Új AI Agent ökoszisztéma az AWS-től: AWS Bedrock AgentCore

Dübörög az AI-forradalom! Szinte minden hónapban hallunk újabb bejelentésekről, friss partnerségekről és együttműködésekről, amelyek az AI-fejlesztés új korszakát jelzik. A nagy felhős szolgáltatók, köztük az AWS, folyamatosan azon dolgoznak, hogy egyszerűbbé és skálázhatóbbá tegyék az AI-integrációt mind a fejlesztők, mind a vállalatok számára.

A 2025-ös New York-i AWS Summit egyik legnagyobb bejelentése a Bedrock AgentCore szolgáltatáscsomag volt, amely jelenleg Preview státuszban érhető el a us-east-1, us-west-2, ap-southeast-2 és eu-central-1 régiókban. A bejelentést követően a PartnerEquip virtuális rendezvényen szintén ez a téma kapott fontos szerepet – nem véletlenül, hiszen az AgentCore egy olyan ökoszisztémát épít, amely könnyebbé teszi az AI-agentek világát.

De mi is pontosan az a Bedrock AgentCore?

Ha pár évvel ezelőtt azt mondtuk, „AI”, akkor jellemzően egy nagy, általános nyelvi modellre gondoltunk, ami képes szöveget generálni, válaszolni kérdésekre, vagy esetleg kódot írni. Mostanra azonban az AI ökoszisztéma sokkal specializáltabb lett. AI-agentek jelentek meg, amelyek egy adott feladatra, egy adott munkafolyamatra optimalizáltak, és nemcsak kérdés-válaszra képesek, hanem külső szolgáltatásokhoz kapcsolódni és használni azokat.

Az AgentCore tulajdonképpen az AWS válasza arra, hogyan lehet az ilyen agenteket nemcsak gyorsan fejleszteni, hanem vállalati szinten biztonságosan üzemeltetni és skálázni. Ehhez jön a képbe a Strands Agents SDK, amely egy nyílt forráskódú fejlesztői csomag az AWS-től, az AI-agentek gyors elkészítéséhez és integrációjához. És hogy ne csak bezárt homokozóban játsszunk, az AgentCore natívan támogatja az MCP (Model Context Protocol) és A2A (Agent-to-Agent) protokollokat is, amik megkönnyítik az integrációt más rendszerekkel, illetve a többi agentek közötti együttműködést.

Az AI-agentek kihívásai vállalati környezetben

Mindenki imádja a gyors PoC-okat. Egy fejlesztői csapat pár nap alatt összerak egy AI-demo-t, ami lenyűgözi a vezetőséget. A gond ott kezdődik, amikor ezt a kis prototípust production-ready rendszerré kell varázsolni.

Az AI-agentek üzemeltetése és skálázása messze nem csak egy LLM futtatásáról szól. A valós üzleti környezetben a következő problémákkal találkozunk:

• Biztonság és identitáskezelés: Hogyan biztosítod, hogy egy agent csak azokhoz az API-khoz férjen hozzá, amelyekhez engedélye van? Hogyan kezelsz OAuth tokeneket, kulcsokat, felhasználói jogokat?
• Megbízható memória és állapotkezelés: Egy agent hatékony működéséhez tudnia kell „emlékezni” a kontextusra. De mi történik, ha hosszú beszélgetésekről, komplex munkafolyamatokról van szó?
• Megfigyelhetőség és hibaanalízis: Egy agent sokszor feketedoboz-szerűen viselkedik. Ha hiba történik, honnan tudod, mi ment félre?
• Integráció más rendszerekkel: CRM-ek, ERP-k, adatbázisok, API-k – a valós vállalati világ integrációs pontok sokaságát jelenti.

A Bedrock AgentCore éppen ezeket a kihívásokat célozza meg, moduláris és skálázható építőkockákkal, hogy a fejlesztőknek ne kelljen minden problémát a nulláról megoldaniuk és az agent fejlesztésére tudjanak koncentrálni.

Bedrock AgentCore fő komponensei

A Bedrock AgentCore egy moduláris szolgáltatás csomag, amely lehetővé teszi, hogy a fejlesztők és üzemeltetők rugalmasan állítsák össze az AI-agentekhez szükséges funkciókat. Nem egy „dobozos” megoldásról van szó, hanem egy szolgáltatás családról, ahol minden komponens egy-egy valós problémát céloz meg.

Bővebben a főbb modulokról:

• Runtime: Ez a motorja az agenteknek. Szerver nélküli, konténerizált környezet, ami gyors indulást és dinamikus skálázást biztosít. A 8 órás session támogatás nem véletlenül kiemelt: így az agent képes tartósabb, állapottartó folyamatokat kezelni, például bonyolult workflow-kat, vagy több lépéses ügyfélkapcsolati interakciókat.
• Memory: Az agentek „memóriája” két szintet fed le.
  • Rövidtávú memória: egy beszélgetés nyers kontextusát tárolja.
  • Hosszútávú memória: különböző session-önkön keresztül képes összeszedni és megjegyezni az információkat az agent-ekből és dinamikusan előhívni azokat. A Bedrock Memory modul ezt úgy biztosítja, hogy a memória akár titkosított adatbázisban, akár más AWS-adatforrásokban (pl. DynamoDB) tárolódjon.
• Identity: Az identitáskezelés nem csak a belépési jogokról szól, hanem arról is, hogy az agent a felhasználói környezetben biztonságosan azonosítható legyen. Integráció van az AWS IAM-mel, valamint külső OAuth-provider szolgáltatásokkal (pl. Slack, Google Workspace), így könnyen illeszthető meglévő vállalati auth-rendszerekhez.
• Gateway (MCP): Ez egyfajta MCP szerver, amely minden belső és külső API-t agent-barát eszközzé alakít. Így a fejlesztő nem kézzel írja az integrációs kódokat, hanem szabványos MCP-eszközt hoz létre, amelyhez az agent dinamikusan csatlakozik. A Gateway képes Lambda függvényeket és OpenAPI kompatibilis API-kat kezelni.
• Observability: A CloudWatch és OpenTelemetry integrációk révén valós idejű monitorozás és trace-elés lehetséges. Képzelj el egy „digitális térképet” arról, mit csinál épp az agented, milyen API-kat hívott meg, és milyen válaszokat kapott. Ez a hibaelhárítást és teljesítményoptimalizálást nagyban tudja segíteni.

Strands Agents SDK

A Strands Agents SDK tulajdonképpen az „első lépés” az AWS AI-agent ökoszisztémájában. Ha valaha gondolkodtál azon, hogy gyorsan és hatékonyan építs AWS platformra AI-alapú prototípusokat, akkor a Strands SDK lesz az új kedvenc fejlesztői eszközöd.

Miért érdemes ezzel kezdeni?

Először is, a Strands SDK Python és TypeScript környezetben is támogatott, így a legtöbb modern fejlesztői csapat azonnal otthonosan mozoghat benne. A kódstruktúra egyszerű, és a dokumentáció kifejezetten arra fókuszál, hogy az első „Hello World” agent felépítése ne legyen hosszabb egy délutánnál.

Másodszor, az SDK szoros integrációban áll az AgentCore-ral. Ami azt jelenti, hogy a Strands-ben elkészített agent-prototípus már eleve production-ready komponensekkel dolgozik. Nem kell azon törni a fejed, hogy a PoC során írt kódot hogyan konvertálod éles rendszerbe – a Strands és az AgentCore között nincs ilyen törésvonal.

Harmadszor, az SDK beépített MCP- és A2A-kompatibilitással rendelkezik. Ez óriási előny, ha például különböző mikro-szolgáltatásokat vagy több agentből álló architektúrát tervezel. Az SDK automatikusan előkészíti a szükséges interfészeket, és egyszerűvé teszi a külső API-khoz való kapcsolódást is.

A Strands SDK-val tehát nem csupán prototípust építesz, hanem egy olyan alapot, amely képes nagyvállalati szinten is megállni a helyét. A gyors iteráció, az újrafelhasználható komponensek és a nyílt protokollok támogatása miatt ideális választás mind startupok, mind nagyobb szervezetek számára.

MCP és A2A protokollok szerepe

A nyílt protokollok nélkül az AI-agentek csak „beszélő dobozok” maradnának. Az MCP és az A2A a Bedrock AgentCore valódi titkos fegyverei, mert ezek adják a kommunikációs infrastruktúra gerincét.

• MCP (Model Context Protocol): Az MCP lényegében egy szabványos kommunikációs réteg, amely hidat képez a modellek és az üzleti logika között. Az MCP az API-kat és az adatforrásokat egy absztrakciós réteggé alakítja, így az agentek egyszerűen hívhatják őket. Ez azért fontos, mert sok szervezetben tucatnyi belső és külső API működik, és ezek összekapcsolása eddig időigényes és törékeny folyamat volt. Az MCP nemcsak a technikai integrációt könnyíti meg, hanem szabványosítja az adatok kezelését és a kontextus átadását is, így az agentek mindig a legfrissebb és legrelevánsabb információkkal dolgoznak.
• A2A (Agent-to-Agent): A modern AI-rendszerek gyakran nem egyetlen agentből állnak. Az A2A protokoll azt teszi lehetővé, hogy több agent összehangoltan dolgozzon egy összetett feladaton. Például egy ügyfélszolgálati agent és egy pénzügyi ellenőrző agent valós időben cserélhet adatokat, anélkül hogy a fejlesztőknek egyedi, kézzel írt interfészeket kellene építeniük. Az A2A ereje a workflow-orientált együttműködésben rejlik: az agentek képesek feladatláncolásra (chaining), ahol az egyik kimenete automatikusan a másik bemenetévé válik, így bonyolult üzleti folyamatok is automatizálhatók.

Az MCP és A2A együttesen olyan, mintha közös nyelvet adnánk minden AI-agentnek, hogy ne csak beszélgessenek a felhasználóval, hanem valódi kollaborációt folytassanak más rendszerekkel és egymással is.

AWS Marketplace és az AI-agentek új dimenziója

Az AWS az AI-agent ökoszisztémát nem csupán fejlesztői eszközökkel és infrastruktúrával támogatja, hanem egyre inkább piaci platformként is pozicionálja. Az AWS Marketplace már nem csak klasszikus szoftvermegoldásokat kínál, hanem dedikált AI-agent csomagokat és integrációs modulokat is. Ez azt jelenti, hogy egy vállalat ma már nem feltétlenül nulláról kezdi az agentek építését, hanem előre konfigurált, kipróbált komponenseket szerezhet be.

Az új AI-agent marketplace-kategória bejelentésével az ügyfelek felgyorsíthatják az AI-Agentek felfedezését egy központi katalógusból. A kiválasztott megoldásokat többféle úton telepíthetik, például az Amazon Bedrock AgentCore Runtime segítségével, vagy eszközöket adhatnak hozzá az AgentCore Gateway-hez, hogy felgyorsítsák az agent-fejlesztést.

Az AWS Bedrock AgentCore, az AWS Marketplace AI Agent & Tools kategória és a Strands SDK kombinációja egy új lehetőség kezdetét jelenti az AI-agentek fejlesztésében. Ami korábban hetekig tartott, most napok alatt elérhető. Az MCP és A2A protokollok révén pedig nem csak AWS-szolgáltatásokkal, hanem külső rendszerekkel is zökkenőmentesen integrálható.