El reto de ejecutar agentes de IA durante horas
Los agentes de inteligencia artificial modernos ya no se limitan a responder preguntas simples; ejecutan cargas de trabajo multi-paso que pueden durar horas, actuando en nombre de usuarios y accediendo a sistemas sensibles. Esta complejidad exige un nivel de seguridad y eficiencia que los entornos de ejecución tradicionales no siempre garantizan.
Amazon ha lanzado una nueva generación de su runtime de agentes, Amazon Bedrock AgentCore, para abordar estos desafíos. El objetivo es permitir que los equipos desplieguen agentes complejos con aislamiento de hardware y una estructura de costes que refleje el uso real, eliminando las cuotas fijas que penalizan la inactividad o el uso intermitente.
La duración de estas tareas cambia el tipo de exigencias que afronta el runtime: una sesión puede mantener actividad durante horas y acceder a sistemas sensibles en nombre de una persona. Por eso, el entorno debe gestionar tanto la ejecución prolongada como los límites entre sesiones, sin asumir que las medidas habituales para una consulta breve bastan para todos los casos.
La propuesta combina dos aspectos distintos del despliegue: el aislamiento de cada sesión y un esquema de costes ligado a los recursos activos. El primero busca separar las cargas de trabajo; el segundo modifica cómo se contabiliza el uso. Ninguno de los dos, por sí solo, garantiza que un agente actúe correctamente o que cualquier configuración resulte adecuada para cada equipo.
Aislamiento de hardware mediante microVMs
La característica técnica central de esta nueva generación es el uso de micromáquinas virtuales dedicadas para cada sesión de usuario. A diferencia de los contenedores tradicionales, que comparten el kernel del sistema operativo, las microVMs proporcionan un límite de aislamiento sólido a nivel de hardware.
Cada sesión se ejecuta en una microVM con CPU, memoria y sistema de archivos aislados. Esto impide que el código de un agente acceda a las cargas de trabajo de otros clientes o escape de los límites de la máquina virtual. Al finalizar la sesión, la microVM se cierra y la memoria se desinfecta, lo que refuerza la protección de datos en entornos multi-tenant.
Esta arquitectura permite soportar cargas de trabajo de larga duración, con sesiones que pueden extenderse hasta ocho horas o más, manteniendo la seguridad sin sacrificar el rendimiento en la inicialización de las sesiones.
Una microVM funciona como una máquina virtual ligera asignada a una sesión. La diferencia relevante frente a un contenedor es el límite de aislamiento: los contenedores comparten el kernel del sistema operativo, mientras que esta arquitectura separa recursos como CPU, memoria y sistema de archivos por sesión. Así, la separación no depende únicamente de dividir procesos dentro de un mismo entorno compartido.
El cierre de la sesión forma parte del ciclo de aislamiento: al terminar, la microVM se cierra y la memoria se desinfecta. Esta medida se refiere a la separación y limpieza descritas para el entorno de ejecución; no debe interpretarse como una garantía general sobre todos los datos que el agente haya podido manejar en otros sistemas.
La duración de hasta ocho horas o más permite plantear sesiones prolongadas en lugar de limitar el uso a ejecuciones breves. Ese alcance describe la capacidad indicada para el runtime, no asegura que toda tarea termine dentro de ese plazo ni que la duración disponible sea idéntica en cualquier configuración.
Facturación por uso real
El modelo de facturación cambia de cuotas fijas a un esquema de pago por recursos activos consumidos. Esto significa que los usuarios solo pagan por el cómputo, la memoria y el almacenamiento que sus agentes utilizan efectivamente durante la ejecución.
Para equipos que despliegan agentes con patrones de uso variables, este modelo reduce la previsibilidad de costes y alinea el gasto con la actividad real. La facturación se integra con las herramientas de observabilidad de AWS, permitiendo rastrear el consumo por sesión y por recurso.
La extensión de la separación de datos a nivel de hardware también impacta en la economía de los agentes, ya que permite mantener datos sensibles aislados sin necesidad de infraestructura adicional de cifrado o gestión de claves por parte del desarrollador.
El pago por recursos activos vincula el coste contabilizado con el cómputo, la memoria y el almacenamiento utilizados durante la ejecución, en vez de depender exclusivamente de una cuota fija. Para entender el gasto, los equipos deben observar el consumo que se produce en sus propias sesiones; los patrones variables pueden hacer que el total cambie con la actividad.
La observabilidad ayuda a relacionar el consumo con sesiones y recursos, pero no elimina la necesidad de analizar las métricas ni convierte el gasto futuro en una cifra fija. La posibilidad de rastrear el uso aporta visibilidad para evaluar costes, mientras que la cantidad final depende del consumo efectivo.
La separación de datos en el runtime puede reducir la necesidad de que el desarrollador añada infraestructura para ese propósito dentro de la arquitectura descrita. No significa que desaparezcan todas las responsabilidades de cifrado, gestión de claves o protección de datos en los sistemas conectados: el alcance se limita a la separación que ofrece el entorno de ejecución.
Comparativa con la generación anterior
La generación anterior de AgentCore Runtime ya ofrecía aislamiento de sesiones, pero la nueva generación refuerza este aislamiento con microVMs dedicadas y extiende la protección a los datos almacenados. Esto resuelve cuellos de botella de seguridad que limitaban el despliegue de agentes en entornos empresariales estrictos.
En cuanto a la facturación, el cambio a un modelo por uso real ofrece mayor flexibilidad frente a los modelos de suscripción o cuotas fijas, que podían resultar ineficientes para agentes con picos de actividad o periodos de inactividad prolongados.
La comparación distingue el aislamiento de sesiones que ya existía en la generación anterior del límite más específico que aporta la nueva arquitectura: microVMs dedicadas por sesión y separación de recursos. La tabla resume esa diferencia y el cambio de facturación, pero sus categorías no describen por sí solas todas las configuraciones posibles ni permiten concluir que cualquier despliegue anterior utilizara exactamente el mismo tipo de entorno.
El modelo por uso puede resultar más flexible cuando la actividad presenta picos o periodos de inactividad, porque el gasto se vincula a los recursos activos consumidos. Esa relación no implica necesariamente un coste menor: el resultado depende de cuánto y durante cuánto tiempo se utilicen los recursos.
Diferencias clave entre generaciones
| Característica | Generación anterior | Nueva generación |
|---|---|---|
| Aislamiento | Contenedores o VMs compartidas | MicroVMs dedicadas por sesión |
| Facturación | Cuotas fijas o por hora | Pago por recursos activos consumidos |
| Duración de sesión | Limitada | Hasta 8 horas o más |
Implicaciones para desarrolladores
Para los desarrolladores, la migración a la nueva generación de AgentCore Runtime implica aprovechar el aislamiento de hardware para mejorar la seguridad sin cambios significativos en el código del agente. La plataforma sigue siendo agnóstica respecto al framework, permitiendo el uso de cualquier modelo o herramienta.
La facturación por uso real requiere una monitorización más cercana del consumo para optimizar costes. Las herramientas de observabilidad integradas, como CloudWatch y OpenTelemetry, facilitan el seguimiento de métricas clave como el uso de tokens, la latencia y la duración de las sesiones.
Los equipos que despliegan agentes de larga duración, como los de investigación o automatización compleja, se beneficiarán especialmente de la combinación de aislamiento de hardware y facturación por uso, que permite ejecutar tareas prolongadas de forma segura y económica.
La migración afecta principalmente a la configuración del runtime, la compatibilidad del agente con el aislamiento por microVMs y el seguimiento del consumo. Aunque el texto describe la plataforma como agnóstica respecto al framework, esa característica no sustituye la comprobación de compatibilidad de cada implementación ni implica que todo agente vaya a funcionar sin ajustes.
CloudWatch y OpenTelemetry pueden facilitar el seguimiento de métricas como tokens, latencia y duración de las sesiones. Esas medidas ayudan a observar el comportamiento y el consumo, pero no garantizan por sí mismas que el despliegue esté optimizado o que el gasto se mantenga dentro de un umbral determinado.
La combinación de sesiones prolongadas, aislamiento y facturación por recursos activos puede ser pertinente para los equipos que ejecutan investigación o automatización compleja. La conveniencia económica y operativa depende, sin embargo, de la actividad concreta de cada agente y de cómo se configure y supervise el runtime.
Pasos para migrar a la nueva generación
- 01Revisar la configuración actual del runtime de AgentCore.
- 02Verificar la compatibilidad del código del agente con el aislamiento por microVMs.
- 03Configurar las políticas de IAM para el nuevo modelo de facturación por uso.
- 04Implementar monitorización de costes mediante CloudWatch.
- 05Desplegar el agente en la nueva generación y validar el rendimiento.
Continúa explorando
Fuentes consultadas
Correcciones y transparencia
Si detectas un dato incorrecto o desactualizado, puedes enviarnos una corrección indicando la página y la fuente que debemos revisar.
Proponer una corrección