Un foundation model por sí solo solo genera texto. Un agente le da la capacidad de actuar: consultar sistemas, ejecutar acciones y encadenar pasos para completar una tarea completa, no solo responder una pregunta.
Contenido
Un agente es un sistema que usa un foundation model para razonar sobre una tarea, decidir qué acciones tomar, ejecutarlas usando herramientas externas, y encadenar varios pasos hasta completar el objetivo del usuario — no solo devolver una respuesta de texto.
A diferencia de un simple ciclo prompt-respuesta, un agente puede: interpretar la intención en lenguaje natural, planificar los pasos necesarios, invocar una o varias APIs o funciones, observar los resultados, y decidir el siguiente paso — de forma iterativa, hasta resolver la solicitud.
Prompt-respuesta simple
Usuario pregunta → modelo genera texto → fin. No hay acceso a sistemas externos ni a datos en tiempo real, y no puede ejecutar ninguna acción concreta en el mundo real.
Agente
Usuario pide algo → el agente decide qué API o herramienta llamar → ejecuta la llamada → evalúa el resultado → posiblemente llama a otra herramienta → responde con el resultado final de la tarea completada.
El servicio administrado de AWS para construir agentes sobre foundation models de Bedrock.
Qué orquesta
Idea clave para el examen
Bedrock Agents traduce lenguaje natural en llamadas a sistemas reales, sin que tengas que programar manualmente el flujo de decisión — el foundation model decide qué acción tomar según la solicitud del usuario.
Crea un agent en Bedrock capaz de invocar APIs externas para completar tareas de varios pasos.
+1 más...
"Function calling" o "tool use" es la capacidad del foundation model de reconocer, a partir del lenguaje natural, que necesita invocar una herramienta específica (una función o API) para completar la tarea — y de generar los parámetros correctos para esa llamada.
1. Definición de herramientas: Se le describe al modelo qué herramientas tiene disponibles: su nombre, propósito y los parámetros que necesita (ej. "buscar_disponibilidad(fecha, servicio)").
2. Decisión del modelo: Ante una solicitud del usuario, el modelo decide si necesita usar una herramienta y cuál, generando una llamada estructurada (no solo texto libre).
3. Ejecución externa: El sistema (fuera del modelo) ejecuta realmente esa función y devuelve el resultado.
4. Respuesta final: El modelo incorpora el resultado de la herramienta en su respuesta al usuario, o decide llamar a otra herramienta si aún no ha completado la tarea.
Model Context Protocol (MCP) es un estándar abierto que define cómo un agente descubre y llama herramientas externas de forma uniforme, sin que tengas que integrar cada API por separado con un conector distinto. En la práctica, tanto Bedrock Agents como Bedrock AgentCore pueden conectarse a servidores MCP para exponer herramientas al modelo, en lugar de definir cada action group manualmente contra cada sistema.
La teoría general de agentes, MCP y arquitecturas multi-agente se cubre en profundidad en la sección de IA agéntica del temario — aquí basta con reconocer que es el mecanismo práctico que usan los servicios de AWS para exponer herramientas a un agente.
La plataforma de AWS para llevar agentes de IA a producción de forma segura y escalable.
Qué resuelve
Mientras que Bedrock Agents se centra en construir y orquestar un agente, AgentCore se centra en desplegar, operar y escalar agentes de IA en producción — sea cual sea el framework con el que se construyeron (Bedrock Agents, Strands Agents u otros).
Idea clave para el examen
Si el escenario habla de llevar agentes a producción de forma segura, con control de identidad y políticas sobre lo que el agente puede hacer, piensa en AgentCore — no solo en "construir" el agente, sino en operarlo con seguridad a escala.
Strands Agents es un SDK open-source de AWS para construir agentes de IA con pocas líneas de código, definiendo el modelo, las herramientas disponibles y el comportamiento deseado de forma sencilla y programática.
A diferencia de Bedrock Agents (un servicio administrado dentro de la consola de Bedrock), Strands Agents es una librería de código que puedes usar para definir agentes de forma flexible en tus propias aplicaciones, y que luego puedes desplegar y operar en AgentCore para llevarlos a producción.
Idea clave para el examen
Bedrock Agents = servicio administrado para construir el agente. Strands Agents = SDK de código abierto para construir agentes de forma programática. AgentCore = plataforma para desplegar y operar cualquiera de los dos en producción.
Agente que reserva citas
El usuario dice "necesito una cita con el dentista la próxima semana por la tarde". El agente consulta la API del calendario, encuentra huecos disponibles, confirma con el usuario, y crea la reserva llamando al sistema de agenda.
Agente que consulta bases de datos
Un analista pregunta "¿cuántos pedidos se cancelaron el mes pasado en la región norte?". El agente traduce la pregunta a una consulta estructurada, la ejecuta contra la base de datos, y devuelve la respuesta en lenguaje natural.
Agente de soporte técnico
Recibe una incidencia, consulta el estado del sistema del cliente vía API, y si detecta un problema conocido, ejecuta automáticamente el procedimiento de resolución o crea un ticket con el diagnóstico ya hecho.
Agente de compras / inventario
Ante "necesitamos reponer stock del producto X", el agente consulta el nivel actual de inventario, calcula la cantidad a pedir según reglas de negocio, y genera automáticamente la orden de compra en el sistema ERP.
| Aspecto |
Chatbot (Amazon Lex) | Agente (Bedrock Agents) |
|---|---|---|
| Cómo entiende la solicitud | Detecta "intents" predefinidos con slots configurados de antemano | Razona con un foundation model sobre lenguaje natural abierto, sin intents fijos |
| Flexibilidad | Limitado a los flujos de conversación diseñados manualmente | Puede manejar solicitudes variadas y encadenar pasos no anticipados explícitamente |
| Ejecución de acciones | Puede invocar Lambda al completar un intent específico | Decide dinámicamente qué herramientas usar y en qué orden, según el razonamiento del modelo |
| Caso ideal | FAQ estructuradas, flujos conversacionales predecibles (ej. reservar mesa con pasos fijos) | Tareas complejas que requieren razonamiento, múltiples sistemas, o pasos no lineales |
Trampa frecuente del examen
Lex construye interfaces conversacionales basadas en intents/slots definidos por ti — es determinístico y estructurado. Un agente de Bedrock razona con el foundation model sobre qué hacer y puede orquestar múltiples herramientas de forma dinámica. Si el escenario menciona "el sistema debe decidir por sí mismo qué API llamar según lo que pide el usuario en lenguaje libre", la respuesta es un agente, no Lex.
¿Entendiste este tema?
Pon a prueba lo que acabas de aprender
Una empresa quiere un asistente que, a partir de una solicitud en lenguaje natural como 'cancela mi pedido #4521 y notifica al almacén', consulte el sistema de pedidos, ejecute la cancelación, y luego envíe la notificación al almacén automáticamente, todo en una sola interacción. ¿Qué capacidad de AWS describe mejor esta necesidad?
Inicia sesión para llevar tu progreso.