AWS собрала августовские обновления Bedrock, AgentCore и Strands

AWS свела месячные релизы в одну систему

AWS выпустила обзор крупнейших августовских изменений в Amazon Bedrock, Amazon Bedrock AgentCore и Strands. Вместо одного центрального анонса компания показывает, как расширяет сразу несколько слоёв агентной платформы: доступ моделей к контексту и вебу, географию вычислений, контроль расходов, длительность выполнения, память, политики действий и работу с физическими устройствами. Сам обзор опубликован 9 сентября и объединяет уже состоявшиеся за август продуктовые релизы.

Компания сообщает, что Amazon Bedrock используют более 225 тысяч активных клиентов, включая свыше 80% компаний Fortune 100. Эти числа приводит сама AWS; в публикации нет независимой методики подсчёта или разбивки по интенсивности использования. Поэтому они характеризуют заявленный масштаб платформы, но не позволяют оценить, сколько клиентов эксплуатируют автономных агентов в производственной среде.

Содержательная линия обзора — перенос внимания с возможностей отдельной модели на всю систему делегирования. Для рабочего агента важны не только ответы модели, но и доступный контекст, допустимые инструменты, продолжительность сессии, география обработки, лимиты расходов и проверяемость каждого действия. Именно эти инженерные границы определяют, можно ли доверить системе многошаговый процесс без постоянного ручного сопровождения.

GPT-5.6 получила миллионный контекст и встроенный поиск

В Amazon Bedrock модели GPT-5.6 Sol, Terra и Luna теперь поддерживают контекст до миллиона токенов и prompt caching. AWS также описывает Web Search, который позволяет моделям искать актуальные сведения, возвращать ссылки на источники и напрямую извлекать содержимое публичных сайтов. Среди предполагаемых сценариев компания называет анализ целой кодовой базы или нормативного документа с проверкой по свежей публичной информации в рамках одного API-вызова.

Для этих же моделей AWS заявила cross-Region inference из более чем 25 регионов. Global profiles ориентированы на максимально широкую доступную ёмкость и более низкую цену за токен, а Geo profiles удерживают обработку в заданной географии. Это полезное различие для устойчивости нагрузки и требований к размещению данных, но конкретная совместимость всё равно зависит от выбранной модели, региона, профиля и политики организации.

В обзор также вошли инструменты контроля стоимости: распределение расходов по IAM principal и обнаружение аномалий затрат на сторонние foundation models в Bedrock. Такой FinOps-слой особенно важен для агентных процессов, где одно намерение пользователя может породить длинную цепочку модельных и инструментальных вызовов. Лимит контекста показывает техническую вместимость, но экономику определяют фактически обработанные токены, повторное использование кэша и число шагов до проверенного результата.

AgentCore рассчитана на длительную, но ограниченную работу

AgentCore runtime instances позволяют запускать агентов на выделенных экземплярах Amazon EC2, включая GPU-ускоренные, memory-optimized и compute-optimized конфигурации. Продолжительность одной сессии может достигать 14 дней; сервис также расширился в US West (N. California) и Asia Pacific (Hyderabad). Это открывает путь к многодневному исследованию, разработке и мониторингу, но само увеличение времени работы не гарантирует сохранения цели или корректного восстановления после ошибок.

Для ограничения автономности AWS добавила temporal policies. Они оценивают очередное действие с учётом уже выполненных шагов и позволяют задавать последовательность, обязательные предварительные условия, approval gates, совпадение значений между вызовами и требования к свежести данных. Отдельные rate limits регулируют запросы, inference tokens и одновременные соединения для пользователя или группы, а AgentCore payments связывает платные API и MCP-ресурсы с инфраструктурными лимитами расходов и наблюдаемостью.

Это принципиально сильнее единственного разрешения на запуск агента: ограничение проверяется внутри процесса, когда контекст уже мог измениться. Однако политика полезна только при точной модели состояния. Если система неверно определяет объект, пользователя или свежесть записи, формально корректная последовательность всё равно способна привести к неправильному действию. Для критичных workflow нужны идемпотентность, readback результата и человеческое подтверждение перед необратимым шагом.

Память, реестр и GovCloud расширяют корпоративный контур

Web Search в AgentCore умеет включать или исключать домены и фильтровать результаты по дате публикации. Память может извлекать долгосрочный контекст не только из разговоров, но и из activity logs, behavioral events, system events и другого структурированного JSON. Fine-grained access control должен разделять такие воспоминания по пользователю или tenant. Вместе эти функции позволяют строить более актуальный контекст, но требуют проверять происхождение события и не превращать ошибочную запись в долговременный факт.

AWS Agent Registry представлен как управляемый каталог агентов, MCP servers, skills и пользовательских ресурсов. Организационное обнаружение охватывает агентов в AgentCore Runtime и MCP servers в AgentCore Gateway across connected AWS accounts, а одобренные ресурсы могут появляться в Amazon Quick. Цель — повторно использовать проверенные возможности и уменьшить agent sprawl, когда команды создают дублирующие инструменты без общего владельца и правил доступа.

Для регулируемых нагрузок AWS сообщила о доступности Claude Opus 5 в AWS GovCloud (US) с zero data retention по умолчанию. GPT-5.6 Terra и Luna там также получили миллионный контекст и prompt caching, а Amazon Nova Multimodal Embeddings — поиск по тексту, документам, изображениям, видео и аудио в GovCloud (US-West). Доступность в GovCloud расширяет выбор архитектуры, но не заменяет проверку требований конкретной организации к данным, журналированию и поставщикам моделей.

Strands выводит агентный цикл к роботам

Strands Robots соединяет Strands Agents, LeRobot и Hugging Face Storage Buckets. По описанию AWS, разработчик может записывать демонстрации, передавать наборы данных в формате LeRobot, обучать политики и развёртывать их в симуляции или на физическом оборудовании без преобразования исходного формата данных. Это связывает сбор опыта и deployment в один цикл, хотя качество поведения робота по-прежнему зависит от данных, среды и аппаратных ограничений.

Для координации устройств Strands Robots использует mesh-based discovery: Zenoh связывает роботов в одной локальной сети, а AWS IoT Core — географически распределённые парки. Strands Robots и AWS также участвуют в ограниченном research preview Model Hardware Standard. Пока это направление следует воспринимать как раннюю работу над переносимыми интерфейсами, а не как подтверждённую универсальную совместимость любого агента с любым оборудованием.

Практический вывод из августовского набора релизов — выбирать не наиболее длинный список функций, а один измеримый процесс. Для него нужно заранее определить разрешённые данные и действия, географию обработки, бюджет, максимальную продолжительность, критерий остановки и readback результата. Обзор AWS показывает, что облачная инфраструктура агентов становится полнее; доказательство надёжности всё ещё возникает только в ограниченном испытании конкретной конфигурации.