O Problema Central: Agentes de IA Precisam de Contexto
Um agente de IA é tão inteligente quanto o contexto sobre o qual ele consegue raciocinar. E hoje, esse contexto está espalhado por data lakes, data warehouses, lakehouses, bancos de dados, streams — e ainda existe uma boa parte do conhecimento institucional que nunca foi sequer documentado.
Para confiar nas decisões de um agente de IA, é preciso primeiro garantir que ele tenha acesso ao contexto correto. Foi com essa premissa que, no AWS Summit New York City, a AWS anunciou uma série de inovações voltadas à chamada inteligência contextual — a capacidade de fornecer, de forma segura e governada, o contexto que os agentes precisam para entregar decisões confiáveis.
AWS Context: O Novo Serviço de Grafo de Conhecimento Organizacional
O principal anúncio foi o AWS Context (em breve disponível), um novo serviço que mapeia automaticamente os relacionamentos entre os dados existentes de uma organização em um grafo de conhecimento e disponibiliza uma busca agêntica para que os agentes de IA possam acessar, em tempo de execução, relacionamentos de dados governados, regras de negócio e conhecimento de domínio.
Na prática, administradores e curadores de dados gerenciam o grafo por meio de um console intuitivo: eles revisam relacionamentos inferidos pelo sistema, promovem esses relacionamentos para produção e associam conhecimento específico de domínio — como definições de negócio e regras de uso.
A Base Tecnológica: Amazon Quick
O AWS Context expande a mesma tecnologia de grafo de conhecimento que já sustenta o Amazon Quick, onde centenas de milhares de usuários interagem diariamente com um grafo de conhecimento em produção que cataloga conjuntos de dados, dashboards e metadados, aprendendo com padrões de uso para tornar cada interação mais inteligente. Esse grafo já processa milhões de requisições por dia.
Com o AWS Context, a AWS transforma o que antes era um grafo de conhecimento pessoal em um grafo organizacional — uma camada de contexto compartilhada e governada, da qual agentes e aplicações de toda a organização podem se beneficiar. Usuários existentes do Amazon Quick já ganham com isso imediatamente: quando o AWS Context é habilitado, os agentes do Quick passam a ter acesso ao grafo de conhecimento corporativo mais amplo, incluindo relacionamentos entre sistemas, regras de negócio e contexto curado que vão além do que qualquer grafo pessoal individual consegue oferecer.
Integrações e Abertura de Padrões
O serviço se integra ao AWS Glue Data Catalog, ao Amazon SageMaker Unified Studio e ao AWS Lake Formation, permitindo que equipes governem o grafo com regras de negócio e permissões, além de adicionar novo contexto automaticamente com assistência de IA ou por curadoria manual.
Elementos-chave da camada de contexto são publicados no Amazon S3 no formato Apache Iceberg, garantindo que os clientes possam usar as ferramentas compatíveis com Iceberg de sua preferência para consumir metadados e construir sobre o AWS Context com base em padrões abertos. Não há infraestrutura para provisionar nem pipeline de recuperação para construir — basta alguns cliques no Console de Gerenciamento da AWS para começar.
Capacidades de Destaque do AWS Context
Contexto que Aprende com o Uso dos Agentes
O AWS Context fica mais inteligente conforme os agentes o utilizam. À medida que os agentes consultam o grafo, o serviço observa quais fontes produzem resultados corretos, quais caminhos de junção os agentes seguem e quais regras curadas são aplicadas. Ele classifica as fontes com base no uso real e compartilha o que aprende por toda a organização — ou seja, quando um agente descobre um caminho de junção correto ou resolve uma ambiguidade de esquema, outros agentes se beneficiam disso automaticamente, sem que um humano precise recurar o grafo.
Aberto e Portável por Design
O AWS Context publica todos os metadados principais de fontes estruturadas e não estruturadas no formato Apache Iceberg no Amazon S3 Tables, permitindo consultas com Amazon Athena, Amazon Redshift, Apache Spark ou qualquer engine compatível com Iceberg. Também é possível construir sistemas downstream sobre esses dados, auditá-los ou migrá-los.
O serviço também foi projetado para se conectar a catálogos de terceiros, trazendo contexto de sistemas fora da AWS para o mesmo grafo. Os agentes consultam o grafo por meio de APIs de busca agêntica e ferramentas MCP — independentemente de serem construídos no Amazon Bedrock AgentCore, implantados no Amazon EKS ou executados em frameworks compatíveis com MCP.
Identidade e Governança por Padrão
Qualquer agente em produção levanta uma questão de governança: a quais dados ele tem acesso, e é possível mostrar exatamente o que ele acessou e sob qual autoridade? O AWS Context responde a ambas as perguntas tornando cada consulta ciente da identidade do chamador.
Cada chamada é projetada para herdar as permissões de IAM (Gerenciamento de Identidade e Acesso) e Lake Formation do usuário que a originou, de modo que um agente só pode ver e percorrer os relacionamentos que sua identidade está autorizada a acessar. Como o acesso passa pela identidade, cada interação é auditável — equipes de segurança e conformidade podem verificar o que um agente acessou e sob qual autoridade, usando os mesmos controles já existentes.
AWS Glue Data Catalog: Contexto de Negócio e Busca Semântica
Além do AWS Context, a AWS também anunciou a prévia de contexto de negócio e busca semântica para o AWS Glue Data Catalog, fornecendo ferramentas que facilitam a descoberta e compreensão de dados tanto para humanos quanto para agentes de IA.
Agora, os clientes podem enriquecer suas tabelas, views e colunas do Glue — incluindo aquelas baseadas em S3 Tables — com descrições de negócio, termos de glossário, metadados personalizados e associá-los a skill assets que fornecem contexto adicional armazenado fora do catálogo. Com o contexto de negócio indexado junto aos metadados técnicos no Glue Data Catalog, os clientes podem usar a nova API de Busca do Glue para encontrar dados por significado de negócio mais rapidamente, e os agentes de IA podem fundamentar seu raciocínio em definições confiáveis em vez de inferir contexto.
Skill Assets: Instruções Reutilizáveis para Agentes
A prévia também traz os chamados skill assets no Glue Data Catalog. Produtores de dados podem criar skill assets — um novo tipo de ativo que referencia URIs para arquivos (como skills de IA, arquivos markdown de guia e runbooks de equipe) hospedados em qualquer local, incluindo S3, repositórios git e wikis.
Associar skill assets a ativos de dados fornece aos agentes contexto e instruções adicionais que eles podem recuperar progressivamente para trabalhar com dados específicos, sem precisar re-ensinar cada agente individualmente em cada prompt. Por exemplo, as localizações de URI podem apontar para repositórios da equipe com documentação específica de domínio ou processos que incluem detalhes de uso de dados — como granularidade e escopo, padrões de consulta comuns e melhores práticas, e regras de uso.
Hoje, o AWS Agent Toolkit contém skills padrão para ajudar agentes de IA a trabalhar com o Glue Data Catalog, bem como outras capacidades como Amazon Athena e S3 Tables. Para começar, desenvolvedores podem conectar qualquer agente compatível com MCP usando o AWS MCP remoto e totalmente gerenciado, ou instalando o plugin aws-data-analytics para Claude Code, Cursor e Amazon Kiro. Agentes construídos com o AgentCore harness podem acessar todas as skills da AWS no AWS Agent Toolkit com apenas uma linha de código.
Amazon S3 Annotations: Contexto Rico Direto nos Objetos
Para facilitar que os clientes adicionem contexto personalizado ao seu data lake, a AWS anunciou a disponibilidade geral do Amazon S3 Annotations — uma nova forma de anexar contexto de negócio rico e consultável diretamente a objetos S3, armazenando esse contexto em uma tabela Iceberg do S3.
Embora tags de objeto e metadados definidos pelo usuário continuem sendo as ferramentas certas para tarefas operacionais como controle de acesso e pequenas informações definidas no momento do upload, os clientes que constroem agentes sobre seus dados precisam anexar muito mais metadados. Eles querem criar e evoluir contexto rico que um agente possa ler e sobre o qual possa agir, em escala. O S3 Annotations oferece essa capacidade em um formato de dados aberto.
Cada objeto armazenado no S3 pode ter até 1 GB de contexto. As anotações são mutáveis, portanto o contexto pode evoluir conforme os dados mudam. As anotações vivem junto ao objeto S3 no armazenamento S3 — o que significa que se movem com o objeto associado em operações de cópia e replicação, e são removidas quando o objeto é excluído. Não há banco de dados de metadados separado para construir, sincronizar ou manter atualizado.
As anotações se tornam consultáveis por meio do S3 Metadata. Quando as tabelas de anotações são habilitadas em um bucket, cada anotação flui automaticamente para uma tabela Iceberg totalmente gerenciada. É possível consultar todos os objetos com Amazon Athena, Amazon Redshift ou qualquer engine compatível com Iceberg, e os agentes podem descobrir anotações em linguagem natural por meio do servidor MCP do S3 Tables.
Com o Amazon S3 Annotations, os clientes anexam contexto de negócio rico diretamente a objetos S3 e o consultam em escala, para que os agentes encontrem o que precisam sem precisar construir sistemas de metadados separados.
Contexto é a Base dos Agentes de IA
A visão que a AWS apresentou no Summit de Nova York é clara: o contexto é o data lake para os agentes de IA. Com essas inovações — AWS Context, as melhorias no Glue Data Catalog e o S3 Annotations em disponibilidade geral — a empresa busca construir a fundação de conhecimento e inteligência para que agentes de IA interajam com dados em organizações e empresas de qualquer escala, de forma governada, portável e confiável.
Fonte
Context intelligence for your data and AI agents at scale (https://aws.amazon.com/blogs/machine-learning/context-intelligence-for-your-data-and-ai-agents-at-scale/)
Leave a Reply