Agentes de IA

Agentes de AWS construyen y ahora mantienen un emulador de nube pública

AWS lanzó un emulador de código abierto para sus servicios en la nube, generado íntegramente y mantenido por agentes de programación autónomos, sin ninguna línea de código escrita por humanos.

Brazos robóticos ensamblando un rack de servidores de vidrio
Ilustración generada para este artículo

Traducido automáticamente del original en inglés.

Amazon Web Services lanzó AWS Emulator el 11 de noviembre de 2026, una herramienta de pruebas local para su plataforma en la nube. El proyecto destaca no solo por su utilidad, sino porque el código fue escrito y se mantiene continuamente mediante agentes de software autónomos en lugar de ingenieros humanos.

Qué ocurrió

El emulador permite a los desarrolladores y otros agentes de IA probar aplicaciones contra los servicios de AWS localmente, sin necesidad de credenciales activas ni acceso a la red. Aunque herramientas similares como LocalStack han existido durante años, AWS identificó un problema persistente: los emuladores suelen desincronizarse con el entorno real de la nube, lo que genera desconfianza entre los usuarios e incluso dentro de los equipos internos. Para resolver esto, AWS aprovechó su propia herramienta de programación agéntica, Kiro, para crear una solución capaz de mantenerse automáticamente al día con los cambios en las API.

El proyecto comenzó como un experimento de Matt Goldberg, ingeniero principal sénior del equipo de Herramientas para Desarrolladores de AWS. Inspirado por trabajos anteriores donde agentes crearon un compilador de C, Goldberg encargó a Kiro la creación de un emulador para Amazon Simple Queue Service (SQS). El agente produjo una versión funcional en quince minutos. Animados por esta velocidad, el equipo amplió el alcance, haciendo que el agente desarrollara soporte para el resto de AWS durante un solo fin de semana. Aunque esa versión inicial tenía lagunas, era suficientemente funcional para pruebas internas para el lunes siguiente.

AWS ha publicado el emulador bajo la licencia Creative Commons Zero, colocándolo en el dominio público. Esta decisión surge de la incertidumbre legal respecto a la propiedad intelectual del código generado íntegramente por inteligencia artificial. Al renunciar a los derechos de autor, AWS evita reclamar derechos que podrían no existir legalmente. La empresa también declaró que no aceptará solicitudes de extracción (pull requests) humanas para la base de código, ya que el flujo de trabajo de mantenimiento está diseñado exclusivamente para agentes autónomos.

Cómo funciona

El sistema depende de tres equipos distintos de agentes que trabajan en bucle. El primer equipo analiza modelos Smithy públicos, que AWS utiliza para definir sus API, y genera escenarios de prueba. Estos escenarios se ejecutan contra servicios reales de AWS para establecer la verdad fundamental sobre cómo debe comportarse cada API. Este paso garantiza que, si la documentación es inexacta, el comportamiento real de la nube sirva como punto de referencia.

El segundo equipo ejecuta estos mismos escenarios contra el código del emulador. Identifica discrepancias entre la salida del emulador y la respuesta real de AWS. Cuando ocurren fallos, este equipo los agrupa por causas comunes y registra incidencias en el repositorio. El tercer equipo aborda entonces estas incidencias modificando el código. Antes de fusionar cualquier cambio, deben pasar compilaciones automatizadas, pruebas y revisiones de seguridad realizadas por otros agentes.

Los ingenieros humanos no escriben ni editan el código del emulador. En su lugar, se centran en mejorar el sistema de orquestación de agentes. Si aparece un error en el emulador, el equipo rastrea hasta encontrar una falla en las instrucciones o la lógica del agente y corrige al propio agente. Por ejemplo, versiones iniciales de los agentes intentaron escribir su propio intérprete de Python para soportar funciones Lambda, un esfuerzo redundante que los humanos corrigieron actualizando las restricciones de los agentes para reutilizar bibliotecas existentes.

Detalles clave

  • El emulador admite 438 modelos de API públicos de AWS que cubren más de 200 servicios.
  • Está escrito en Rust y se ejecuta localmente en Linux, macOS y Windows sin conexión a internet.
  • No se realizan llamadas a modelos de lenguaje grandes durante la ejecución del emulador; es un binario estático.
  • AWS espera que la brecha entre el lanzamiento de un nuevo servicio y el soporte del emulador se reduzca a días.
  • El proyecto no acepta solicitudes de extracción humanas; las contribuciones se limitan a reportar incidencias.
  • AWS publica la suite de benchmarks utilizada para probar el emulador para que los usuarios puedan verificar su precisión de forma independiente.

Por qué importa

Para los creadores de software, este proyecto demuestra un flujo de trabajo maduro para la generación autónoma de código. Va más allá de la simple finalización de código hacia la gestión completa del ciclo de vida, incluyendo pruebas, depuración y mantenimiento. La naturaleza acotada del problema—emular modelos de API definidos—lo convirtió en un caso de prueba ideal para sistemas agénticos. Muestra que los agentes pueden manejar interacciones complejas multi-servicio cuando son guiados por fuentes claras de verdad y bucles de validación rigurosos.

La decisión de rechazar solicitudes de extracción humanas resalta un cambio en cómo podrían operar los proyectos de código abierto en un futuro nativo de IA. Al tratar a la flota de agentes como el único mantenedor, AWS asegura que el código permanezca consistente con su lógica de generación. Este enfoque reduce el riesgo de inconsistencias introducidas por humanos, pero requiere herramientas robustas para gestionar a los propios agentes. También plantea preguntas prácticas sobre los modelos de contribución comunitaria cuando los autores principales no son humanos.

Además, el emulador proporciona un entorno más seguro para probar agentes de IA que necesitan interactuar con AWS. Los desarrolladores pueden permitir que sus propios agentes de código prueben contra el emulador sin exponer credenciales activas de AWS. Esta capacidad de sandboxing aborda preocupaciones significativas de seguridad que han obstaculizado la adopción de herramientas autónomas en entornos de producción.

Qué puedes hacer

  • Descarga AWS Emulator desde su repositorio público para probar flujos de trabajo de desarrollo local.
  • Ejecuta la suite de benchmarks publicada para verificar la precisión del emulador para tus casos de uso específicos.
  • Reporta incidencias o comportamientos de API faltantes a través del rastreador de incidencias del proyecto en lugar de enviar parches de código.
  • Usa el emulador para aislar (sandbox) tus propios agentes de IA antes de otorgarles acceso a cuentas activas de AWS.
  • Estudia los patrones de orquestación de agentes descritos por AWS para mejorar tus propias tuberías de programación agéntica.
  • Monitorea la evolución del proyecto para ver qué tan rápido se adapta a nuevos lanzamientos de servicios de AWS.
  • #aws
  • #ai agents
  • #open source
  • #devtools
  • #automation

Herramientas de la Tienda de Bytechap

$79

WorkBento

Suite de RR. HH. y gestión del entorno laboral impulsada por IA que puedes alojar tú mismo.

Demo en vivo

Seguir leyendo

Todos los artículos