Amazon Bedrock incorpora recuperación consciente de la memoria para agentes de IA multiinquilinos
AWS integra la memoria de AgentCore con las Bases de Conocimiento Gestionadas para habilitar RAG personalizado y consciente del contexto, aplicando estrictos controles de acceso a documentos.
Traducido automáticamente del original en inglés.
Amazon Web Services ha presentado una nueva integración entre Amazon Bedrock Managed Knowledge Base y la memoria de Amazon Bedrock AgentCore. Esta actualización permite a los desarrolladores crear agentes de IA que recuerdan el contexto específico de cada usuario entre sesiones, cumpliendo estrictamente con los controles de acceso a documentos. La función fue anunciada el 16 de noviembre de 2026, dirigida a ingenieros que construyen asistentes empresariales multiinquilino.
Qué ocurrió
Anteriormente, construir una aplicación basada en conocimiento requería que los desarrolladores gestionaran manualmente el historial de conversaciones, extrajeran hechos duraderos de interacciones pasadas e inyectaran esos hechos en las consultas de búsqueda. Este proceso era complejo, especialmente al garantizar que cada usuario en un entorno multiinquilino solo pudiera acceder a los documentos autorizados. Los desarrolladores debían construir infraestructura personalizada para almacenar conversaciones, aislar datos por usuario y mantener la sincronización entre el contexto del usuario y la recuperación de documentos.
La nueva integración automatiza estos pasos permitiendo que la memoria de AgentCore actúe como fuente de recuperación junto con la base de conocimiento. Al añadir una memoryConfiguration a la solicitud AgenticRetrieveStream, el servicio restaura automáticamente el historial de conversaciones, extrae hechos relevantes a largo plazo y los utiliza para refinar las consultas de búsqueda. El sistema gestiona la restauración de sesiones, la búsqueda en memoria y la persistencia, mientras que la base de conocimiento continúa encargándose de la ingesta, indexación y clasificación.
Este enfoque garantiza que cada respuesta se base tanto en el contexto histórico del usuario como en los documentos a los que tiene permiso de acceso. La integración es opcional y compatible con versiones anteriores, lo que significa que las aplicaciones existentes pueden adoptarla sin cambios disruptivos. La aplicación sigue siendo responsable únicamente de autenticar al usuario y pasar su identidad, mientras que AWS gestiona la compleja orquestación de memoria y recuperación.
Cómo funciona
El mecanismo depende de mapear la identidad del usuario a dos reclamos distintos de un token de autenticación, como uno emitido por Amazon Cognito. La dirección de correo electrónico del usuario se usa para filtrar documentos mediante Listas de Control de Acceso (ACL) en la base de conocimiento, asegurando que solo vean contenido permitido. Mientras tanto, un ID de usuario estable, como el sub de Cognito, sirve como actorId para el aislamiento de memoria. Esta separación evita problemas donde cambiar una dirección de correo podría otorgar inadvertidamente a un nuevo usuario acceso al historial de conversaciones de otra persona.
Cuando un usuario envía una consulta, la aplicación pasa el userContext y la memoryConfiguration a la API AgenticRetrieveStream. El servicio primero restaura la memoria a corto plazo para la sesión actual y luego busca opcionalmente en la memoria a largo plazo hechos relevantes, como preferencias del usuario o detalles mencionados previamente. Un componente planificador decide si estas memorias son útiles para la pregunta actual y las incorpora en las subconsultas enviadas a la base de conocimiento. Después de generar una respuesta, el sistema guarda la interacción de vuelta en la memoria de forma asincrónica.
La seguridad se aplica mediante políticas de IAM condicionadas a etiquetas de sesión. La aplicación asume un rol de IAM etiquetado con el ID del usuario, y las políticas de IAM restringen el acceso a la memoria a espacios de nombres que contienen ese ID específico. Esto asegura que, incluso si el código de la aplicación contiene errores, la infraestructura subyacente impide que un usuario acceda a los registros de memoria o documentos de otro.
Detalles clave
- La integración utiliza
AgenticRetrieveStreamcon un parámetromemoryConfigurationpara habilitar la recuperación consciente de la memoria. - La identidad del usuario se divide: las direcciones de correo filtran las ACL de documentos, mientras que IDs estables como
subaíslan los espacios de nombres de memoria. - Se admiten dos estrategias de memoria: estrategia de resumen para capturar hechos incidentales y estrategia de preferencias de usuario para configuraciones estructuradas.
- Las políticas de IAM usan etiquetas de sesión para aplicar aislamiento por usuario tanto para registros de memoria como para acceso a documentos.
- El sistema admite la extracción asincrónica de registros a largo plazo, manteniendo baja la latencia de respuesta durante chats activos.
- Las bases de conocimiento existentes con fuentes de datos habilitadas para ACL, como Amazon S3 o SharePoint, funcionan sin modificaciones.
Por qué importa
Para los ingenieros de software que construyen asistentes de IA empresariales, esta actualización reduce significativamente la carga operativa de mantener agentes con estado. En lugar de diseñar bases de datos personalizadas para el historial de conversaciones y escribir lógica compleja para inyectar contexto en los prompts, los desarrolladores pueden depender de un servicio gestionado. Este cambio permite a los equipos centrarse en la lógica de la aplicación y la experiencia del usuario en lugar de las intrincidades de la gestión de estado y el aislamiento de datos.
La estricta separación del acceso a documentos y del contexto de memoria también aborda una preocupación crítica de seguridad en entornos multiinquilino. Al aprovechar las condiciones de IAM y las ACL a nivel de infraestructura, las organizaciones pueden asegurar el cumplimiento de las políticas de gobernanza de datos. Esto reduce el riesgo de fuga accidental de datos, una vulnerabilidad común cuando los desarrolladores manejan manualmente el contexto del usuario y la recuperación de documentos en código personalizado.
Además, la capacidad de personalizar respuestas basándose en la memoria a largo plazo mejora la utilidad de los agentes de IA. Los usuarios esperan que los asistentes recuerden sus preferencias y discusiones previas, igual que un colega humano. Esta integración hace factible ofrecer tales experiencias a escala sin comprometer la seguridad o el rendimiento, permitiendo interacciones más naturales y efectivas en soporte al cliente, mesas de ayuda internas de TI y otros casos de uso empresarial.
Qué puedes hacer
- Actualiza tu SDK de AWS a Boto3 1.43.72 o posterior para acceder a los nuevos parámetros
memoryConfiguration. - Revisa tu flujo de autenticación para asegurar que puedas extraer tanto un ID de usuario estable como una dirección de correo verificada de tu proveedor de identidad.
- Diseña tus espacios de nombres de memoria usando el marcador de posición
{actorId}para garantizar el aislamiento automático para cada usuario. - Configura roles de IAM con etiquetado de sesión para aplicar controles de acceso estrictos sobre recursos de memoria y consultas a la base de conocimiento.
- Prueba la integración con un pequeño grupo de usuarios para verificar que las ACL de documentos y la recuperación de memoria funcionen según lo esperado.
- Considera habilitar tanto las estrategias de memoria de resumen como las de preferencias de usuario para capturar una gama más amplia de información contextual.



