O problema que o AgentCore resolve
Qualquer desenvolvedor que já tentou colocar um agente de IA em funcionamento sabe bem como é: antes de testar se o agente faz algo útil, você passa horas — ou dias — resolvendo problemas de infraestrutura. Precisa escolher um framework, escrever código de orquestração, conectar ferramentas, configurar autenticação, montar pipeline de deploy. Só então o agente consegue processar a primeira requisição de verdade.
É trabalho necessário, mas não é o trabalho que diz se o agente vai ser bom. A AWS identificou esse gargalo e construiu o Amazon Bedrock AgentCore justamente para mudar essa equação — permitindo que times foquem na lógica do agente, não no encanamento de infraestrutura. O serviço já suportava frameworks populares como LangGraph, LlamaIndex, CrewAI e Strands Agents. Agora, a AWS anuncia novas capacidades que aprofundam essa proposta.
Harness gerenciado: do zero ao agente em três etapas
Todo agente precisa de uma camada de orquestração — o loop que chama o modelo, decide qual ferramenta acionar, repassa os resultados, gerencia a janela de contexto e lida com falhas. Para esse loop funcionar, existe uma infraestrutura de suporte: computação para hospedar o agente, sandbox para execução segura de código, conexões seguras com ferramentas, armazenamento persistente e recuperação de erros. Esse conjunto é o que a AWS chama de agent harness.
Até agora, montar esse harness era a primeira tarefa de qualquer time — e consumia dias antes mesmo de o agente processar uma única requisição real. A nova funcionalidade de harness gerenciado no AgentCore substitui toda essa construção inicial por uma configuração direta. Você declara o agente e o coloca para rodar com apenas três chamadas de API, sem escrever código de orquestração.
A ideia é simples: você define o que o agente faz — qual modelo usa, quais ferramentas pode chamar e quais instruções deve seguir. O AgentCore cuida de montar computação, ferramentas, memória, identidade e segurança para criar um agente funcional que pode ser testado em minutos. Trocar de modelo ou adicionar uma ferramenta vira uma mudança de configuração, não uma reescrita de código. É possível testar várias variações do agente em minutos apenas alterando parâmetros na chamada de API.
Essa velocidade não sacrifica flexibilidade. O harness do AgentCore é alimentado pelo Strands Agents, o framework open source da AWS. Quando você precisar de lógica de orquestração personalizada, roteamento especializado ou coordenação entre múltiplos agentes, basta migrar da configuração para um harness definido em código — na mesma plataforma, com o mesmo isolamento por microVM e o mesmo pipeline de deploy.
Outro ponto relevante: o AgentCore persiste o estado da sessão em um sistema de arquivos durável. Isso significa que agentes podem suspender uma tarefa no meio e retomá-la exatamente de onde pararam — tornando padrões de human-in-the-loop (humano no ciclo de decisão) viáveis sem nenhuma customização extra.
A VTEX, empresa brasileira de tecnologia para e-commerce, já está entre os casos de uso mencionados pela AWS. Rodrigo Moreira, VP de Engenharia da VTEX, destacou que antes cada novo protótipo de agente exigia dias de código de orquestração e configuração de infraestrutura antes de validar uma ideia. Com o harness do AgentCore, trocar de modelo, adicionar uma ferramenta ou refinar instruções passa a ser uma mudança de configuração — e a validação de ideias cai de dias para minutos.
AgentCore CLI: um único terminal do protótipo ao produção
Outro obstáculo clássico no ciclo de vida de agentes é a transição do desenvolvimento local para a produção. Normalmente isso significa sair do editor, configurar um pipeline de deploy separado e lidar com um processo que tem pouco a ver com o fluxo usado para construir o agente.
O novo AgentCore CLI unifica esse ciclo em um único terminal: prototipar, fazer deploy e operar o agente sem trocar de ferramenta. Você itera localmente e, quando o agente estiver pronto, faz o deploy sem montar um pipeline separado.
O AgentCore suporta deploy via Infraestrutura como Código (IaC) com suporte ao CDK e ao Terraform (em breve). Isso garante que a configuração do agente seja reproduzível e versionada — o que você testou localmente é exatamente o que roda em produção.
Skills para agentes de código: contexto que faz diferença
Boa parte do desenvolvimento de agentes hoje acontece com o apoio de assistentes de código como Claude Code ou Kiro. Mas um assistente de código só é tão eficaz quanto o contexto que ele tem. Um servidor MCP (Protocolo de Contexto de Modelo) genérico pode dar acesso a APIs e documentação, mas não captura as boas práticas específicas de uma plataforma: quais padrões usar, como as capacidades se encaixam, qual é o caminho recomendado para tarefas comuns.
As novas skills pré-construídas do AgentCore vão além do acesso bruto à API. Elas fornecem aos agentes de código conhecimento atualizado e curado sobre as melhores práticas do AgentCore — de forma que as sugestões recebidas reflitam como a plataforma deve ser usada, não apenas quais endpoints existem. O Kiro já inclui isso como um Power nativo. Plugins para Claude Code, Codex e Cursor chegam em breve.
Disponibilidade e preços
O harness gerenciado do AgentCore está disponível em prévia em quatro regiões AWS: US West (Oregon), US East (N. Virginia), Asia Pacific (Sydney) e Europe (Frankfurt). O AgentCore CLI e o sistema de arquivos persistente para agentes estão disponíveis em todas as regiões comerciais da AWS onde o AgentCore é oferecido. As skills para agentes de código devem estar disponíveis até o final de abril.
O modelo de cobrança é baseado nos recursos consumidos, sem custo adicional pelo CLI, pelo harness ou pelas skills. Mais detalhes estão na página de preços do AgentCore. Para começar, a documentação do AgentCore cobre os primeiros passos.
O que muda na prática
A proposta do AgentCore é clara: a plataforma em que você prototipa é a mesma em que você roda em produção. À medida que o agente evolui, você adiciona avaliações, memória, conexões com ferramentas e políticas de controle — sem precisar rearquitetar nada. O foco se mantém na lógica do agente, não na infraestrutura que o sustenta.
Fonte
Get to your first working agent in minutes: Announcing new features in Amazon Bedrock AgentCore (https://aws.amazon.com/blogs/machine-learning/get-to-your-first-working-agent-in-minutes-announcing-new-features-in-amazon-bedrock-agentcore/)
Leave a Reply