Build context-rich research agents with Deep Agents and Bedrock AgentCore
TL;DR
AWS zeigt einen Entwickler-Workflow für Recherche-Agenten mit LangChain Deep Agents und Amazon Bedrock AgentCore. Der Beispiel-Agent vergleicht GitHub, GitLab und Bitbucket, statt nur eine abstrakte Architektur zu skizzieren. Der Coordinator nutzt AgentCore Memory, startet drei Browser-Subagenten parallel in getrennten MicroVMs und übergibt die Ergebnisse an einen Analyst-Subagenten mit Code Interpreter für Chart und Markdown-Report.
Nauti's Take
Gute Agenten-Architektur beginnt selten beim Modell, sondern bei Grenzen: Welche Tools darf welcher Teil sehen, wo läuft unsicherer Code, wie wird ein Lauf später debuggt? Genau dort liefert der AWS-Beitrag Substanz.
Trotzdem bleibt es ein Anbieter-Playbook. Wer das übernimmt, sollte die Pattern mitnehmen, aber nicht blind die gesamte Agenten-Zukunft an einen Cloud-Stack binden.
Einordnunganzeigen
Der interessante Punkt ist die Arbeitsteilung: Recherche, Analyse und Gedächtnis laufen nicht im selben überfüllten Prompt, sondern in isolierten Einheiten mit begrenzten Tools. Für Teams, die Agenten produktionsnäher bauen wollen, ist das ein nützlicher Schritt weg vom Demo-Chatbot. Der Preis dafür ist ein klarer Lock-in in AWS-Infrastruktur, IAM, Observability und Laufzeitmodell.
Quellen
