Habilidades de Agente para Políticas de Razonamiento Automatizado en Amazon Bedrock

Esta publicación del blog de AWS Machine Learning describe un conjunto de habilidades de agente para automatizar el ciclo de vida de las políticas de Amazon Bedrock Automated Reasoning. Las habilidades, construidas sobre el formato abierto de habilidades de agente de Anthropic, extienden a agentes de codificación como Claude Code, Kiro, Cursor y Codex con conocimiento especializado para manejar la autoría, revisión, prueba, depuración, implementación y validación de políticas. Las comprobaciones de Automated Reasoning utilizan un proceso de dos pasos: primero, los modelos fundacionales traducen preguntas y respuestas a lógica formal, y luego un solucionador de teoría de módulos satisfactibilidad (SMT) valida esa lógica contra las reglas de una política, proporcionando veredictos matemáticamente sólidos y explicables. Las seis habilidades incluyen constructor, revisor, probador, depurador, desplegador y validador, cada una con instrucciones y scripts para interacciones específicas con la API. El artículo recorre un ejemplo usando una política de licencia parental, demostrando cómo crear una política a partir de un documento fuente, revisar informes de calidad, ejecutar pruebas e implementar detrás de una salvaguarda. Las lecciones clave enfatizan que la explicabilidad es central: cada veredicto devuelve reglas que apoyan o contradicen, y que un veredicto SATISFIABLE no es un fallo, sino que indica consistencia en lugar de implicación. Las habilidades también manejan restricciones como el número limitado de flujos de trabajo de construcción concurrentes al liberar automáticamente los espacios.