← Semua pembelajaran / AWS untuk AI Engineer
Fase 5 · Agent, Tool Use & MCP

Amazon Bedrock AgentCore

AgentCore adalah jawaban AWS saat ini untuk menjalankan agent di produksi. Layanannya modular: pakai semuanya, atau ambil satu-dua saja.

Intisari

  • Bekerja dengan framework apa pun (Strands, LangGraph, CrewAI, LlamaIndex) dan model apa pun — termasuk di luar Bedrock.
  • Runtime: eksekusi serverless dengan isolasi sesi sungguhan dan cold start cepat.
  • Memory: memori jangka pendek untuk percakapan, jangka panjang yang bertahan lintas sesi.
  • Gateway: mengubah API, Lambda, dan layanan yang ada jadi tool MCP.
  • Harness: agent loop terkelola — satu panggilan API, orkestrasi dan eksekusi tool diurus AWS.

Kenapa ini ada

Membuat agent yang jalan di laptop itu mudah. Yang sulit adalah menjalankannya untuk banyak pengguna: isolasi antar sesi, memori yang bertahan, identitas dan izin, akses tool yang aman, serta pengamatan saat ia berperilaku aneh. AgentCore menyediakan potongan-potongan itu sebagai layanan terpisah yang bisa dipakai sendiri-sendiri.

LayananMenjawab
HarnessAgent loop terkelola: sebutkan model, system prompt, dan tool — AWS mengurus orkestrasi, eksekusi tool, dan memori. Tiap sesi jalan di microVM terisolasi dengan akses filesystem dan shell.
RuntimeDi mana kode agent-ku berjalan, dengan isolasi sesi dan skala otomatis?
MemoryBagaimana agent mengingat percakapan sebelumnya — dan apa yang boleh diingat?
GatewayBagaimana API dan Lambda-ku jadi tool yang bisa dipakai agent?
IdentitySebagai siapa agent bertindak, dan boleh apa?
ObservabilityApa yang sebenarnya dilakukan agent tadi?
Browser & Code InterpreterMenjelajah web dan menjalankan kode di lingkungan terisolasi

Poin arsitektural yang penting: AgentCore tidak memaksamu memilih framework. Ia bekerja dengan CrewAI, LangGraph, LlamaIndex, Strands, dan kode buatan sendiri, serta dengan model di dalam maupun di luar Bedrock. Ini berbeda dari Bedrock Agents Classic yang mengikat perilaku agent ke definisi milik AWS.

Runtime

Yang membedakannya dari sekadar menjalankan container biasa:

KemampuanKenapa penting untuk agent
Isolasi sesi sungguhanPercakapan satu pengguna tidak bisa bocor ke pengguna lain lewat state proses
Cold start cepatAgent interaktif tidak boleh menunggu beberapa detik hanya untuk mulai
Dukungan eksekusi panjangAgent asinkron bisa bekerja lebih lama dari batas Lambda
Identitas bawaanAgent bertindak sebagai principal tertentu, bukan sebagai "aplikasi" tanpa wajah
Protokol MCP dan A2ATool dan antar-agent memakai protokol terbuka

Memory

JenisIsiContoh
Jangka pendekKonteks percakapan berjalan"tadi kamu bilang bulan Maret"
Jangka panjangYang bertahan lintas sesiPreferensi bahasa, tim pengguna, ringkasan riwayat

Yang perlu diputuskan sadar-sadar: apa yang boleh diingat. Memori jangka panjang yang menyerap segalanya adalah masalah privasi yang menunggu terjadi — dan langsung bersinggungan dengan Domain 3. Perlakukan isi memori seperti data pribadi: ada retensi, ada penghapusan, ada audit.

Dibanding pendekatan lain

PendekatanKendaliBeban operasionalCocok untuk
Loop tool use sendiri (materi sebelumnya)PenuhKamu semuaBelajar, alur sederhana
Step FunctionsTinggi, deklaratifRendahAlur berlangkah dengan aturan tegas
AgentCore HarnessSedangSangat rendahAgent umum, ingin cepat jadi
Framework (Strands) + AgentCore RuntimeTinggiRendahAgent kustom yang perlu naik ke produksi
Bedrock Agents ClassicRendahRendahTidak untuk pelanggan baru — lihat materi terkait

Latihan: gambarkan agent asisten internalmu sebagai kumpulan layanan AgentCore: apa yang jalan di Runtime, apa yang disimpan di Memory (jangka pendek dan panjang), tool mana yang lewat Gateway, dan identitas apa yang dipakai. Tuliskan juga satu hal yang tidak boleh masuk memori jangka panjang, beserta alasannya.

Rangkuman ini sengaja dipangkas ke bagian yang dipakai di roadmap. Buka sumber aslinya saat kamu butuh detail lengkap atau referensi parameter.