Modelos de orquestração: do baseado em regras ao nativo de IA - AWS Orientação prescritiva
Orquestração baseada em regras com AWS Step FunctionsOrquestração nativa de IA com Amazon Bedrock AgentsBaseado em regras ou nativo em IA: quando usar qual?Orquestração orientada por eventosPerspectiva estratégica

As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

Modelos de orquestração: do baseado em regras ao nativo de IA

Em sistemas de IA sem servidor orientados a eventos, a orquestração é a lógica conectiva que determina como os eventos acionam e moldam o comportamento do sistema. Em AWS, a orquestração pode seguir dois modelos principais:

  • A orquestração baseada em regras é definida por desenvolvedores usando fluxos de trabalho e máquinas de estado.

  • A orquestração nativa de IA é impulsionada por agentes e grandes modelos de linguagem (LLMs) que raciocinam, planejam e agem com base na intenção e no contexto.

Cada modelo desempenha um papel distinto na construção de sistemas flexíveis, reativos e inteligentes. Juntos, eles permitem que os desenvolvedores façam a transição da automação processual para sistemas autônomos e orientados por metas.

Orquestração baseada em regras com AWS Step Functions

O Step Functions fornece um mecanismo de fluxo de trabalho visual para orquestrar serviços como AWS Lambda Amazon, SageMaker Amazon Bedrock, Amazon DynamoDB e Amazon Simple Storage Service (Amazon S3). A lógica é determinística, pois as etapas são definidas explicitamente e as transições são baseadas em condições.

Os principais benefícios da orquestração baseada em regras com Step Functions incluem o seguinte:

  • Forte auditabilidade e visibilidade por meio de um console visual de fluxo de trabalho

  • Tratamento de erros, novas tentativas e paralelismo integrados

  • Ideal para fluxos de controle lineares ou ramificados com caminhos bem definidos

O diagrama a seguir mostra o fluxo de trabalho de um exemplo de caso de uso de ingestão e processamento de documentos.

Exemplo de orquestração baseada em regras de ingestão e processamento de documentos.

Neste exemplo, um escritório jurídico automatiza a análise dos contratos enviados nas seguintes etapas:

  1. Acionador de evento — Os documentos legais são enviados para um bucket do Amazon S3, que aciona um evento da EventBridge Amazon, que é encaminhado para um fluxo de trabalho do Step Functions.

  2. Workflow — Step Functions executa as seguintes etapas:

    1. Processamento de documentos — Uma função Lambda limpa e executa o reconhecimento óptico inicial de caracteres (OCR) no documento.

    2. Extração de texto — O Amazon Textract extrai textos e dados importantes do documento.

    3. Análise — O Amazon Comprehend analisa o texto para classificar os níveis de risco e o sentimento.

    4. Resumo — O Amazon Bedrock gera um resumo conciso do contrato.

    5. Armazenamento de dados — Os resultados são gravados no Amazon OpenSearch Service para indexação.

  3. Recuperação — A equipe jurídica pode pesquisar, filtrar e visualizar a análise de contratos por meio de painéis.

Essa arquitetura aproveita os recursos de integração do AWS SDK do Step Functions para interagir diretamente com cada um AWS service (Serviço da AWS) no fluxo de trabalho. Essa abordagem reduz a complexidade e elimina a necessidade de funções Lambda separadas entre cada etapa de processamento. A gravação final no OpenSearch Service também é feita por meio da integração do SDK. Como resultado, o Step Functions pode indexar os resultados da análise de documentos, classificações de risco, análise de sentimentos e resumos gerados por IA diretamente no Service. OpenSearch A equipe jurídica pode acessar as informações por meio de painéis para pesquisar, filtrar e visualizar a análise do contrato.

Cada tarefa é um estado definido com tratamento de erros integrado. Nenhuma decisão é tomada pela IA e a orquestração é explícita.

Orquestração nativa de IA com Amazon Bedrock Agents

Onde o Step Functions gerencia como as coisas acontecem, os agentes do Amazon Bedrock decidem o que deve acontecer com base nas metas do usuário. Um agente ou agentes do Amazon Bedrock criados no Amazon Bedrock AgentCore combinam o seguinte:

  • Um LLM como Anthropic Claude ou Amazon Nova

  • Um conjunto de integrações de ferramentas, como funções Lambda (ou cliente do Model Context Protocol (MCP) para executar integrações MCP)

  • Bases de conhecimento opcionais para fundamentação contextual

  • Memória integrada e rastreamento de metas

Os agentes interpretam a entrada em linguagem natural, raciocinam sobre ela e invocam ferramentas de forma autônoma para atender à intenção do usuário, transferindo a lógica de orquestração para o modelo.

Os principais benefícios da orquestração nativa de IA com os Amazon Bedrock Agents incluem o seguinte:

  • Flexibilidade semântica — Interprete entradas variadas de linguagem natural.

  • Autonomia da ferramenta — Selecione as ferramentas certas em tempo de execução.

  • Fundamentação contextual - Cite o conteúdo da base de conhecimento com precisão.

  • Manutenção mínima para desenvolvedores — defina as ferramentas e não o fluxo.

O diagrama a seguir mostra o fluxo de trabalho de um exemplo de caso de uso da automação do suporte ao cliente com o Amazon Bedrock Agents.

Fluxo de trabalho usando orquestração de IA por meio do Amazon Bedrock Agents.

Neste exemplo, um usuário em um site de varejo digita uma mensagem no chatbot de suporte. O seguinte fluxo de trabalho ocorre:

  1. As ações do gatilho do evento são as seguintes:

    1. O usuário envia uma mensagem: “Preciso devolver os sapatos que encomendei na semana passada. Você pode ajudar?”

    2. A mensagem é recebida e encaminhada EventBridge.

    3. EventBridge aciona o agente Amazon Bedrock.

  2. O processo de raciocínio do agente é o seguinte:

    1. Extração de intenção — O agente identifica a intenção como “pedido de devolução”.

    2. Recuperação de dados — O agente consulta o sistema CRM usando a função GetOrderHistory Lambda.

    3. Verificação de elegibilidade — O agente chama a função ProcessReturn Lambda para verificar a elegibilidade da devolução.

    4. Geração de resposta — O agente formula a resposta apropriada.

  3. A ação de comunicação com o cliente ocorre quando o agente responde “Sua devolução está sendo processada. Espere um e-mail de confirmação em breve.”

Todo o fluxo de trabalho demonstra como o Amazon Bedrock Agents orquestra uma lógica de negócios complexa por meio de grupos de ação definidos. Ao conectar a intenção do cliente com sistemas e processos de back-end, ele oferece uma experiência de atendimento ao cliente automatizada, mas contextualmente adequada.

O Amazon Bedrock AgentCore estende o ecossistema Amazon Bedrock além de agentes individuais para fornecer uma arquitetura completa de tempo de execução e memória para sistemas de IA autônomos e orientados por eventos.

Os agentes Amazon Bedrock se concentram em orquestrar sequências de raciocínio e ação para uma única tarefa ou domínio. AgentCore fornece a infraestrutura subjacente para compor, coordenar e manter fluxos de trabalho multiagentes em ambientes distribuídos sem servidor.

O diagrama a seguir mostra o fluxo de trabalho de um exemplo de caso de uso da automação do suporte ao cliente com AgentCore.

Fluxo de trabalho de automação de suporte ao cliente usando EventBridge AgentCore, e Lambda.

Este exemplo segue as mesmas ações do exemplo anterior do Amazon Bedrock Agents: um usuário em um site de varejo digita uma mensagem no chatbot de suporte. O seguinte fluxo de trabalho ocorre:

  1. O usuário envia uma mensagem: “Preciso devolver os sapatos que encomendei na semana passada. Você pode ajudar?”

  2. A mensagem é recebida e encaminhada EventBridge.

  3. EventBridge aciona o endpoint do AgentCore Runtime.

AgentCore apresenta três recursos principais que complementam os modelos de orquestração existentes:

  • AgentCore Runtime — Um ambiente de execução gerenciado para executar a lógica de agente personalizada dentro do AWS. Ele se integra de forma nativa ao AWS Lambda Amazon ECS para escalar o comportamento do agente sob demanda, eliminando a necessidade de gerenciar manualmente a infraestrutura de contêineres ou funções.

  • AgentCore Memória — fornece armazenamento persistente e estruturado para contexto, estado e histórico de tarefas. Isso permite que os agentes mantenham a continuidade entre invocações e fluxos de trabalho, oferecendo suporte aos modos de memória efêmero e de longo prazo. Os dados de memória podem ser sincronizados com o DynamoDB ou o Amazon Simple Storage Service (Amazon S3) para fins de observabilidade e conformidade.

  • AgentCore Gateway — Interfaces gerenciadas para invocação segura Serviços da AWS e externa APIs por meio do Model Context Protocol (MCP). Esses conectores permitem que os agentes interajam diretamente com dados, ferramentas e aplicativos corporativos, permitindo uma orquestração mais rica sem código de integração personalizado.

Juntos, esses componentes possibilitam a criação de sistemas multiagentes adaptáveis que operam em arquiteturas sem servidor e orientadas por eventos. Por exemplo, o AgentCore Runtime pode hospedar vários agentes especializados que coordenam por meio EventBridge ou Step Functions, usando AgentCore Memory para compartilhar contexto e garantir resultados determinísticos e auditáveis.

Ao conectar a intenção do cliente com sistemas e processos de back-end, AgentCore oferece uma experiência de atendimento ao cliente automatizada, mas contextualmente adequada.

A orquestração não é codificada. O LLM determina o fluxo de trabalho dinamicamente, tornando o sistema mais resiliente à variação e ambigüidade nas entradas.

Baseado em regras ou nativo em IA: quando usar qual?

AWS Step Functions e os Amazon Bedrock Agents se destacam em diferentes cenários de orquestração. Como melhor prática, use Step Functions para processos controlados e Amazon Bedrock Agents para interação em linguagem natural e cumprimento flexível de metas. A tabela a seguir compara esses serviços em vários tipos de casos de uso.

Tipo de caso de uso

Step Functions (baseado em regras)

Amazon Bedrock Agents (nativos de IA)

Fluxo de trabalho determinístico

Ideal

Não é necessário.

Entrada não estruturada do usuário

Rígido

Interpreta e adapta.

Regras de negócios complexas

Modele usando condições

Pode inferir usando o raciocínio semântico.

Requer uma trilha de auditoria refinada

Rastreamento de estado completo

Rastreamento limitado, dependendo dos registros do agente. No entanto, ferramentas como pesos, vieses e registro de invocação de modelos podem mitigar essa limitação.

Automação sensível à latência

Coordenação em tempo real

Em tempo real, embora um pouco maior devido ao processamento do LLM.

Experiências de usuário direcionadas a objetivos

Requer design explícito

O agente pode inferir a meta e compor o fluxo.

Orquestração orientada por eventos

Seja usando orquestração baseada em regras ou nativa de IA, os eventos são o mecanismo que ativa a inteligência em um sistema sem servidor. Nos dois modelos de orquestração, ocorre a seguinte sequência:

  1. Um evento é emitido por meio de EventBridge. Exemplos de um evento são entradas de usuários, carregamentos de documentos e transações.

  2. Esse evento aciona o orquestrador apropriado:

    • Step Functions se a lógica for determinística

    • AWS Lambda ou tarefas do Amazon ECS para tempo de execução AWS nativo assinadas EventBridge para design coreografado

    • Amazon Bedrock Agents se a lógica for dinâmica ou conversacional

  3. AgentCore os agentes podem emitir e assinar EventBridge eventos de forma nativa usando o AgentCore SDK. Com essa abordagem, os agentes participam diretamente dos fluxos de trabalho sem servidor, mantendo o contexto de longo prazo por meio da memória. AgentCore Essa integração forma uma camada dupla de comunicação:

    • EventBridge fornece roteamento de eventos determinístico e auditável.

    • AgentCore A memória mais o Agent2Agent protocolo (A2A) fornecem compartilhamento de estado semântico e descoberta de recursos.

  4. Cada orquestrador coordena os serviços de IA e emite outros eventos, como conclusão, erro e acionadores posteriores.

Esse modelo reativo garante escalabilidade, resiliência e design modular, permitindo que partes do sistema evoluam de forma independente.

Perspectiva estratégica

O EDA oferece suporte tanto à orquestração baseada em regras quanto aos modelos de orquestração nativos de IA, além de permitir que os dois modelos coexistam. O Step Functions fornece automação confiável e repetível, e o Amazon Bedrock Agents introduz inteligência dinâmica e sensível ao contexto.

Juntos, eles fornecem às organizações a capacidade de fazer o seguinte:

  • Automatize processos repetitivos e de alto volume

  • Ofereça assistentes inteligentes e adaptáveis voltados para o usuário

  • Dimensione a IA sem gargalos ou rigidez arquitetônica

A orquestração não é mais apenas sobre regras, é sobre interpretação de intenções, seleção de ferramentas e execução autônoma. AWS Combinações Serverless on AWS Step Functions para fluxos de trabalho estruturados e Amazon Bedrock Agents para orquestração semântica. Essa estrutura unificada permite criar a próxima geração de sistemas de IA agentes e sem servidor.