top of page

Los agentes de Amazon Bedrock obtienen una arquitectura de referencia de Spring AI

hace 43 minutos
14 min de lectura

AWS publicó una arquitectura de referencia para agentes de Amazon Bedrock el 11 de noviembre, conectando aplicaciones Java con herramientas, memoria conversacional y despliegue gestionado. Sus ejemplos incorporan patrones de desarrollo de Spring conocidos en las aplicaciones de agentes. También mantienen una distinción importante: desplegar un agente no demuestra que sus decisiones sean fiables.

El lanzamiento responde a las necesidades de los equipos empresariales de Java que deciden cuánta infraestructura de software existente pueden conservar al adoptar agentes. Spring AI, un marco que conecta aplicaciones Spring con modelos de IA y servicios relacionados, proporciona la capa de aplicación. Amazon Bedrock AgentCore, los servicios de AWS para alojar y operar agentes, proporciona la infraestructura de soporte.

La tensión central contrapone la ingeniería de aplicaciones conocida con un comportamiento de decisión poco familiar. Un servicio puede responder correctamente a las solicitudes en el nivel de red mientras elige una acción inapropiada. AWS ofrece un punto de partida práctico para conectar esas capas, pero los compradores aún necesitan pruebas sobre resultados, permisos y recuperación.

Qué cambió para los agentes de Amazon Bedrock

AWS ha proporcionado una referencia de implementación, en lugar de anunciar un nuevo modelo de Bedrock o establecer la fiabilidad autónoma.

La arquitectura de agentes en Java abarca un asistente de viajes y un sistema de procesamiento de documentos. Los ejemplos conectan llamadas a herramientas, memoria conversacional, resiliencia y despliegue. Las llamadas a herramientas implican que el modelo solicita una función de aplicación, que ejecuta el software circundante.

El sistema documental utiliza reglas de enrutamiento y evaluación. La ejecución paralela de especialistas sigue siendo una extensión opcional, y su punto de acceso por lotes procesa documentos de forma secuencial. El servicio de barreras de protección de demostración también difiere de Bedrock Guardrails para producción. El rastreo distribuido y un ciclo de retroalimentación de evaluación automatizado requieren implementación adicional.

Estos límites importan porque los diagramas de arquitectura condensan distinciones que se vuelven relevantes durante la adquisición. Un diagrama puede mostrar una conexión con un servicio sin demostrar que cada despliegue lo configure. Un componente puede admitir una capacidad sin que el ejemplo ejerza esa capacidad en condiciones realistas.

Para los desarrolladores, la referencia reduce la incertidumbre sobre dónde debe ubicarse el código de aplicación. Para los responsables de ingeniería, ofrece algo concreto que inspeccionar antes de elegir un marco. Para los revisores de seguridad, expone preguntas que una demostración de chat pulida suele ocultar.

Una arquitectura de referencia tiene un papel probatorio distinto al de un informe de despliegue de un cliente. Explica un enfoque y proporciona material de implementación. No establece el rendimiento en los tipos de documentos, controles de acceso, condiciones operativas o excepciones de negocio de una organización.

Pensemos en un asistente interno que recupera información de viajes y propone un itinerario. Una respuesta convincente demuestra una interacción útil. No establece autorización para comprar billetes, modificar reservas o revelar las preferencias de otro empleado.

La misma distinción se aplica al procesamiento de documentos. Extraer correctamente un campo es diferente de aprobar una transacción basándose en ese campo. Los equipos de aplicaciones deben identificar dónde termina la interpretación y dónde comienza la acción con consecuencias.

Esto hace que esta publicación sea relevante más allá de la sintaxis de Java. Lleva la conversación hacia límites de aplicación que los equipos empresariales pueden revisar. La arquitectura ofrece a esos equipos un vocabulario inicial, mientras que sus propias cargas de trabajo deben aportar los criterios de aceptación.

El cambio inmediato es, por tanto, práctico y no universal. Los desarrolladores tienen otra vía concreta desde una interacción con un modelo hasta un servicio desplegado. Aún deben decidir qué decisiones merecen automatización, cuáles requieren confirmación y cuáles deben permanecer fuera de la autoridad del agente.

Tratar los ejemplos como puntos de partida inspeccionables aclara mejor su valor. Los equipos pueden examinar los límites individuales antes de aceptar la promesa más amplia de una operación autónoma.

Los equipos de Java pueden conservar su stack, pero asumen nuevas decisiones

La presión recae sobre los responsables de las aplicaciones, que deben traducir las demostraciones de agentes en servicios empresariales con rendición de cuentas.

El repositorio de ejemplos de agentes contiene backends de Java e interfaces de navegador independientes. Su despliegue documentado crea imágenes de contenedor ARM64, las almacena en Amazon Elastic Container Registry y aprovisiona AgentCore Runtime mediante Terraform.

Una imagen de contenedor empaqueta código de aplicación y dependencias para su ejecución. Terraform describe la infraestructura como configuración. Estas decisiones hacen que la ruta de despliegue resulte reconocible para los equipos que ya operan aplicaciones en la nube.

Sin embargo, los requisitos de configuración del repositorio difieren de partes de la guía del blog, incluidas las versiones de las herramientas de frontend e infraestructura. Los desarrolladores deben inspeccionar los requisitos que acompañan a la revisión seleccionada. Una lista de requisitos copiada no debe sustituir la revisión del software que realmente se va a desplegar.

El principal beneficio organizativo es la continuidad. Un equipo puede evaluar un agente mediante sus procesos existentes de revisión de código, aprobación de lanzamientos y responsabilidad operativa. Esto reduce la necesidad de introducir un proceso de desarrollo independiente solo porque participe un modelo.

La continuidad también crea un riesgo de falsa familiaridad. El comportamiento convencional de una aplicación suele seguir ramas explícitas escritas por desarrolladores. Un agente introduce acciones seleccionadas por el modelo dentro de esas ramas. Una infraestructura de despliegue conocida no hace que esas selecciones sean igual de predecibles.

Por tanto, un equipo de plataforma se enfrenta a una pregunta de revisión diferente. Comprobar si la aplicación se inicia es necesario, pero insuficiente. Los revisores también deben entender qué acciones puede solicitar el modelo y qué permite el código circundante.

Por ejemplo, un asistente para empleados podría tener acceso a un sistema de gastos. Consultar las reglas de reembolso y presentar una solicitud de gastos representan permisos distintos. Ofrecer ambas operaciones mediante la misma interfaz conversacional no debería borrar sus diferentes consecuencias.

Los responsables de producto afrontan una responsabilidad relacionada. Deben describir los resultados permitidos del servicio con suficiente precisión para que los ingenieros puedan probarlos. “Gestionar preguntas sobre gastos” deja más ambigüedad que identificar las solicitudes admitidas y los puntos de aprobación necesarios.

Los equipos de operaciones heredan otro límite. Un agente puede fallar por infraestructura no disponible, interpretación incorrecta, selección inapropiada de herramientas o una excepción de negocio sin resolver. Esos fallos requieren respuestas distintas, incluso cuando los usuarios los describen todos como una mala respuesta.

Los equipos de soporte también necesitan registros que expliquen qué ocurrió. Una respuesta final por sí sola podría ocultar una consulta fallida, una acción repetida o una escalación sin éxito. Las pruebas operativas útiles deben conectar la solicitud del usuario con el comportamiento resultante de la aplicación.

Para los equipos que documentan estas decisiones, una base de conocimientos con búsqueda puede mantener accesibles las suposiciones de diseño y las directrices operativas. Esa documentación respalda a revisores y responsables de mantenimiento; debe seguir siendo distinta de la memoria conversacional del agente.

La oportunidad arquitectónica consiste en preservar una responsabilidad establecida mientras se añade una nueva capa de decisión. El desafío de gestión es garantizar que alguien sea responsable explícitamente de esa capa. De lo contrario, el comportamiento del modelo puede quedar entre el desarrollo de aplicaciones, las operaciones de infraestructura y la política empresarial.

Esa cuestión de responsabilidad debe preceder a una autonomía más amplia. Ampliar el acceso antes de asignar responsabilidades dificulta diagnosticar y resolver incidentes posteriores.

Las llamadas a herramientas convierten a la aplicación en el límite de ejecución

El modelo puede proponer una acción, pero el código de aplicación debe determinar si esa acción es aceptable.

La documentación de llamadas a herramientas de Spring AI describe un ciclo en el que el modelo solicita funciones y el marco ejecuta las herramientas correspondientes. Los resultados regresan al modelo para su procesamiento posterior. La documentación distingue explícitamente este enfoque de otorgar al modelo acceso directo a las interfaces subyacentes de la aplicación.

Esta separación es la forma más útil de evaluar la arquitectura. La solicitud de un modelo representa una intención propuesta. La implementación alrededor de la herramienta determina si esa intención se convierte en una acción externa.

Imaginemos un hipotético asistente de viajes que gestiona una solicitud para organizar un itinerario. Consultar el clima es informativo. Reservar una habitación modifica un sistema externo. La diferencia debe reflejarse en el comportamiento de autorización y confirmación, aunque ambas herramientas parezcan similares para el modelo.

Un nombre descriptivo de herramienta no establece ese límite. Tampoco lo hace una instrucción que indique al modelo que tenga cuidado. La aplicación necesita controles que sigan siendo eficaces cuando el modelo malinterpreta una solicitud o recibe información engañosa.

La validación de entradas, que comprueba si los valores proporcionados cumplen los requisitos de la aplicación, aborda una parte de ese problema. Un destino debe existir, una fecha debe ser interpretable y una solicitud debe referirse a un recurso permitido. Estas comprobaciones deben realizarse antes de una ejecución con consecuencias.

La autorización aborda una cuestión distinta: si el usuario identificado puede realizar la operación solicitada. Los argumentos válidos aún pueden describir una acción no autorizada. Combinar estas comprobaciones en una noción vaga de “salida segura” dificulta identificar los fallos.

El diseño de herramientas también afecta a la recuperación. Normalmente, una consulta puede repetirse sin modificar el estado de negocio. Repetir un envío puede crear trabajo duplicado. La idempotencia, donde solicitudes equivalentes repetidas no producen efectos adicionales en el negocio, se vuelve importante cuando las acciones pueden reintentarse.

Esta es una implicación de ingeniería de la arquitectura, no una prueba de que cada herramienta de ejemplo implemente esas protecciones. Los equipos que adapten los ejemplos deben inspeccionar el comportamiento real de cada herramienta. Los efectos secundarios permitidos importan más que la etiqueta conversacional.

La misma disciplina se aplica cuando las herramientas devuelven información al modelo. Una respuesta puede contener registros incompletos, texto inesperado o un mensaje de error. Tratar cada respuesta como contexto fiable puede convertir un problema posterior en una recomendación incorrecta.

Los responsables de las aplicaciones deben decidir qué ve el agente cuando falla una herramienta. Un resultado de fallo claro da al modelo la oportunidad de explicar la incertidumbre. Un resultado vacío que parece un éxito puede fomentar una respuesta sin respaldo.

La interfaz también necesita una explicación honesta de la finalización. Que un modelo genere una respuesta fluida no establece que una operación solicitada haya tenido éxito. El éxito debe depender de pruebas del sistema responsable de la operación.

Aquí es donde resultan útiles los patrones de aplicación conocidos de la arquitectura. Los límites de servicio existentes pueden imponer permisos, validar registros y registrar resultados. El modelo puede operar dentro de esos límites sin convertirse en su autoridad.

La implementación más sólida preserva esa división incluso cuando la conversación se vuelve complicada. Añadir herramientas debe ampliar la capacidad útil y mantener las decisiones de ejecución inspeccionables y restringidas.

La memoria y el enrutamiento multiagente amplían la superficie de revisión

El contexto adicional y los roles especializados crean más comportamientos que validar, en lugar de aumentar automáticamente la corrección.

La memoria de conversación conserva información para interacciones posteriores. Esto puede hacer que un asistente sea útil durante una tarea continua, pero el contexto retenido plantea cuestiones sobre propiedad, precisión y eliminación.

Una preferencia recordada no debería convertirse silenciosamente en una autoridad permanente. Un empleado puede cambiar un destino, retirar una solicitud o corregir una afirmación anterior. Una aplicación necesita mecanismos para resolver esos cambios sin tratar todos los mensajes históricos como igualmente vigentes.

La memoria también necesita una relación clara con los registros almacenados en otros lugares. Una conversación puede describir una aprobación, mientras que el sistema empresarial no registra ninguna. El sistema responsable de la transacción debe seguir siendo la fuente autorizada.

La identidad hace que esta distinción sea especialmente relevante. La guía de seguridad en tiempo de ejecución de AWS indica que los backends deben aplicar asignaciones entre usuarios y sesiones. El aislamiento en tiempo de ejecución no demuestra que un identificador de sesión proporcionado pertenezca al usuario solicitante.

El aislamiento implica separar entornos de ejecución. La autorización consiste en decidir quién puede acceder a un recurso. Confundir estos conceptos deja una brecha entre la protección de la infraestructura y el acceso a la aplicación.

Un hipotético asistente de soporte ilustra el problema. Un entorno de ejecución puede permanecer aislado mientras la aplicación carga la conversación del cliente equivocado. Proteger el entorno no corrige una decisión incorrecta sobre qué historial recuperar.

El enrutamiento especializado introduce otro tipo de límite. Un enrutador elige qué ruta de procesamiento recibe una solicitud. Después, un especialista gestiona una tarea más acotada. Esta disposición puede aclarar las responsabilidades, pero la elección inicial de enrutamiento se convierte en otra decisión que requiere validación.

Considere un documento que combina un acuerdo con anexos financieros. Una etiqueta que sugiera contenido legal no demuestra que todas las preguntas relevantes sean jurídicas. La aplicación necesita una política para la ambigüedad, el material mixto y las solicitudes no admitidas.

Un evaluador añade otra distinción. Un evaluador basado en reglas verifica las salidas frente a condiciones configuradas. Un evaluador basado en modelos genera un juicio. Ambos pueden ser útiles, pero sus modos de fallo y su valor probatorio difieren.

Una regla puede detectar de forma consistente un campo ausente sin poder determinar si un campo completado es preciso. Un revisor basado en modelos puede identificar incoherencias mientras comparte supuestos con el modelo original. El acuerdo por sí solo no debe convertirse en prueba.

La comparación sectorial relevante es arquitectónica. Los patrones de diseño de agentes de Anthropic distinguen los flujos de trabajo predefinidos de los agentes que dirigen dinámicamente sus propios procesos. Sus recomendaciones favorecen enfoques simples y componibles, y añadir complejidad cuando la tarea lo requiere.

Esa perspectiva ofrece un contrapeso útil a considerar los agentes múltiples como un destino inevitable. Una ruta de procesamiento predecible puede ser más fácil de inspeccionar que un sistema que elige su propia secuencia. El comportamiento dinámico necesita una justificación específica para la carga de trabajo.

Para los equipos Java, la decisión debe seguir la incertidumbre de la tarea. Si una secuencia conocida gestiona el trabajo de forma fiable, la coordinación adicional necesita beneficios medibles. Las etiquetas de especialización por sí solas no aportan esos beneficios.

El procesamiento paralelo merece el mismo escrutinio. El trabajo independiente puede ejecutarse de forma simultánea, pero el trabajo dependiente sigue requiriendo orden. Combinar resultados también exige reglas para los desacuerdos, las salidas ausentes y los fallos parciales.

La cuestión práctica es si la coordinación añadida mejora los resultados aceptados después de considerar la revisión y la recuperación. Esa cuestión sigue siendo relevante con independencia del framework o servicio en la nube utilizado.

La resiliencia mantiene los servicios disponibles, no las decisiones correctas

Los mecanismos de recuperación abordan fallos operativos, mientras que la calidad de los resultados requiere evidencia independiente.

Un reintento repite una operación tras un fallo. Un interruptor de circuito detiene temporalmente las llamadas a una dependencia que está fallando. Un tiempo de espera limita cuánto espera una operación. Estos mecanismos ayudan a controlar el comportamiento del servicio, pero ninguno determina si una respuesta es precisa.

Una aplicación puede responder rápidamente con una recomendación incorrecta. También puede fallar de forma controlada mientras deja una operación empresarial parcialmente completada. Por tanto, la salud de la infraestructura y la finalización de la tarea necesitan definiciones independientes.

Para un hipotético asistente documental, una finalización satisfactoria podría requerir una extracción precisa, una decisión de enrutamiento adecuada y una disposición registrada. Recibir una respuesta sintácticamente válida demuestra solo una parte de esa cadena.

La salida estructurada, que sitúa la información generada en un formato predefinido, ayuda al código de la aplicación a consumir resultados. No demuestra que la información coincida con la fuente. Una fecha con el formato correcto aún puede ser la fecha equivocada.

La confianza exige una atención similar. Una puntuación que acompaña un resultado solo resulta útil cuando los equipos entienden qué predice en su propia carga de trabajo. Una puntuación alta no debería invalidar automáticamente la falta de evidencia o una restricción empresarial explícita.

La revisión humana también necesita sustancia operativa. Marcar un resultado es distinto de situarlo donde una persona responsable pueda evaluarlo. Un proceso de revisión necesita responsabilidad, evidencia relevante, una disposición y un efecto claro sobre las acciones posteriores.

Una alerta que nadie recibe no puede proporcionar supervisión significativa. Una alerta recibida tampoco es suficiente cuando el revisor no puede ver el material fuente ni corregir el resultado. Los equipos necesitan inspeccionar la transferencia completa.

Los controles de contenido abordan otra parte del problema. Bedrock Guardrails admite filtrado configurable para entradas y respuestas del modelo, incluido contenido no deseado e información sensible. Estos controles deben evaluarse frente al caso de uso de la aplicación, en vez de asumirse eficaces por el mero hecho de estar presentes.

El filtrado de contenido y la autorización de transacciones siguen siendo responsabilidades diferentes. Una solicitud educada y ordinaria aún puede buscar acceso a los registros de otra persona. Una respuesta puede cumplir las políticas de contenido mientras describe una acción empresarial que el usuario no puede autorizar.

Por tanto, la arquitectura exige evidencia en varios límites. Los equipos necesitan saber qué solicitó el usuario, qué propuso el modelo, qué permitió la aplicación y qué completó el sistema externo.

La observabilidad consiste en recopilar señales que ayudan a explicar el comportamiento del sistema. Las señales útiles respaldan la investigación, pero recopilarlas no crea por sí mismo una decisión de lanzamiento. Alguien todavía debe definir qué resultados justifican el despliegue.

La evaluación consiste en probar el comportamiento frente a criterios explícitos mediante tareas representativas. Para un agente empresarial, esto debe incluir solicitudes ordinarias, entradas ambiguas, dependencias no disponibles, solicitudes no autorizadas y correcciones del contexto anterior.

El propósito es revelar fallos antes de que los usuarios dependan del servicio. Una demostración optimizada en torno a interacciones exitosas no puede responder las mismas preguntas. Tampoco puede hacerlo un panel que muestra recuentos de solicitudes sin indicar si el trabajo fue aceptable.

La privacidad también forma parte de esta evaluación. Registrar conversaciones completas y resultados de herramientas puede crear una colección independiente de información sensible. Los equipos deben decidir qué evidencia necesitan y cómo funcionarán el acceso y la retención.

Para los agentes de Amazon Bedrock, el límite de lanzamiento debe seguir la tarea admitida. Un asistente interno de investigación y una aplicación que modifica registros financieros justifican criterios de aceptación diferentes. Compartir un framework no hace intercambiables sus riesgos operativos.

Este es el significado práctico de la preparación para producción en este caso: comportamiento definido, límites aplicados, resultados medibles y recuperación viable para el servicio concreto ofrecido.

Qué observar antes de ampliar la autonomía

La próxima evidencia útil conectará la arquitectura con resultados empresariales repetibles en condiciones operativas realistas.

La primera señal que debe observarse en los próximos meses es la evidencia de evaluación específica para la carga de trabajo. Los equipos deben buscar tareas documentadas, criterios de aceptación claros y resultados vinculados a versiones identificables de la aplicación.

La evidencia más informativa incluiría casos fallidos y las correcciones resultantes. Esto reforzaría la confianza en que los desarrolladores comprenden los límites del sistema. Una lista de funcionalidades más amplia sin evidencia de resultados dejaría sin resolver la incertidumbre central.

La evaluación también debe distinguir entre automatización exitosa y trabajo completado mediante rescate humano. La revisión puede ser una elección de diseño adecuada. Sin embargo, ocultar su contribución dificulta evaluar el rendimiento autónomo.

La segunda señal es un límite de identidad completo y probado. La evidencia de implementación útil conectaría a los usuarios autenticados con las sesiones permitidas, el acceso a memoria y la ejecución de herramientas.

Una prueba negativa importa aquí tanto como una conversación exitosa. Demostrar que un usuario no puede recuperar el historial de otro reforzaría el argumento para el despliegue. Confiar en valores de identidad proporcionados por el cliente lo debilitaría.

El mismo escrutinio debe aplicarse a los permisos de las herramientas. Un asistente con alcance limitado ofrece una afirmación operativa más clara que un asistente con acceso amplio y salvaguardas imprecisas. La expansión debe seguir a la evidencia de que el servicio más acotado se comporta según lo previsto.

La tercera señal es una recuperación demostrada ante fallos parciales. Los equipos deben buscar un comportamiento controlado cuando una dependencia falla después de que se inicia una acción, se interrumpe una respuesta o resulta necesaria una revisión.

La evidencia útil mostraría si las operaciones se repiten, cómo se identifica el trabajo incompleto y quién puede resolverlo. Una recuperación satisfactoria reforzaría la confianza en el diseño operativo. Un simple mensaje alternativo dejaría incierta la finalización.

Estas señales no requieren que todos los agentes se conviertan en trabajadores autónomos de propósito general. Una aplicación acotada puede ofrecer resultados útiles mientras conserva puntos de aprobación explícitos. La medida relevante es si completa su trabajo admitido dentro de su autoridad declarada.

AWS ha proporcionado a los equipos Java una arquitectura concreta para examinar. Su relevancia a largo plazo dependerá de lo que los equipos puedan validar tras adaptarla. Los patrones de desarrollo conocidos facilitan la organización de la adopción; la evidencia sobre el comportamiento facilita justificarla.

Antes de adoptar la referencia, elija una tarea acotada y deje por escrito qué significa completarla con éxito. Identifique los registros que el agente puede leer, las operaciones que puede solicitar y las decisiones que requieren aprobación. Después, evalúe la implementación frente a trabajo representativo, incluidos los casos de fallo y denegación de acceso. Conserve esos hallazgos junto con las decisiones de diseño de la aplicación para que los cambios futuros tengan un punto de comparación claro. Amplíe el alcance solo cuando la evidencia respalde el siguiente permiso o flujo de trabajo. Para los agentes de Amazon Bedrock, la pregunta inicial útil es concreta: ¿qué tarea puede verificar su equipo desde la solicitud inicial hasta el resultado empresarial final, incluidos los momentos en que el agente debe detenerse?

 
 

Empieza gratis

Un asistente de IA local-first con gestión del conocimiento personal

Para ofrecer una mejor experiencia con la IA,

actualmente remio solo es compatible con Windows 10+ (x64) y M-Chip Macs.

Tu aliado de IA para el trabajo
Haz más con remio

Planifica. Crea. Entrega.
Todo en un solo lugar.

bottom of page