AWS zeigt Forschungsagenten mit LangChain und Bedrock AgentCore für die Produktion
TL;DR
AWS zeigt einen Wettbewerbsrecherche-Agenten, der LangChain Deep Agents mit Amazon Bedrock AgentCore kombiniert. Ein Coordinator verteilt Recherche, Analyse und Synthese auf spezialisierte Subagents. Drei Browser-Subagents durchsuchen parallel GitHub, GitLab und Bitbucket, jeweils in einer eigenen AgentCore Browser MicroVM. Ein Analyst-Subagent nutzt den AgentCore Code Interpreter für Diagramm und Markdown-Report.
Nauti's Take
Das ist einer der brauchbareren AgentCore-Posts, weil er endlich zeigt, wie ein produktionsnaher Agent aussehen kann: Browser-Isolation, Code-Interpreter, Memory, Observability und Runtime-Deployment in einem Ablauf. Trotzdem bleibt es ein Anbieter-How-to.
Wer das nachbaut, sollte zuerst prüfen, ob die MicroVM-Kosten, IAM-Komplexität und Debugging-Schleifen zum eigenen Use Case passen. Für echte Recherche-Agenten ist die wichtigste Lehre: Der Coordinator sollte denken, die Subagents sollten arbeiten.
Einordnunganzeigen
Für Entwickler ist der Kern weniger der Beispielcase Preisvergleich, sondern die Architektur dahinter. Lange Agenten-Workflows scheitern oft daran, dass Recherche, Rohdaten, Codeausführung und Synthese im gleichen Kontextfenster landen. Das AWS-Pattern trennt diese Arbeit sauberer: Subagents erledigen tiefe Arbeit isoliert und liefern nur verdichtete Ergebnisse zurück.
Quellen
