AWS Bedrock AgentCore Memory: как дать долгую память AI-агентам в Kiro CLI

AWS представила способ интегрировать долгосрочную память в AI-агентов, которые работают в терминале. Это делается через Amazon Bedrock AgentCore Memory и custom MCP-сервер в Kiro CLI — полезное дополнение для разработчиков, которые активно используют агентов в своих проектах.

Проблема: агенты теряют контекст AI-агенты часто работают без памяти между сеансами.

Пользователь пишет вопрос — агент отвечает, но если начать новый разговор, агент не помнит предыдущие взаимодействия. Это становится проблемой в долгосрочных проектах, где нужна последовательность и накопление знаний. Особенно это мешает в терминальных инструментах, где разработчик может часами работать с одним агентом. Каждый раз приходится заново объяснять контекст, предоставлять одну и ту же информацию. Это снижает эффективность и раздражает. Amazon Bedrock AgentCore Memory решает эту проблему, предоставляя управляемый сервис для сохранения и вызова истории взаимодействий.

Что такое

Kiro CLI Kiro CLI — это терминальный инструмент, разработанный для быстрого взаимодействия с AI-агентами Kiro прямо из командной строки. Он предназначен для разработчиков, которые работают много в терминале и не хотят переключаться в веб-интерфейс каждый раз. Kiro CLI позволяет отправлять задачи агентам, получать ответы и управлять их параметрами прямо из bash или zsh. AWS показала, как подключить к Kiro CLI управление памятью через Model Context Protocol (MCP) — стандарт для подключения инструментов и сервисов к AI-моделям. MCP позволяет расширять возможности агентов без изменения их ядра.

Как работает MCP-интеграция

Custom MCP-сервер выступает посредником между Kiro CLI и Bedrock AgentCore Memory. Когда разработчик отправляет команду в терминал, сервер автоматически загружает релевантный контекст из истории, агент получает полную информацию и может дать точный ответ. Вот что MCP-сервер делает под капотом: Сохраняет контекст и историю каждой беседы в Bedrock AgentCore Memory Извлекает релевантную информацию из прошлых разговоров перед новым запросом Отслеживает использование памяти и текущие квоты на сохранение Управляет конфигурацией агентов и их параметрами памяти * Обеспечивает шифрование и безопасность при хранении данных в облаке Этот процесс полностью автоматический и прозрачный для разработчика — ему не нужно вручную загружать контекст или думать о том, как сохранять историю.

Практические примеры

Представьте: разработчик использует агента для анализа кода своего проекта несколько дней подряд. Без памяти он должен был бы каждый день загружать полную информацию о проекте в промпт. С AgentCore Memory агент помнит архитектуру проекта, найденные баги, принятые решения. Это делает взаимодействие намного эффективнее. Другой пример: агент помогает писать документацию. Если помнит, какие термины уже объяснены, какой тон нужен в документе, какой целевой аудитории она адресована — качество улучшается.

Что это значит AWS берёт управление памятью агентов на себя,

предоставляя готовый, масштабируемый сервис. Разработчикам не нужно писать свою базу данных для истории взаимодействий или думать о том, как сохранять контекст между сеансами. Это ещё один шаг к тому, чтобы AI-агенты становились практичнее, дешевле в поддержке и проще в использовании на реальных проектах.