← Каталог

· AI Engineer World's Fair 2025

Создание agents в облачном масштабе

Building Agents at Cloud Scale — Antje Barth, AWS

Модельно-управляемый подход, где LLM сама планирует и выбирает инструменты, по словам AWS, позволяет выводить агентов в продакшен за недели, а не месяцы.

  • Открытый SDK вместо ручной оркестрации — Strands Agents на Python задаёт агента промптом и набором инструментов, а планирование и действия отдаёт модели. По словам спикера, Amazon Q Developer CLI с агентом собрали и выпустили за три недели.
  • Выбор инструментов через базу знаний — внутренний агент AWS управляет более чем 6000 инструментами. Их описания лежат в базе знаний, и семантический поиск подтягивает в контекст модели только нужные для задачи.
  • MCP-сервер на Lambda — удалённый сервер деплоится через AWS SAM за API Gateway с авторизацией, сессии хранятся в DynamoDB. Так MCP-инструменты получают те же возможности, что и обычные Lambda-функции.
  • Экспертные системы Alexa+ — сотни специализированных систем объединяют возможности, API и инструкции под одну задачу и координируются между собой на более чем 600 миллионах устройств Alexa.

Кому полезно: тем, кто строит агентов на AWS или подключает MCP-серверы и ищет способ работать с большим числом инструментов.

Статья по теме

На какие вопросы отвечает доклад

  • Как строить агента, где модель сама планирует шаги, а не следует жёсткому сценарию?

    Разработчик задаёт промпт и инструменты в коде, а модель сама решает, как планировать и действовать. Open source Python SDK Strands Agents позволяет запустить такого агента в несколько строк кода.

    ▶ 4:43Демонстрация Amazon Q Developer и документации MCP
  • Как развернуть удалённый MCP-сервер с авторизацией и хранением сессий в облаке?

    Сервер разворачивают как Lambda за MCP-шлюзом по Streamable HTTP, авторизацию делают через authorizer, данные сессий хранят в DynamoDB. Развёртывание идёт через AWS SAM, клиент подключается по bearer token.

    ▶ 13:41Демонстрация D&D и авторизация агентов
  • Как ответы AI-ассистента для кодинга опираются на официальную документацию, а не на догадки модели?

    Amazon Q Developer CLI подключается к MCP-серверу документации AWS, запрашивает разрешение на вызов инструмента и отвечает на основе официальной документации. Спикер показывает это на примере вопроса про Amazon Bedrock.

    ▶ 4:43Демонстрация Amazon Q Developer и документации MCP
  • Как запускать одного агента на облачной модели и на локальной через Ollama?

    По умолчанию Strands Agents работает с Amazon Bedrock и Claude 3.7 Sonnet, для локальной разработки есть интеграция с Ollama. Также поддерживаются Anthropic, модели OpenAI через LiteLLM и собственные провайдеры моделей.

    ▶ 4:43Демонстрация Amazon Q Developer и документации MCP
  • Как координировать сотни специализированных агентов, которые работают с десятками тысяч внешних сервисов?

    По словам спикера, Alexa+ работает через сотни специализированных экспертных систем: каждая объединяет возможности, API и инструкции под конкретную задачу. Эти экспертные системы оркестрируют десятки тысяч партнёрских сервисов и устройств.

    ▶ 1:40Alexa Plus и специализированные агентные системы

Главы

Ещё доклады: Antje Barth

Страница спикера →

Похожие доклады