AgentCore от AWS получил хуки на Lambda и тратит на 34% меньше токенов, чем аналоги
AWS обновила AgentCore harness — готовую среду для ИИ-агентов — и добавила хуки: перед возвратом денег клиенту ваша Lambda-функция может запретить сумму выше 500 долларов. Заявлено, что за счёт сжатия старой переписки агент тратит примерно на 34% меньше токенов, чем на других популярных обвязках. Правила безопасности надёжнее писать кодом, а не просить об этом в промпте.
AI-обработка оригинала AWS Machine Learning Blog; редакция Hamidun News
Представьте агента поддержки, который сам разбирается с заказом и может вернуть клиенту деньги. Просить модель в промпте «не возвращай больше 500 долларов» ненадёжно: её поведение непредсказуемо. AWS предлагает другое решение в обновлённом Amazon Bedrock AgentCore harness — управляемой «обвязке» для ИИ-агентов, то есть готовом наборе из модели, промпта, инструментов и управления контекстом, который AWS сама запускает и масштабирует.
Теперь он построен на Strands harness (открытая обвязка под лицензией Apache 2.0, выпущенная AWS ранее в этом году) и получил хуки жизненного цикла — точки в работе агента, где запускается ваш обычный код. Например, Lambda-функция (небольшая функция в облаке AWS) перед возвратом проверяет сумму и может запретить действие.
Кроме того, по данным AWS, за счёт сжатия контекста harness тратит примерно на 34% меньше токенов, чем другие популярные обвязки. Новых ресурсов подключать не нужно: обновление приходит в уже используемый harness.
Что получают агенты на умолчаниях
Если в конфигурации не указать модель, системный промпт и политику обрезки истории, harness подставит рекомендованный набор. Модель по умолчанию будет меняться по мере выхода новых, а явно заданные настройки всегда имеют приоритет. Системный промпт учит агента собирать контекст, выбирать подходящие инструменты, не бросать задачу на полпути, реагировать на отказы и проверять результат перед отчётом.
Часть функций прямо влияет на счёт за токены. Автоматическое кеширование промпта (пока для моделей Anthropic в Amazon Bedrock) сохраняет системную инструкцию, описания инструментов и историю диалога, а повторные вызовы читают их по сниженной цене. Когда окно контекста доходит до настраиваемого порога, старые реплики сворачиваются в краткое резюме, а свежие остаются как есть. Именно это, по словам AWS, и даёт около 34% экономии. Это цифра вендора, независимого подтверждения в материале нет.
Набор встроенных инструментов расширился:
- todo_write хранит план задач и восстанавливает его в следующих вызовах той же сессии, даже после сжатия истории;
- subagent отдаёт замкнутую задачу свежему «работнику» и возвращает результат основному агенту;
- web_fetch подтягивает содержимое веб-страницы;
- отдельные read, write и edit позволяют выдать агенту только нужные права на файлы;
- крупные результаты инструментов выносятся из контекста: агент видит превью и при необходимости забирает полный вариант.
Хуки: проверка кодом, а не надеждой на промпт
Событий четыре. before_invocation срабатывает до обработки запроса, и отказ останавливает вызов. before_tool_call запускается после того, как модель предложила действие, но до его исполнения: отказ пропускает вызов, а агент продолжает работу. after_tool_call срабатывает, когда результат уже есть: он сохраняется, но дальнейшее рассуждение останавливается. after_invocation сообщает о решении после завершения вызова, при этом уже отправленный пользователю вывод не вернуть.
В примере AWS перед инструментом issue_refund стоит Lambda-проверка. Если сумма больше 500 долларов, функция возвращает deny с причиной «Refund exceeds the $500 auto-approval limit». Возврат пропускается, а агент может сообщить клиенту, что запрос передан на согласование. Каждое решение попадает в поток ответа InvokeHarness как hookEvent, поэтому аудит получается почти бесплатно.
Важные детали. Менять ход работы агента могут только Lambda-хуки: они синхронные и отвечают allow или deny. Хуки на Amazon SNS и Amazon EventBridge — только уведомления, они цикл не блокируют. Хуки применяются и к субагентам, так что делегирование политику возврата не обходит. Если Lambda упала или не уложилась в таймаут, действует failureMode, по умолчанию deny, то есть действие запрещается. Хуки настраиваются через CreateHarness или UpdateHarness.
Как попробовать и что закрепить в конфиге
Harness создаётся одной командой через AgentCore CLI, который ставится через npm. В примере AWS собран координатор исследований: в одном вызове он запускает субагентов — исследователя, синтезатора и рецензента — и возвращает единый отчёт. Для хуков есть демо Refund Desk в репозитории примеров AgentCore на GitHub: шестишаговый разбор всех четырёх событий и целей Lambda, SNS и EventBridge.
Если у приложения жёсткие требования к безопасности, закрепите их явно. Модель фиксируется через ID, системный промпт заменяется через systemPrompt, политика контекста задаётся через truncation. Особенно важен allowedTools: при пропуске или значении ["*"] набор встроенных инструментов может расти со временем. Перечисляйте только нужное, например ["read", "web_fetch"] — это чтение файлов и загрузка страниц без доступа к shell и изменению файлов.
Практический вывод простой: если агент трогает деньги, данные клиентов или внешние системы, ограничения надёжнее писать кодом в хуках и явным списком инструментов, а не просьбами в промпте.
- 19 нояб. 2026 г.Amazon и Google получат 28,4% Anthropic после IPO, но без права голоса
- 19 нояб. 2026 г.Social Department заменила неделю просмотра сериала четырьмя запросами QuickSearch на AWS
- 19 нояб. 2026 г.Skyflow в AgentCore Gateway прячет персональные данные от инструментов ИИ-агентов
- 19 нояб. 2026 г.Accenture снизила расходы клиентов на токены в Bedrock на 40–85%
Вопросы и ответы по материалу
Что известно по теме: что получают агенты на умолчаниях?
Если в конфигурации не указать модель, системный промпт и политику обрезки истории, harness подставит рекомендованный набор. Модель по умолчанию будет меняться по мере выхода новых, а явно заданные настройки всегда имеют приоритет. Системный промпт учит агента собирать контекст, выбирать подходящие инструменты, не бросать задачу на полпути, реагировать на отказы и проверять результат перед отчётом. Часть функций прямо влияет на счёт за токены.
Что известно по теме: хуки: проверка кодом, а не надеждой на промпт?
Событий четыре. before_invocation срабатывает до обработки запроса, и отказ останавливает вызов. before_tool_call запускается после того, как модель предложила действие, но до его исполнения: отказ пропускает вызов, а агент продолжает работу. after_tool_call срабатывает, когда результат уже есть: он сохраняется, но дальнейшее рассуждение останавливается. after_invocation сообщает о решении после завершения вызова, при этом уже отправленный пользователю вывод не вернуть.
Что известно по теме: как попробовать и что закрепить в конфиге?
Harness создаётся одной командой через AgentCore CLI, который ставится через npm. В примере AWS собран координатор исследований: в одном вызове он запускает субагентов — исследователя, синтезатора и рецензента — и возвращает единый отчёт. Для хуков есть демо Refund Desk в репозитории примеров AgentCore на GitHub: шестишаговый разбор всех четырёх событий и целей Lambda, SNS и EventBridge. Если у приложения жёсткие требования к безопасности, закрепите их явно.
Соберите рабочего ИИ-агента или сервис своими руками без ручного кода
В Академии Жемала Хамидуна (academy.hamidun.com) открыт бесплатный 72-часовой тест-драйв: интерактивные скетч-уроки по Claude Code и Cursor, живой Tech Radar и готовые шаблоны агентов.
Главное из мира ИИ — раз в неделю
7 ключевых событий недели, отобранных вручную. Без шума, репостов и пресс-релизов.
Готово! Проверьте почту — мы отправили подтверждение.