/Agentes de IA
Agentes de IA con Amazon Bedrock y AgentCore en producción
Construimos agentes de IA que ejecutan tareas reales en tus sistemas: consultan datos, llaman APIs, toman decisiones dentro de límites claros y piden ayuda cuando corresponde. Sobre Amazon Bedrock y AgentCore, con herramientas por MCP, Knowledge Bases, identidad, memoria y observabilidad de cada paso.
/Diagnóstico
Señales de que es el momento
Procesos con mucho trabajo manual
Soporte, operaciones o back office resuelven tareas repetitivas que requieren leer documentos, consultar varios sistemas y tomar decisiones simples.
Un prototipo de agente frágil
Armaste un agente con un framework popular, pero falla de forma impredecible, no sabés por qué tomó cada decisión y no te animas a darle acceso a sistemas reales.
Seguridad y permisos sin resolver
El agente necesita actuar en nombre de usuarios en CRM, ERP o APIs internas y no hay un modelo claro de identidad, credenciales ni auditoría.
Muchas herramientas, ningún estándar
Cada integración del agente se escribe a mano, sin reutilización entre equipos, y querés estandarizar con Model Context Protocol.
/Qué entregamos
Entregables concretos, en tu repositorio
Diseño del agente y sus límites
Objetivo, herramientas, permisos, puntos de aprobación humana, criterios de éxito y patrón elegido: agente único, flujo determinista o multi-agente.
Agente desplegado en AgentCore
Agente construido con Strands Agents, LangGraph u otro framework, ejecutado en AgentCore Runtime con aislamiento por sesión y memoria gestionada.
Herramientas por MCP y APIs
APIs y funciones Lambda expuestas como herramientas mediante AgentCore Gateway y servidores MCP, con esquemas claros y permisos mínimos.
Conocimiento con Knowledge Bases
Bases de conocimiento en Amazon Bedrock con ingesta, fragmentación, metadatos y filtros de acceso para que el agente responda con fuentes.
Identidad, guardrails y auditoría
AgentCore Identity para credenciales delegadas, Bedrock Guardrails, límites de acciones y registro completo de cada decisión.
Observabilidad y evaluación del agente
Trazas de cada paso con AgentCore Observability y OpenTelemetry, métricas de éxito por tarea y conjuntos de evaluación en CI.
/Cómo lo hacemos
Nuestro proceso
Selección del caso
Elegimos una tarea acotada, frecuente y medible, mapeamos los sistemas involucrados y definimos qué puede hacer el agente solo y qué requiere aprobación.
Prototipo evaluado
Construimos el agente con sus herramientas y un conjunto de evaluación con escenarios reales, y medimos tasa de éxito, costo y latencia.
Endurecimiento para producción
Agregamos identidad, guardrails, manejo de errores, límites de iteraciones, observabilidad y despliegue en AgentCore con Terraform.
Escalado y nuevos agentes
Monitoreamos resultados, ampliamos herramientas y reutilizamos la plataforma para nuevos agentes o colaboración multi-agente.
Qué es un agente de IA y cuándo conviene usar uno
Un agente de IA es un sistema donde un modelo de lenguaje decide qué pasos seguir para cumplir un objetivo, eligiendo herramientas, consultando información y evaluando resultados intermedios. A diferencia de un asistente que solo responde, un agente actúa: crea un ticket, consulta un pedido, actualiza un registro o prepara un borrador para revisión.
No todo problema necesita un agente. Si los pasos son conocidos y estables, un flujo determinista en Step Functions con llamadas puntuales a un modelo es más barato, más rápido y más fácil de probar. Los agentes brillan cuando la secuencia depende del contexto, hay muchas herramientas posibles y la tarea requiere interpretar información poco estructurada. Esa decisión es lo primero que definimos.
Amazon Bedrock Agents y AgentCore: qué usar en cada caso
Amazon Bedrock Agents es la opción totalmente gestionada para agentes con configuración declarativa: definís instrucciones, grupos de acciones y bases de conocimiento, y Bedrock orquesta el razonamiento y las llamadas a herramientas. Es una buena opción para casos acotados, equipos que prefieren menos código y flujos donde la personalización fina de la lógica del agente no es prioritaria.
Amazon Bedrock AgentCore es un conjunto de servicios para ejecutar y operar agentes construidos con cualquier framework y cualquier modelo. Incluye Runtime para ejecutar agentes con aislamiento por sesión, Memory para memoria de corto y largo plazo, Gateway para convertir APIs y Lambdas en herramientas compatibles con MCP, Identity para credenciales delegadas, Observability para trazas, y herramientas integradas como Code Interpreter y Browser.
En la práctica, usamos AgentCore cuando necesitamos control fino de la lógica, frameworks como Strands Agents o LangGraph, integraciones complejas o modelos de distintos proveedores, y Bedrock Agents cuando la simplicidad pesa más que la flexibilidad. En ambos casos el agente queda definido como código en tu repositorio y desplegado con Terraform, para que sea reproducible entre entornos.
Tool use, MCP y Knowledge Bases
La calidad de un agente depende tanto del modelo como de sus herramientas. Diseñamos herramientas con nombres y descripciones claros, esquemas de entrada estrictos, respuestas compactas y errores informativos, porque el modelo decide a partir de ese texto. Cada herramienta tiene permisos mínimos y, si modifica datos, una política de confirmación.
Model Context Protocol estandariza cómo se exponen herramientas y datos a los agentes. Con AgentCore Gateway convertimos APIs existentes y funciones Lambda en herramientas MCP sin reescribirlas, y las reutilizamos entre agentes y equipos. Para el conocimiento, Amazon Bedrock Knowledge Bases resuelve ingesta, embeddings y recuperación con filtros por metadatos, de modo que el agente cite fuentes y respete permisos de acceso.
Orquestación multi-agente sin perder el control
Cuando una tarea combina dominios distintos, como revisar un contrato, consultar facturación y redactar una respuesta, puede convenir dividirla en agentes especializados coordinados por un supervisor. Bedrock ofrece colaboración multi-agente gestionada, y frameworks como Strands Agents o LangGraph permiten patrones de supervisor, grafo o enjambre.
Cada agente adicional suma latencia, costo y puntos de falla. Por eso empezamos con un agente único bien diseñado y pasamos a multi-agente solo cuando la evaluación muestra un beneficio claro. Definimos límites de iteraciones, presupuestos de tokens por tarea y salidas de escape hacia una persona cuando el agente no tiene confianza suficiente.
Observabilidad y evaluación de agentes en producción
Un agente sin observabilidad es una caja negra que toma decisiones sobre tus sistemas. Instrumentamos cada paso con trazas compatibles con OpenTelemetry: el razonamiento, la herramienta elegida, los parámetros, la respuesta, los tokens consumidos y la latencia. AgentCore Observability integra esa información en CloudWatch, junto con el resto de tu aplicación.
Sobre esas trazas construimos métricas de negocio: tasa de tareas completadas, escalamientos a humanos, errores de herramientas y costo por tarea. Los casos fallidos alimentan el conjunto de evaluación, que se ejecuta en cada cambio de prompt, modelo o herramienta para detectar regresiones antes de que lleguen a los usuarios.
/FAQ
Preguntas frecuentes: Agentes de IA con Bedrock
¿Tenés otra duda? Escribinos a hello@nubent.com y te responde un ingeniero.
¿Qué es Amazon Bedrock AgentCore?
Es un conjunto de servicios de AWS para desplegar y operar agentes de IA de forma segura y a escala, con cualquier framework y cualquier modelo. Incluye Runtime, Memory, Gateway, Identity, Observability y herramientas integradas como Code Interpreter y Browser. Resuelve la infraestructura que normalmente separa un prototipo de agente de un sistema en producción.
¿Qué diferencia hay entre Bedrock Agents y AgentCore?
Bedrock Agents es un servicio gestionado y declarativo: configurás instrucciones, acciones y bases de conocimiento, y Bedrock orquesta el agente. AgentCore te da los bloques de infraestructura para ejecutar agentes escritos con el framework que elijas, como Strands Agents o LangGraph, con más control sobre la lógica. La elección depende de la complejidad del caso.
¿Qué es MCP y por qué importa para los agentes de IA?
Model Context Protocol es un estándar abierto para conectar agentes con herramientas y fuentes de datos de forma uniforme. En lugar de escribir una integración distinta para cada agente, exponés una herramienta una vez como servidor MCP y cualquier agente compatible puede usarla. En AWS, AgentCore Gateway convierte APIs y funciones Lambda en herramientas MCP.
¿Cómo se evita que un agente de IA haga algo indebido?
Con varias capas: permisos mínimos por herramienta, credenciales delegadas con alcance limitado, confirmación humana para acciones sensibles, Bedrock Guardrails sobre entradas y salidas, límites de iteraciones y de presupuesto, y trazabilidad completa de cada paso. Además, el conjunto de evaluación incluye escenarios adversos, como intentos de inyección de prompts.
¿Cuánto cuesta operar un agente de IA en AWS?
El costo combina tokens consumidos por el modelo en cada paso, uso de AgentCore y de las herramientas, y almacenamiento de conocimiento y memoria. Como un agente puede hacer varias llamadas por tarea, medimos el costo por tarea completada desde el prototipo y aplicamos optimizaciones como modelos más pequeños para pasos simples y caché de prompts.
Servicios relacionados
AI-native en AWS
Productos y plataformas cuyo núcleo es la IA generativa: Amazon Bedrock, agentes, RAG, evaluación, guardrails, LLMOps y costo por inferencia bajo control.
Ver másIA generativa en AWS
IA generativa en AWS con Amazon Bedrock: asistentes, RAG sobre tus documentos y funciones GenAI en tu producto, con evaluación, guardrails y control de costos.
Ver másServerless en AWS
Lambda, API Gateway, Step Functions, EventBridge, DynamoDB y SQS: arquitecturas event-driven que escalan solas, toleran fallas y cobran solo por uso real.
Ver másObservabilidad y SRE
CloudWatch, OpenTelemetry y Grafana, SLOs con error budgets, alertas accionables, gestión de incidentes y postmortems para operar AWS con datos.
Ver másData en AWS
Plataforma de datos en AWS: ingesta automatizada, data lake en S3, transformaciones con Glue, consultas con Athena y Redshift, y gobierno con Lake Formation.
Ver másSiguiente paso
Hablemos de tu proyecto de Agentes de IA con Bedrock
30 minutos con un ingeniero. Próximos pasos concretos, trabajes o no con nosotros.