AWS демонстрирует подход к разработке ИИ-агентов, при котором оркестрация, память и вызов инструментов настраиваются декларативно, избавляя разработчиков от написания сложного связующего кода.
3 мин
Разработка автономных ИИ-агентов, способных обрабатывать запросы на естественном языке и выполнять реальные действия, традиционно требует сложной инженерной работы. Разработчикам приходится самостоятельно писать циклы оркестрации, управлять контекстным окном, настраивать маршрутизацию вызовов инструментов и обеспечивать безопасную среду выполнения. AWS предлагает альтернативный подход с помощью Amazon Bedrock AgentCore, который переносит эти задачи на уровень инфраструктуры.
Суть нового подхода заключается в переходе от императивного программирования к декларативной конфигурации. Вместо того чтобы писать код на Python для управления логикой агента, разработчик просто объявляет, что именно должен делать агент. Вся базовая работа — сохранение состояния, изоляция в микровиртуальной машине (microVM), маршрутизация инструментов и мониторинг — берет на себя платформа AgentCore.
В качестве демонстрации возможностей AWS представила архитектуру бессерверного (serverless) приложения для редактирования изображений. Пользователь загружает фотографию и обычным текстом просит, например, «изменить цвет машины на синий» или «расширить изображение на 200 пикселей вправо». Агент на базе модели Claude Sonnet 4.6 разбивает задачу на шаги, выбирает нужные инструменты (основанные на моделях Stability AI), выполняет редактирование и возвращает результат за секунды. Вся инфраструктура разворачивается одной командой с помощью AWS Cloud Development Kit (AWS CDK).
Техническая реализация AgentCore включает несколько ключевых особенностей, которые меняют процесс разработки. Во-первых, это создание агента исключительно через параметры API. В проекте нет ни фреймворков, ни контейнеров, ни связующего кода для оркестрации.
Во-вторых, платформа поддерживает динамическое переключение моделей (per-invocation model switching). В зависимости от сложности запроса система может направлять простые диалоговые сообщения в более быструю и дешевую модель Claude Haiku 4.5, а сложные задачи по редактированию — в Claude Sonnet 4.6. При этом контекст беседы сохраняется автоматически, без необходимости писать логику извлечения истории или форматирования ввода для разных моделей.
Four-layer architecture: a React frontend on AWS Amplify, an AWS Lambda proxy, an AgentCore harness agent with memory, and three Stability AI tool Lambda functions calling Amazon Bedrock
Управление памятью реализовано на уровне сервиса. AgentCore Memory хранит историю разговоров до 30 дней. Это означает, что если пользователь просит «а теперь сделай это синим», агент понимает, к какому объекту относится запрос, опираясь на предыдущие итерации. Разработчикам фронтенда больше не нужно отправлять всю историю переписки при каждом новом запросе.
Интеграция инструментов реализована через AgentCore Gateway с использованием протокола Model Context Protocol (MCP). Разработчик просто описывает схему инструмента и указывает целевую функцию AWS Lambda. Агент самостоятельно читает эти описания и выбирает нужный инструмент в процессе рассуждения.
Особого внимания заслуживает функция InvokeAgentRuntimeCommand. Она позволяет выполнять команды оболочки (shell) напрямую в среде microVM агента, минуя саму языковую модель. В примере AWS это используется для наложения водяных знаков с помощью скрипта на Python после генерации изображения. Такой подход идеален для детерминированной постобработки: он не расходует токены модели, работает быстро и позволяет выполнять валидацию или применять бизнес-логику в той же изолированной среде.
Этот архитектурный паттерн показывает, как индустрия движется в сторону стандартизации ИИ-разработки. Подобно тому, как бессерверные вычисления когда-то избавили программистов от управления серверами, платформы вроде AgentCore стремятся абстрагировать рутину управления ИИ-агентами.
В перспективе это снизит порог входа для создания сложных ИИ-систем. Компании смогут сосредоточиться на разработке уникальных бизнес-инструментов и качественных системных промптов, оставив проблемы сохранения контекста, маршрутизации и безопасности на откуп облачным провайдерам.
AWS Bedrock AgentCore позволяет создавать ИИ-агентов декларативно через конфигурацию, устраняя необходимость писать код для оркестрации, управления памятью и маршрутизации инструментов.
Перенос логики оркестрации ИИ-агентов на уровень облачной инфраструктуры делает разработку ИИ-приложений похожей на классический DevOps с использованием концепции 'инфраструктура как код' (IaC).
