPRole"
    }
  }]'

# Synchronize targets to discover available tools
aws bedrock-agentcore synchronize-gateway-targets \
  --gateway-id "gw-abc123"

Desde febrero 2026, Amazon Bedrock soporta ejecución de herramientas del lado del servidor a través de AgentCore Gateway integrado con la API Responses; a junio de 2026 la capacidad está disponible de forma general en cada región donde ambos servicios están disponibles. Esto permite a los modelos llamar herramientas del Gateway directamente sin orquestación del lado del cliente.

4. AgentCore Evaluations -- Quality Gates de Producción

AgentCore Evaluations alcanzó disponibilidad general el 31 de marzo de 2026. El servicio provee evaluación automatizada de calidad para agentes AI a través de dos modos: evaluación online monitorea continuamente el tráfico de producción muestreando y puntuando trazas en vivo, mientras que evaluación on-demand habilita testing programático que se integra en pipelines CI/CD y workflows de desarrollo interactivo.

Los equipos pueden evaluar agentes usando 13 evaluadores integrados que cubren calidad de respuesta, seguridad, completitud de tareas y uso de herramientas. Los evaluadores personalizados soportan dos enfoques: evaluación basada en LLM usando prompts configurables y selección de modelo, o evaluación basada en código a través de funciones Python o JavaScript alojadas en Lambda.

AgentCore Evaluations está disponible en nueve regiones AWS: US East (N. Virginia), US East (Ohio), US West (Oregon), Asia Pacific (Mumbai, Singapore, Sydney, Tokyo) y Europe (Frankfurt, Ireland).

5. Gobernanza del Agent Registry

AWS Agent Registry entró en preview público en abril 2026. Es un catálogo privado y gobernado y capa de descubrimiento para agentes, herramientas, habilidades, servidores MCP y recursos personalizados dentro de una organización. El registry resuelve el problema de duplicación en empresas que ejecutan cientos de agentes: los equipos pueden descubrir capacidades existentes en vez de reconstruirlas.

El descubrimiento usa búsqueda híbrida combinando coincidencia de palabras clave y entendimiento semántico. Las consultas cortas usan coincidencia de palabras clave, mientras que las consultas de lenguaje natural más largas también muestran resultados conceptualmente relacionados. Los recursos pueden registrarse manualmente a través de la consola o API, o vía descubrimiento basado en URL que recupera automáticamente metadata de un servidor MCP o endpoint de agente en vivo.

El registry incluye workflows de aprobación para publicar nuevos agentes, audit trails de CloudTrail para compliance y control de acceso a través de políticas IAM. Se puede acceder vía la UI de la Consola AgentCore, AWS CLI/SDK, o como un servidor MCP que los desarrolladores consultan directamente desde sus IDEs. La disponibilidad en preview cubre cinco regiones.

6. Spring AI AgentCore SDK para JVM

El Spring AI AgentCore SDK trae las capacidades de Amazon Bedrock AgentCore al ecosistema Java/JVM a través de patrones Spring familiares: anotaciones, auto-configuración y advisors componibles. Una sola anotación @AgentCoreInvocation transforma cualquier método de bean Spring en un endpoint compatible con AgentCore con serialización automática, detección de streaming y formato de respuesta.

El SDK soporta AgentCore Runtime para despliegue completamente administrado, pero los módulos individuales (Memory, Browser, Code Interpreter) funcionan standalone en aplicaciones corriendo en Amazon EKS, ECS o cualquier infraestructura. Las anotaciones MCP son first-class en Spring AI 2.0, con implementaciones de transporte MCP específicas de Spring integradas en el proyecto core.

// Spring AI AgentCore -- annotation-driven agent endpoint
@Service
public class ResearchAgent {

    @AgentCoreInvocation
    public Flux<String> research(@RequestBody AgentRequest request) {
        // Spring AI advisors chain: Memory -> Tools -> Model
        return chatClient.prompt()
            .advisors(memoryAdvisor, toolAdvisor)
            .user(request.getInput())
            .stream()
            .content();
    }
}

Spring Boot 4.0 (noviembre 2025) combinado con Spring AI 2.0 (GA el 12 de junio de 2026) provee un camino de grado producción y nativo de Spring para construir aplicaciones AI para equipos JVM. Esto elimina el desvío por Python que muchas empresas enfocadas en Java requerían anteriormente para desarrollo de agentes.

7. Soporte del Protocolo A2A vía AgentCore Runtime

AgentCore Runtime agregó soporte first-class del protocolo Agent-to-Agent (A2A) en octubre 2025. Con esta adición, agentes construidos en diferentes frameworks -- Strands, LangGraph, OpenAI Agents SDK, Google ADK, Claude Agents SDK -- pueden descubrir peers, compartir capacidades y coordinar acciones entre plataformas usando comunicación estandarizada.

Cuando se configura para A2A, AgentCore espera que los contenedores ejecuten servidores HTTP stateless y streamable en el puerto 9000 en la ruta raíz. El servicio pasa payloads JSON-RPC de la API InvokeAgentRuntime directamente al contenedor A2A sin modificación, manteniendo transparencia de protocolo. El aislamiento de sesión es automático vía el header X-Amzn-Bedrock-AgentCore-Runtime-Session-Id.

La autenticación para llamadas A2A soporta OAuth 2.0 e IAM (SigV4), habilitando comunicación segura y consciente de identidad entre agentes. Los servidores A2A pueden correr dentro de una VPC y usar PrivateLink para conectividad privada. Combinado con soporte MCP, AgentCore Runtime permite a los agentes tanto exponer herramientas (MCP) como colaborar con peers (A2A) desde un solo despliegue.

8. Patrones de Costo y Escalado

AgentCore usa precios modulares basados en consumo sin compromisos anticipados ni tarifas mínimas. Cada primitivo se factura independientemente, y pagas solo por lo que usas. La facturación se calcula por segundo, usando consumo real de CPU y memoria máxima consumida hasta ese segundo, con un mínimo de 1 segundo.

La facturación basada en consumo del Runtime captura el beneficio de "la espera de I/O es gratis" -- mientras un agente espera una respuesta LLM o llamada a API externa, el consumo de CPU cae a casi cero y la facturación lo refleja. Esto entrega eficiencia de costos sustancial comparado con opciones de cómputo siempre encendidas.

Para optimización de costos: usa IDs de modelo más pequeños para agentes de enrutamiento simples (Haiku para orquestación, Sonnet para razonamiento), agrupa llamadas de herramientas cuando sea posible y aprovecha Memory para evitar llamadas LLM redundantes para consultas previamente resueltas.

9. Bedrock AgentCore vs Azure AI Foundry vs Vertex AI

Los tres principales proveedores cloud ofrecen plataformas de agentes administradas con diferentes fortalezas. La selección depende principalmente de qué cloud y sistemas de negocio ya usas -- los costos de cambio son más altos en la capa de integración, no en la capa del framework de agentes.

Las tres plataformas soportan tanto MCP como protocolos A2A, habilitando interoperabilidad entre nubes. El diferenciador clave de AgentCore es su Runtime agnóstico de framework -- cualquier framework de agentes que produzca un servidor HTTP se despliega sin modificación. La ventaja de Azure AI Foundry es la integración profunda con Microsoft 365 con 1,400+ conectores de acción. Vertex AI sobresale cuando los equipos ya están invertidos en GCP y quieren integración estrecha con modelos Gemini.

10. Seguridad: Roles IAM, Aislamiento VPC, Cifrado

AgentCore se despliega con seguridad de grado empresarial por defecto. Cada sesión de usuario corre en su propio entorno protegido con aislamiento completo para prevenir filtración de datos. La plataforma se integra con el stack de seguridad AWS completo: IAM para control de acceso, VPC para aislamiento de red, KMS para cifrado y CloudTrail para logging de auditoría.

IAM y Control de Acceso

AgentCore soporta claves de condición IAM incluyendo bedrock-agentcore:subnets y bedrock-agentcore:securityGroups para aplicación de políticas de red granulares. AgentCore Policy (GA marzo 2026) provee controles centralizados y granulares para interacciones agente-herramienta, con equipos de seguridad capaces de definir reglas de acceso a herramientas y validación de input usando lenguaje natural. Desde junio de 2026, Policy también integra Bedrock Guardrails en la capa del gateway, revisando los inputs de herramientas y los outputs del agente en busca de prompt injection, contenido dañino y exposición de datos sensibles fuera del propio código del agente.

Aislamiento VPC y PrivateLink

Por defecto, las requests de agentes a AgentCore Gateway atraviesan internet público. Con endpoints VPC de interfaz, las organizaciones enrutan comunicaciones a través del backbone de red interna de AWS, entregando seguridad mejorada, latencia reducida y alineación de compliance mejorada. Los servidores A2A corren dentro de VPCs con PrivateLink para comunicación privada entre agentes.

Cifrado

Los datos y metadata de clientes almacenados en DynamoDB y S3 se cifran con una clave de servicio o una clave KMS administrada por el cliente. AgentCore Identity cifra todas las credenciales almacenadas usando claves KMS administradas por el cliente. Los datos nunca salen de tu cuenta AWS y nunca se usan para entrenar modelos. Todas las llamadas API se registran en CloudTrail.

11. Managed Harness, AgentCore CLI, Memoria y Pagos

El Managed Harness (anunciado el 22 de abril de 2026; generalmente disponible desde junio de 2026) provee un entorno runtime pre-construido que elimina la necesidad de escribir código de servidor HTTP por completo. Define un agente especificando un modelo, system prompt y herramientas, luego ejecútalo inmediatamente con solo tres llamadas API -- sin código de orquestación requerido. El harness gestiona el loop completo del agente: razonamiento, selección de herramientas, ejecución de acciones y streaming de respuestas. Cada sesión obtiene su propia microVM con acceso a filesystem y shell, y el harness es model-agnostic con la capacidad de cambiar modelos mid-session. Generalmente disponible en todas las Regiones AWS donde AgentCore está soportado, sin cargo adicional. El GA agregó memoria integrada por defecto, más proveedores de modelos vía LiteLLM y Bedrock Mantle, un catálogo de skills curado por AWS, evaluaciones y optimización, versionado y endpoints, y exportación a código Strands.

El AgentCore CLI (22 de abril de 2026) con integración CDK habilita workflows de infraestructura como código para despliegues AgentCore. Define endpoints de Runtime, configuraciones de Gateway, almacenes de Memory y pipelines de evaluación como constructos CDK, luego despliega con cdk deploy. Soporte de Terraform viene pronto. El CLI incluye agentcore init para scaffolding de proyecto, agentcore deploy para despliegue directo al Runtime y agentcore logs para streaming de logs en tiempo real. AgentCore Skills proveen guía pre-construida y precisa para asistentes de código -- disponible hoy a través de Kiro Power, con soporte para Claude Code, Codex y Cursor llegando pronto. El CLI está disponible en las 14 Regiones AWS donde AgentCore opera, sin cargo adicional.

Filesystem Persistence (preview) permite a los agentes persistir archivos entre invocaciones dentro de una sesión -- blocs de notas, resultados de cómputo intermedio, artefactos descargados. Los archivos se almacenan en almacenamiento efímero con alcance de sesión que sobrevive entre turnos pero se limpia cuando la sesión termina. Episodic Memory extiende el primitivo Memory existente con almacenamiento estructurado de eventos: los agentes pueden registrar puntos de decisión, resultados de herramientas y trazas de razonamiento como episodios recuperables por consulta semántica. Esto permite a los agentes aprender de interacciones pasadas y evitar repetir enfoques fallidos. La integración de asistente de código permite a los agentes crear entornos sandbox de ejecución de código para escribir, testear e iterar en código como parte de su workflow.

AgentCore Payments (preview, 7 de mayo de 2026) permite a los agentes acceder y pagar autónomamente por APIs, servidores MCP, contenido web y otros agentes. Construido en asociación con Coinbase y Stripe, gestiona el ciclo de vida completo del pago -- autenticación de wallet, ejecución de transacciones, gobernanza de gasto y observabilidad. Cuando un agente encuentra un recurso pago que retorna HTTP 402, AgentCore maneja la negociación del protocolo x402 y el pago con stablecoins sin interrumpir el loop de razonamiento. Metadata de Memory (6 de mayo de 2026) agrega atributos estructurados a los registros de memoria de largo plazo: hasta diez claves indexadas por recurso de memoria (STRING, NUMBER, STRING_LIST) para recuperación filtrada junto a la búsqueda semántica. AgentCore también se expandió a AWS GovCloud (US-West) y South America (São Paulo) en mayo de 2026.