AWS Bedrock AgentCore Memory: como dar memória de longo prazo a agentes de AI no Kiro CLI

AWS apresentou uma forma de integrar memória de longo prazo em agentes de IA que funcionam no terminal. Isso é feito através do Amazon Bedrock AgentCore Memory e de um servidor MCP customizado no Kiro CLI — uma adição útil para desenvolvedores que usam ativamente agentes em seus projetos.

Problema: agentes perdem contexto

Agentes de IA frequentemente funcionam sem memória entre sessões. Um usuário faz uma pergunta — o agente responde, mas se você iniciar uma nova conversa, o agente não se lembra das interações anteriores. Isso se torna um problema em projetos de longo prazo, onde a continuidade e o acúmulo de conhecimento são necessários. É particularmente problemático em ferramentas de terminal, onde um desenvolvedor pode trabalhar com um único agente por horas. A cada vez, é preciso re-explicar o contexto e fornecer as mesmas informações novamente. Isso reduz a eficiência e é frustrante. Amazon Bedrock AgentCore Memory resolve este problema fornecendo um serviço gerenciado para salvar e recuperar histórico de interações.

O que é Kiro CLI

Kiro CLI é uma ferramenta de terminal projetada para interação rápida com agentes de IA Kiro diretamente da linha de comando. É destinada a desenvolvedores que trabalham extensivamente no terminal e não querem mudar para uma interface web a cada vez. Kiro CLI permite enviar tarefas aos agentes, receber respostas e gerenciar seus parâmetros diretamente do bash ou zsh. AWS mostrou como conectar o gerenciamento de memória ao Kiro CLI através do Model Context Protocol (MCP) — um padrão para conectar ferramentas e serviços a modelos de IA. MCP permite estender as capacidades dos agentes sem alterar seu núcleo.

Como funciona a integração MCP

Um servidor MCP customizado atua como mediador entre Kiro CLI e Bedrock AgentCore Memory. Quando um desenvolvedor envia um comando para o terminal, o servidor carrega automaticamente o contexto relevante do histórico, o agente recebe informações completas e pode fornecer uma resposta precisa. Aqui está o que o servidor MCP faz por baixo dos panos:

• Salva contexto e histórico de cada conversa no Bedrock AgentCore Memory
• Recupera informações relevantes de conversas anteriores antes de uma nova solicitação
• Acompanha o uso de memória e as cotas de armazenamento atuais
• Gerencia a configuração dos agentes e seus parâmetros de memória
• Fornece criptografia e segurança ao armazenar dados na nuvem

Este processo é totalmente automático e transparente para o desenvolvedor — ele não precisa carregar o contexto manualmente ou se preocupar com como salvar o histórico.

Exemplos práticos

Imagine: um desenvolvedor usa um agente para analisar o código de seu projeto por vários dias seguidos. Sem memória, ele teria que carregar as informações completas do projeto no prompt todos os dias. Com AgentCore Memory, o agente se lembra da arquitetura do projeto, dos bugs encontrados e das decisões tomadas. Isso torna a interação muito mais eficiente. Outro exemplo: um agente ajuda a escrever documentação. Se se lembrar de quais termos já foram explicados, que tom é necessário no documento e para qual público-alvo ele se destina — a qualidade melhora.

O que isso significa

AWS está assumindo o gerenciamento de memória dos agentes, fornecendo um serviço pronto, escalável. Desenvolvedores não precisam escrever seu próprio banco de dados para histórico de interações ou pensar em como preservar o contexto entre sessões. Este é mais um passo em direção a tornar os agentes de IA mais práticos, mais baratos de manter e mais fáceis de usar em projetos reais.