AWS añadió a Bedrock AgentCore almacenamiento persistente de sesiones y ejecución de comandos shell

AWS añadió almacenamiento persistente de sesiones y ejecución de comandos shell a Bedrock AgentCore

AWS demostró cómo resolver dos problemas típicos de entornos de agentes en Amazon Bedrock AgentCore Runtime: la pérdida de archivos después del término de la sesión y la ejecución de comandos predecibles como pruebas u operaciones git a través del propio modelo. Las nuevas capacidades permiten preservar el estado de trabajo de un agente entre reinicios y ejecutar comandos shell directamente dentro de su entorno.

Qué está cambiando

Anteriormente, una sesión de agente en AgentCore vivía dentro de una microVM separada con recursos aislados, su propia memoria y sistema de archivos. Esto es bueno para la seguridad, pero inconveniente en la práctica: si un agente pasó 20 minutos instalando dependencias, generando un proyecto y modificando código, todo esto podría desaparecer después de que la sesión se detuviera. En el siguiente inicio, tenía que descargar nuevamente el repositorio, implementar el entorno y repetir el trabajo ya completado. Para flujos de trabajo de agentes, esto significaba tiempo perdido y costos computacionales innecesarios.

El segundo problema son las acciones deterministas. Cuando simplemente necesita ejecutar un conjunto de pruebas, linter o comando git push, no tiene sentido enviar esto a través de un LLM. El modelo añade latencia, costos de token e incertidumbre innecesaria donde el comando ya se conoce de antemano. AWS propone dividir los roles: el agente se encarga del razonamiento y los cambios de código, mientras que la plataforma ejecuta directamente los comandos en la misma sesión. Para escenarios de producción, esta separación de responsabilidades parece mucho más práctica.

Cómo funciona

La primera función — almacenamiento de sesión administrado — está actualmente en estado de vista previa pública. Al crear un runtime, puede especificar un directorio persistente, como una ruta dentro del directorio /mnt. Todo lo que el agente escribe en esta carpeta se preserva entre parada y reanudación, incluso si la propia microVM se destruye y se inicia un nuevo entorno computacional en el siguiente lanzamiento. Al mismo tiempo, la lógica de guardado está integrada en el runtime, por lo que el agente no necesita código separado para punto de control, serialización o carga manual de archivos en almacenamiento de objetos.

AWS muestra un escenario cercano al desarrollo real: el primer día, el agente descarga el proyecto, lo descomprime y configura las dependencias, y el segundo día continúa trabajando con el mismo runtime-session-id. Ve el mismo código fuente, carpeta node_modules, artefactos de compilación e historial .git sin reinicialización.

De forma predeterminada, estos datos se almacenan durante 14 días de inactividad, y el tamaño máximo por sesión es 1 GB. Para equipos que trabajan con grandes bases de código, esto ya es suficiente para un ciclo completo de varios días.

El entorno computacional de ayer ya ha desaparecido, pero el sistema

de archivos se ha preservado.

La segunda función — InvokeAgentRuntimeCommand. Ejecuta comandos shell directamente dentro de la sesión activa de AgentCore Runtime y transmite stdout y stderr mientras se ejecuta. Un detalle importante: el comando se ejecuta no en un proceso sidecar separado ni a través de un orquestrador externo, sino en el mismo contenedor y con el mismo sistema de archivos donde opera el agente. Si el agente escribió un archivo en la carpeta de trabajo, el comando puede leerlo, probarlo o confirmarlo inmediatamente. Al mismo tiempo, cada comando se inicia como un proceso bash separado: sin sesión de shell compartida, sin transferencia del historial de comandos y sin preservación de variables de entorno entre llamadas.

Dónde será útil

Para equipos de ingeniería, esta combinación es especialmente útil en escenarios donde un agente no solo responde en un chat, sino que realmente lidera un ciclo de trabajo sobre una base de código. AWS enfatiza específicamente que los comandos shell se usan mejor donde el resultado debe ser estrictamente reproducible y observable. En otras palabras, el modelo razona y realiza cambios, mientras que todos los pasos predecibles de verificación y entrega se entregan mejor a la plataforma sin llamadas de herramientas innecesarias a través del LLM.

• Ejecutar pruebas después de cambios del agente: npm test, pytest y otras comprobaciones
• Operaciones git: creación de rama, commit, push sin lógica de control de versiones dentro del LLM
• Preparación del entorno: clonación de repositorio, instalación de paquetes, configuración de herramientas de compilación
• Puertas de validación: linters, verificadores de tipo, escáneres de seguridad antes del commit
• Depuración del entorno: verificación de paquetes instalados, espacio en disco y procesos durante fallos del agente

También hay limitaciones. La microVM básica no tiene un conjunto completo de herramientas de desarrollo, por lo que git, npm, runtimes de lenguaje y otras dependencias necesitan agregarse a la imagen del contenedor de antemano o instalarse durante la operación. Además, el estado no se preserva entre comandos, por lo que cambiar de directorio o exportar variables debe incluirse directamente en el comando mismo. Este es un modelo de ejecución única que funciona bien para pruebas y compilaciones, pero no reemplaza una sesión de shell interactiva en vivo.

Lo que significa

AWS está haciendo que Bedrock AgentCore se acerque no a chatbots, sino a un entorno completamente funcional para el desarrollo de agentes. Si anteriormente el agente perdía contexto a nivel de archivo y requería integración externa para pruebas y comandos git, ahora ambas tareas se manejan dentro de un único runtime. Para equipos que construyen agentes de codificación, esto reduce la orquestación innecesaria y hace que el ciclo "agente escribe — plataforma verifica — trabajo se guarda" sea notablemente más práctico. Especialmente donde un proceso de varios días de trabajo en el mismo repositorio es importante.