Spring AI AgentCore SDK da Amazon Bedrock: SDK Java para agentes de IA em produção agora disponível

Amazon Bedrock AgentCore lança SDK Spring AI para desenvolvimento de agentes de IA em Java

\n

A Amazon anunciou a disponibilidade geral do Spring AI AgentCore SDK, uma biblioteca open source que integra as funcionalidades do Amazon Bedrock AgentCore ao ecossistema Spring AI. A novidade permite que desenvolvedores Java criem agentes de inteligência artificial prontos para produção e os executem na infraestrutura altamente escalável do AgentCore Runtime.

\n\n

O que é o Spring AI AgentCore SDK e para quem ele serve?

\n

O SDK foi criado para simplificar o desenvolvimento de agentes autônomos e inteligentes que superam o modelo tradicional de interação por prompts e respostas, possibilitando sistemas capazes de planejar, executar e completar tarefas complexas em múltiplas etapas. A plataforma Agentic AI da Amazon Bedrock oferece infraestrutura gerenciada com recursos como escalabilidade, segurança, observabilidade, memória de curto e longo prazo, automação de navegação web e execução segura de código.

\n

O Spring AI AgentCore SDK abstrai a complexidade de implementar controladores personalizados, streaming via Server-Side Events (SSE), monitoramento de saúde, e limitações de taxa, permitindo que desenvolvedores foquem apenas na lógica do agente, utilizando os padrões familiares do Spring, como anotações e auto-configuração.

\n\n

Principais recursos e funcionamento do SDK

\n

\n
• Contrato AgentCore Runtime: o SDK implementa automaticamente os endpoints necessários, como /invocations para requisições e /ping para monitoramento de saúde, incluindo o suporte a tarefas assíncronas e status de ocupação para evitar escalonamento indevido.

\n

• Streaming de respostas: suporta respostas via SSE com gerenciamento de framing, backpressure e ciclo de vida de conexão.

\n

• Memória integrada: oferece suporte a memória de curto e longo prazo, permitindo que agentes mantenham contexto e aprendam com interações anteriores, usando estratégias semânticas, preferências do usuário, resumos e memória episódica.

\n

• Ferramentas especializadas: integração com navegador automatizado para extração e interação com conteúdo web e interpretador de código para execução segura de scripts Python, JavaScript e TypeScript.

\n

• Desenvolvimento baseado em anotações: com a anotação @AgentCoreInvocation, qualquer método Spring pode se transformar em um endpoint compatível com AgentCore, facilitando a criação rápida de agentes.

\n

• Flexibilidade de implantação: além do AgentCore Runtime gerenciado, o SDK pode ser usado modularmente em ambientes como Amazon EKS, ECS, EC2 ou on-premises.

\n

\n\n

Como começar: pré-requisitos e passos básicos

\n

Para utilizar o SDK, é necessário:

\n

\n
• Java 17 ou superior (recomenda-se Java 25)

\n

• Spring Boot 3.5 ou superior

\n

• Conta AWS ativa

\n

• Maven ou Gradle para gerenciamento de dependências

\n

\n\n

\n
1. Adicionar dependência do SDK ao projeto Maven:\n

   <dependencyManagement>\n  <dependencies>\n    <dependency>\n      <groupId>org.springaicommunity</groupId>\n      <artifactId>spring-ai-agentcore-bom</artifactId>\n      <version>1.0.0</version>\n      <type>pom</type>\n      <scope>import</scope>\n    </dependency>\n  </dependencies>\n</dependencyManagement>\n<dependencies>\n  <dependency>\n    <groupId>org.springaicommunity</groupId>\n    <artifactId>spring-ai-agentcore-runtime-starter</artifactId>\n  </dependency>\n</dependencies>\n

   \n

\n

2. Criar a classe do agente com a anotação @AgentCoreInvocation:\n

   @Service\npublic class MyAgent {\n  private final ChatClient chatClient;\n\n  public MyAgent(ChatClient.Builder builder) {\n    this.chatClient = builder.build();\n  }\n\n  @AgentCoreInvocation\n  public String chat(PromptRequest request) {\n    return chatClient.prompt()\n      .user(request.prompt())\n      .call()\n      .content();\n  }\n}\n\nrecord PromptRequest(String prompt) {}\n

   \n

\n

3. Configurar o Amazon Bedrock no arquivo application.properties:\n

   spring.ai.bedrock.aws.region=us-east-1\nspring.ai.bedrock.converse.chat.options.model=global.anthropic.claude-sonnet-4-5-20250929-v1:0\n

   \n

\n

4. Testar localmente:\n

   mvn spring-boot:run\ncurl -X POST http://localhost:8080/invocations \\\n  -H "Content-Type: application/json" \\\n  -d '{"prompt": "O que é Spring AI?"}'\n

   \n

\n

5. Adicionar streaming de respostas: alterar o método para retornar Flux<String> para respostas em tempo real via SSE.\n

\n

6. Incorporar memória ao agente: configurar memória de curto e longo prazo para manter contexto e aprendizado contínuo, adicionando dependência e habilitando autodiscovery.\n

\n

7. Estender agentes com ferramentas: integrar Browser e Code Interpreter para navegação web automatizada e execução segura de código, respectivamente.\n

\n

\n\n

Modelos suportados e flexibilidade

\n

Embora o post destaque o uso do Amazon Bedrock para acessar modelos foundation, o Spring AI também suporta múltiplos provedores de LLMs, como OpenAI e Anthropic. Isso permite escolher diferentes modelos para casos de uso variados, como agentes que combinam busca na web e análise de dados financeiros em uma única conversa.

\n\n

Opções de implantação e segurança

\n

\n
• AgentCore Runtime: implantação gerenciada que exige empacotar a aplicação como container ARM64, enviar para o Amazon Elastic Container Registry (ECR) e criar um runtime AgentCore que gerencia escalabilidade e monitoramento.

\n

• Standalone: uso modular das funcionalidades em ambientes como Amazon EKS, ECS, EC2 ou on-premises, ideal para adoção incremental.

\n

• Autenticação: suporte a IAM SigV4 para chamadas entre serviços AWS e OAuth2 para aplicações voltadas ao usuário, com integração transparente no runtime e possibilidade de controle fino via Spring Security.

\n

• AgentCore Gateway: permite que agentes Spring AI acessem ferramentas organizacionais via Model Context Protocol (MCP) com autenticação e registro semântico, facilitando a integração corporativa.

\n

\n\n

Próximos recursos e evolução do SDK

\n

A equipe do Spring AI AgentCore SDK planeja implementar:

\n

\n
• Observabilidade avançada com integração a Amazon CloudWatch, LangFuse, Datadog e Dynatrace via OpenTelemetry.

\n

• Frameworks de avaliações para testes e qualidade das respostas dos agentes.

\n

• Gerenciamento avançado de identidade para aprimorar segurança e contexto.

\n

\n\n

Links úteis

\n

\n
• Repositório oficial do Spring AI AgentCore SDK no GitHub

\n

• Documentação Amazon AgentCore

\n

• Amazon Elastic Container Registry (Amazon ECR)

\n

• Criar conta AWS

\n

• Post original no AWS ML Blog

\n