Agents IA

Amazon Bedrock AgentCore intègre le framework Strands et des hooks de cycle de vie

AWS met à jour AgentCore avec les paramètres par défaut de Strands, des outils intégrés pour la planification et la récupération d'informations, ainsi que des hooks de cycle de vie déterministes pour une exécution plus sûre des agents.

Un cube en verre avec des circuits lumineux et des engrenages sur un bureau avec des notes et une tablette
Illustration générée pour cet article

Traduit automatiquement depuis l'original anglais.

Amazon Web Services a amélioré son framework Amazon Bedrock AgentCore en y intégrant le framework open source Strands. Publiée le 19 novembre 2026, cette mise à jour introduit des valeurs par défaut gérées pour la sélection des modèles et la gestion du contexte, de nouveaux outils intégrés pour la délégation de tâches, ainsi que des hooks de cycle de vie permettant aux développeurs d'imposer des vérifications déterministes lors de l'exécution des agents.

Ce qui s'est passé

Le changement principal consiste à fusionner les capacités de Strands, un framework d'agents open source publié plus tôt dans l'année sous licence Apache 2.0, au sein du service managé AWS. Cette intégration signifie que les agents utilisant AgentCore ne nécessitent plus que les développeurs assemblent manuellement l'infrastructure sous-jacente pour la mise à l'échelle des sessions, l'exécution des outils ou le provisionnement des ressources de calcul. Le service fournit désormais une base d'agent prête pour la production, fonctionnant dans des microVM isolées au niveau du noyau et sécurisées au sein du runtime AgentCore.

Cette mise à niveau est automatique pour les frameworks existants et nouveaux. Les développeurs qui comptent sur les valeurs par défaut gérées bénéficieront immédiatement de modèles recommandés mis à jour, d'invites système orientées tâches et de stratégies proactives de gestion du contexte. Ceux qui ont explicitement configuré des modèles, des invites ou des jeux d'outils spécifiques ne constateront aucun changement dans leur comportement actuel, garantissant ainsi la compatibilité ascendante tout en offrant des capacités améliorées à ceux qui choisissent d'adopter les nouvelles valeurs par défaut.

Comment cela fonctionne

Le framework mis à jour fonctionne en connectant la base Strands à divers services AWS requis pour les agents de production, notamment la persistance des sessions, l'observabilité et la gestion des identités. Une amélioration technique clé est l'introduction de la mise en cache automatique des invites pour les modèles Anthropic pris en charge via l'API Converse. Ce mécanisme met en cache les invites système, les définitions d'outils et l'historique des conversations, permettant aux appels répétés d'utiliser des jetons de lecture du cache moins coûteux. De plus, le framework utilise une gestion proactive du contexte en résumant les tours de conversation anciens une fois qu'un seuil configurable est atteint, ce qui réduit selon les rapports les coûts en jetons d'environ 34 % par rapport aux autres principaux frameworks.

Pour gérer les tâches complexes, le framework inclut plusieurs outils intégrés. L'outil todo_write maintient un plan de tâche structuré entre les invocations, tandis que l'outil subagent délègue des tâches autonomes à des travailleurs internes sans créer de ressources managées séparées. Le déchargement du contexte permet de déplacer les grands résultats d'outils hors du contexte immédiat du modèle, ne fournissant qu'un aperçu à l'agent jusqu'à ce que la récupération complète soit nécessaire. Ces mécanismes aident à gérer les limites de la fenêtre de contexte et à améliorer l'efficacité lors des sessions longues.

Détails clés

  • Hooks de cycle de vie : Les développeurs peuvent attacher des fonctions AWS Lambda à quatre événements spécifiques : before_invocation, before_tool_call, after_tool_call et after_invocation. Ces hooks s'exécutent de manière synchrone et peuvent autoriser ou refuser des actions, permettant une gouvernance déterministe sur le comportement non déterministe de l'IA.
  • Outils intégrés : Les nouveaux outils par défaut incluent web_fetch pour le contexte externe, un accès granulaire au système de fichiers (read, write, edit) et subagent pour la délégation de tâches. Les outils sont accessibles via la configuration allowedTools.
  • Gestion du contexte : Le framework résume automatiquement les messages anciens tout en préservant le contexte récent. Il prend également en charge le déchargement du contexte pour réduire l'utilisation immédiate de la mémoire sans perdre l'accès aux données.
  • Efficacité des coûts : La mise en cache automatique des invites et la récapitulation proactive contribuent à une réduction rapportée de 34 % du coût des jetons par rapport aux autres frameworks, principalement en réduisant la latence de traitement des entrées et en réutilisant les jetons mis en cache.
  • Sécurité et isolation : Chaque session s'exécute dans une microVM sécurisée et isolée au niveau du noyau. Les hooks s'appliquent également aux sous-agents, garantissant que les tâches déléguées ne peuvent pas contourner des politiques telles que les limites de remboursement.
  • Prise en charge CLI : L'interface en ligne de commande (CLI) AgentCore permet aux utilisateurs de créer et d'invoquer des frameworks directement. Un exemple "Research Coordinator" démontre l'orchestration multi-agents utilisant des sous-agents pour la recherche, la synthèse et la revue.

Pourquoi c'est important

Pour les ingénieurs logiciels développant des agents IA, le défi principal a souvent été de combler le fossé entre les sorties probabilistes des modèles et la logique métier déterministe. L'introduction des hooks de cycle de vie répond à cela en permettant aux développeurs d'insérer des vérifications codées en dur à des points critiques de la boucle de l'agent. Par exemple, un agent de support client peut être empêché d'émettre des remboursements supérieurs à un certain seuil par une fonction Lambda qui évalue la demande avant l'exécution. Cela transforme les agents IA de boîtes noires imprévisibles en flux de travail gouvernés alignés sur les normes de sécurité des entreprises.

De plus, les valeurs par défaut gérées réduisent la charge opérationnelle liée à la maintenance de l'infrastructure des agents. En gérant automatiquement la mise à l'échelle des sessions, le provisionnement des ressources de calcul et la gestion du contexte, AWS permet aux équipes de se concentrer sur la logique des agents plutôt que sur le câblage de l'infrastructure. La capacité de déléguer des tâches à des sous-agents et de décharger le contexte signifie également que les agents peuvent gérer des flux de travail plus complexes et multi-étapes sans atteindre les limites de la fenêtre de contexte ni encourir de coûts excessifs en jetons. Cela rend possible le déploiement d'agents sophistiqués dans des environnements de production où la fiabilité et le contrôle des coûts sont primordiaux.

Ce que vous pouvez faire

  • Examiner votre configuration de framework : Si vous comptez sur les valeurs par défaut gérées, testez vos agents pour vous assurer qu'ils se comportent comme prévu avec les nouvelles invites et outils basés sur Strands. Configurez explicitement allowedTools si vous devez restreindre les capacités.
  • Implémenter des hooks de cycle de vie : Identifiez les actions à haut risque dans vos flux de travail d'agents, tels que les écritures en base de données ou les transactions financières, et attachez des fonctions Lambda à l'événement before_tool_call pour valider les entrées.
  • Optimiser les coûts : Activez la mise en cache automatique des invites si vous utilisez des modèles Anthropic pris en charge. Ajustez le seuil de récapitulation dans la configuration truncation pour équilibrer la rétention du contexte et l'utilisation des jetons.
  • Expérimenter avec les sous-agents : Utilisez l'outil subagent pour décomposer les tâches complexes en unités plus petites et gérables. Testez le flux de travail de délégation en utilisant le CLI AgentCore pour comprendre comment le contexte est partagé et maintenu.
  • Mettre à jour vos outils CLI : Installez ou mettez à jour le package npm @aws/agentcore pour accéder aux dernières fonctionnalités du CLI. Utilisez les exemples fournis, tels que Refund Desk ou Research Coordinator, pour apprendre à configurer les hooks et les flux de travail multi-agents.
  • Surveiller les décisions des hooks : Vérifiez le flux de réponse InvokeHarness pour les entrées hookEvent afin d'auditer quand et pourquoi des actions spécifiques ont été refusées ou autorisées par vos hooks de cycle de vie.
  • #aws
  • #ai-agents
  • #bedrock
  • #machine-learning
  • #cloud-computing

Outils de la Boutique Bytechap

Continuer la lecture

Tous les articles