AgentesSeguridad de IA 🇺🇸 07.08.2026 09:03

Control de Comportamientos y Costos de Agentes Más Allá de una Sola Acción: Nuevas Capacidades en Amazon Bedrock AgentCore

Amazon Web ServicesAmazon Web Services
AWS ha presentado nuevas capacidades en Amazon Bedrock AgentCore para controlar los comportamientos y costos de los agentes. Las políticas temporales, impulsadas por el nuevo lenguaje de políticas de código abierto Dogwood, permiten verificar secuencias de acciones, mientras que la limitación de velocidad en la pasarela limita el consumo por usuario. Estas características buscan abordar los riesgos de seguridad y la imprevisibilidad de costos en los agentes de IA.
Según McKinsey, alrededor del 80% de las organizaciones han encontrado comportamientos riesgosos por parte de agentes de IA, lo que convierte a la seguridad y los riesgos en la principal barrera para escalar la IA agéntica. Para abordar esto, AWS anunció nuevas capacidades en Amazon Bedrock AgentCore. La puerta de enlace, un punto de entrada serverless totalmente gestionado para el tráfico de IA, ahora admite políticas temporales impulsadas por Dogwood, un lenguaje de políticas de código abierto construido sobre Cedar. Las políticas temporales permiten que el motor de políticas considere las acciones pasadas del agente en una sesión, lo que permite comprobaciones como bloquear una transferencia que utiliza un número de cuenta incorrecto o detener compras una vez que se alcanza un presupuesto. Se aplican de manera determinista en la capa de puerta de enlace, denegando por defecto y registrando todo el contexto. Además, se ofrece limitación de velocidad, lo que permite a los equipos limitar solicitudes, tokens y duraciones de conexión por usuario en todas las herramientas, modelos y agentes, utilizando identidades de OAuth o IAM. Los límites se aplican en ventanas de por segundo y por minuto y entran en vigor sin cambiar el código del agente. Estas capacidades tienen como objetivo brindar a las empresas control sobre el comportamiento y el costo de los agentes, con políticas y límites gestionados a nivel de plataforma.
Fuente: AWS ML blog — original
Nuestros artículos anteriores sobre este tema ↓
Noticias frescas