Fase 5 · Agent, Tool Use & MCP

Bedrock Flows

Flows menyambungkan node prompt, model, knowledge base, dan layanan AWS lewat pembangun visual. Berguna untuk alur yang bentuknya sudah jelas dan tidak perlu penalaran bebas.

Sumber asli docs.aws.amazon.com Resmi Rangkuman ~5 menit baca

Intisari

Alur dibangun dari node yang saling terhubung: prompt, knowledge base, Lambda, kondisi.
Bisa dibangun lewat pembangun visual — cocok untuk kolaborasi dengan yang bukan engineer.
Alur di-deploy sebagai versi yang tidak bisa diubah, jadi produksi tidak berubah diam-diam.
Harganya mengikuti resource yang dipakai — memanggil node prompt berarti dibayar biaya model itu.
Bedakan dari agent: flow punya jalur yang kamu tentukan; agent memutuskan sendiri langkahnya.

Flow, agent, atau Step Functions?

	Bedrock Flows	Agent	Step Functions
Siapa menentukan urutan	Kamu, secara visual	Model	Kamu, dalam JSON
Bisa diprediksi	Tinggi	Rendah	Tinggi
Retry & error handling	Terbatas	Tergantung framework	Sangat lengkap
Cocok untuk	Alur GenAI yang bentuknya jelas	Tugas terbuka	Alur produksi berlangkah banyak
Kolaborasi non-engineer	Paling mudah	Sulit	Sulit

Contoh alur

Contoh dari dokumentasi resminya, disederhanakan: mengirim undangan rapat.

Input  ──▶ Node Prompt        (susun isi email dari permintaan bebas)
       ──▶ Node Knowledge Base (cari alamat email anggota tim)
       ──▶ Node Lambda         (kirim undangan)
       ──▶ Output

Perhatikan bahwa tidak ada keputusan bebas di sini. Urutannya tetap, dan itulah kekuatannya: alur seperti ini tidak perlu — dan tidak boleh — bergantung pada model untuk memutuskan langkah berikutnya.

Jenis node

Node	Fungsinya
Prompt	Memanggil model dengan template; bisa memakai prompt dari Prompt Management
Knowledge base	Retrieval dari knowledge base Fase 4
Lambda	Kode apa pun: pemanggilan API, transformasi, validasi
Condition	Percabangan berdasarkan nilai
Iterator / Collector	Memproses daftar item satu per satu
Input / Output	Titik masuk dan keluar alur

Memanggil dari kode

agen = boto3.client("bedrock-agent-runtime")

resp = agen.invoke_flow(
    flowIdentifier=FLOW_ID,
    flowAliasIdentifier=FLOW_ALIAS,      # alias menunjuk versi tertentu
    inputs=[{
        "nodeName": "FlowInputNode",
        "nodeOutputName": "document",
        "content": {"document": "Undang tim dokumentasi rapat Selasa jam 14.00"},
    }],
)

for peristiwa in resp["responseStream"]:
    if "flowOutputEvent" in peristiwa:
        print(peristiwa["flowOutputEvent"]["content"]["document"])

Versi dan alias adalah fitur, bukan formalitas. Alur yang di-deploy bersifat tidak bisa diubah, dan aplikasimu menunjuk alias. Artinya kamu bisa menyiapkan versi baru, mengujinya, lalu memindahkan alias — dan mengembalikannya seketika kalau ada masalah. Ini pola rilis yang sama dengan alias Lambda.

Biaya

Flows tidak punya tarif tersendiri untuk orkestrasinya: kamu membayar resource yang dipakai. Node prompt yang memanggil model ditagih sebagai pemanggilan model itu, node Lambda ditagih sebagai Lambda, node knowledge base ditagih sebagai retrieval. Jadi mengoptimalkan alur berarti mengoptimalkan node-nya — terutama mana yang memanggil model besar padahal model kecil cukup.

Kapan memilih Flows

Situasi	Flows cocok?
Alur GenAI yang urutannya tetap	Ya
Perlu dilihat dan diubah oleh non-engineer	Ya
Butuh retry canggih, callback manusia, eksekusi berhari-hari	Tidak — Step Functions
Tugas terbuka yang langkahnya tidak bisa ditebak	Tidak — agent
Seluruh logikanya sudah ada di kode dan diuji	Tidak — biarkan di kode

Latihan: bangun satu flow tiga node: input → knowledge base → prompt yang merangkum hasilnya dalam bahasa Indonesia. Terbitkan sebagai versi 1, buat alias prod, panggil dari Python. Lalu ubah prompt-nya, terbitkan versi 2, dan pindahkan alias — tanpa menyentuh kode pemanggil.

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