Amazon Bedrock AgentCore integra el harness de Strands y los hooks de ciclo de vida
AWS actualiza AgentCore con valores predeterminados de Strands, herramientas integradas para planificación y recuperación, y hooks de ciclo de vida deterministas para una ejecución más segura de agentes.
Traducido automáticamente del original en inglés.
Amazon Web Services ha mejorado su harness Amazon Bedrock AgentCore para incorporar el harness de código abierto Strands. Lanzada el 19 de noviembre de 2026, esta actualización introduce valores predeterminados gestionados para la selección de modelos y la gestión del contexto, nuevas herramientas integradas para la delegación de tareas y hooks de ciclo de vida que permiten a los desarrolladores aplicar comprobaciones deterministas durante la ejecución del agente.
Qué ocurrió
El cambio principal consiste en integrar las capacidades de Strands, un framework de agentes de código abierto lanzado a principios de año bajo una licencia Apache 2.0, dentro del servicio gestionado de AWS. Esta integración significa que los agentes que utilizan AgentCore ya no requieren que los desarrolladores ensamblen manualmente la infraestructura subyacente para el escalado de sesiones, la ejecución de herramientas o el aprovisionamiento de cómputo. En su lugar, el servicio ahora ofrece una base de agentes de grado productivo que se ejecuta en microVMs aisladas por kernel y seguras dentro del runtime de AgentCore.
Esta mejora es automática tanto para los harnesses existentes como para los nuevos. Los desarrolladores que dependan de los valores predeterminados gestionados se beneficiarán inmediatamente de modelos recomendados actualizados, prompts de sistema orientados a tareas y estrategias proactivas de gestión del contexto. Aquellos que hayan configurado explícitamente modelos, prompts o conjuntos de herramientas específicos no verán cambios en su comportamiento actual, lo que garantiza la compatibilidad con versiones anteriores mientras ofrece capacidades mejoradas para quienes opten por adoptar los nuevos valores predeterminados.
Cómo funciona
El harness actualizado opera conectando la base de Strands con varios servicios de AWS necesarios para agentes en producción, incluyendo persistencia de sesiones, observabilidad y gestión de identidades. Una mejora técnica clave es la introducción del caché automático de prompts para modelos Anthropic compatibles a través de la API Converse. Este mecanismo almacena en caché los prompts de sistema, las definiciones de herramientas y el historial de conversaciones, permitiendo que las llamadas repetidas utilicen tokens de lectura de caché a menor precio. Además, el harness emplea una gestión proactiva del contexto resumiendo turnos de conversación antiguos una vez que se alcanza un umbral configurable, lo que supuestamente reduce los costos de tokens en aproximadamente un 34% en comparación con otros harnesses líderes.
Para manejar tareas complejas, el harness incluye varias herramientas integradas. La herramienta todo_write mantiene un plan de tareas estructurado entre invocaciones, mientras que la herramienta subagent delega tareas autónomas a trabajadores internos sin crear recursos gestionados separados. La descarga de contexto permite mover grandes resultados de herramientas fuera del contexto inmediato del modelo, proporcionando solo una vista previa al agente hasta que sea necesaria la recuperación completa. Estos mecanismos ayudan a gestionar los límites de la ventana de contexto y mejoran la eficiencia durante sesiones de larga duración.
Detalles clave
- Hooks de ciclo de vida: Los desarrolladores pueden adjuntar funciones de AWS Lambda a cuatro eventos específicos:
before_invocation,before_tool_call,after_tool_callyafter_invocation. Estos hooks se ejecutan de forma síncrona y pueden permitir o denegar acciones, habilitando una gobernanza determinista sobre el comportamiento no determinista de la IA. - Herramientas integradas: Las nuevas herramientas predeterminadas incluyen
web_fetchpara contexto externo, acceso granular al sistema de archivos (read,write,edit) ysubagentpara la delegación de tareas. Las herramientas son accesibles mediante la configuraciónallowedTools. - Gestión del contexto: El harness resume automáticamente los mensajes antiguos preservando el contexto reciente. También admite la descarga de contexto para reducir el uso inmediato de memoria sin perder el acceso a los datos.
- Eficiencia de costos: El caché automático de prompts y el resumen proactivo contribuyen a un costo de tokens reportado un 34% menor en comparación con otros harnesses, principalmente al reducir la latencia de procesamiento de entrada y reutilizar tokens en caché.
- Seguridad y aislamiento: Cada sesión se ejecuta en una microVM segura y aislada por kernel. Los hooks también se aplican a los subagentes, asegurando que las tareas delegadas no puedan eludir políticas como los límites de reembolsos.
- Soporte CLI: La CLI de AgentCore permite a los usuarios crear e invocar harnesses directamente. Un ejemplo "Research Coordinator" demuestra la orquestación multiagente utilizando subagentes para investigación, síntesis y revisión.
Por qué importa
Para los ingenieros de software que construyen agentes de IA, el desafío principal ha sido a menudo cerrar la brecha entre las salidas probabilísticas de los modelos y la lógica empresarial determinista. La introducción de hooks de ciclo de vida aborda esto permitiendo a los desarrolladores insertar comprobaciones codificadas en puntos críticos del bucle del agente. Por ejemplo, se puede impedir que un agente de soporte al cliente emita reembolsos por encima de cierto umbral mediante una función Lambda que evalúa la solicitud antes de la ejecución. Esto transforma los agentes de IA de cajas negras impredecibles en flujos de trabajo gobernados que se alinean con los estándares de seguridad empresariales.
Además, los valores predeterminados gestionados reducen la sobrecarga operativa de mantener la infraestructura de agentes. Al manejar automáticamente el escalado de sesiones, el aprovisionamiento de cómputo y la gestión del contexto, AWS permite a los equipos centrarse en la lógica del agente en lugar de en la fontanería de la infraestructura. La capacidad de delegar tareas a subagentes y descargar contexto también significa que los agentes pueden manejar flujos de trabajo más complejos y de múltiples pasos sin alcanzar los límites de la ventana de contexto ni incurrir en costos excesivos de tokens. Esto hace factible desplegar agentes sofisticados en entornos de producción donde la fiabilidad y el control de costos son primordiales.
Qué puedes hacer
- Revisa tu configuración de harness: Si dependes de los valores predeterminados gestionados, prueba tus agentes para asegurar que se comportan como se espera con los nuevos prompts y herramientas basados en Strands. Configura explícitamente
allowedToolssi necesitas restringir capacidades. - Implementa hooks de ciclo de vida: Identifica acciones de alto riesgo en tus flujos de trabajo de agentes, como escrituras en bases de datos o transacciones financieras, y adjunta funciones Lambda al evento
before_tool_callpara validar entradas. - Optimiza para costos: Habilita el caché automático de prompts si estás utilizando modelos Anthropic compatibles. Ajusta el umbral de resumen en la configuración
truncationpara equilibrar la retención de contexto con el uso de tokens. - Experimenta con subagentes: Utiliza la herramienta
subagentpara dividir tareas complejas en unidades más pequeñas y manejables. Prueba el flujo de trabajo de delegación usando la CLI de AgentCore para entender cómo se comparte y mantiene el contexto. - Actualiza tus herramientas CLI: Instala o actualiza el paquete npm
@aws/agentcorepara acceder a las últimas funciones de la CLI. Utiliza los ejemplos proporcionados, como Refund Desk o Research Coordinator, para aprender a configurar hooks y flujos de trabajo multiagente. - Monitorea las decisiones de los hooks: Revisa el stream de respuesta de
InvokeHarnesspara buscar entradashookEventy auditar cuándo y por qué acciones específicas fueron denegadas o permitidas por tus hooks de ciclo de vida.



