Amazon Bedrock AgentCore מוסיף אופטימיזציה שמזהה כשלים שקטים של agents
AWS מתמודדת עם אחת הבעיות המסובכות ביותר ב-AI אג'נטי בסביבת production: ה-agent שעובר בהצלחה כל health check אבל בשקט מייצר תשובות שגויות. יכולת optimization חדשה ב-Amazon Bedrock AgentCore מגלה, מסבירה ומדרגת דפוסי כשל התנהגותיים שקטים לאורך sessions של agents, ומאפשרת לצוותים לתעדף את הבעיות בעלות ההשפעה הגבוהה ביותר במקום לרדוף אחרי סימפטומים. זהו failure mode שונה לחלוטין מקריסות או שגיאות — המערכת 'למעלה' לפי כל מדד קונבנציונלי, אבל מספקת תוצאות באיכות ירודה.
לצד זה, AWS איחדה את ה-observability של AgentCore על ידי ניתוב traces ו-prompts של agents לאותו CloudWatch log group שאליו נכנסים גם ה-logs של ה-agent. עד עכשיו הטלמטריה הייתה מפוצלת — בין log group המשותף aws/spans לבין יעד נפרד עבור prompts, קלטים ופלטים — מה שהפך את הקורלציה למכאיבה. האיחוד מפשט את ה-debugging של מחזור החיים המלא של הבקשה.
המוטיב המרכזי כאן הוא ההפיכה של agents לתפעוליים: ככל שארגונים מעבירים agents מדמואים ל-production, שיחת הכלים עוברת מ'האם זה יכול לבצע את המשימה' ל'איך אני יודע מתי זה מפסיק בשקט לבצע אותה נכון'. AWS גיבתה את זה עם case study קונקרטי — Motorway בנתה pipeline להערכה שמשלב את ה-Strands Agents SDK עם AgentCore, שהוריד את התוצאות השגויות מ-1 מכל 8 שאילתות ל-1 מכל 50, וקיצר את זמן זיהוי הבעיות משעות לדקות.
מבחינה תחרותית, זה מתייצב מול סטארטאפים של agent-observability (LangSmith, Arize, Fiddler) ומול הדחיפה של Microsoft ל-governance ב-Agent Framework השבוע. הבידול הוא האינטגרציה העמוקה עם ה-stack של Bedrock/CloudWatch. האזהרה: 'מגלה ומדרגת דפוסי כשל' היא טענה חזקה שתלויה מאוד בכמה טוב המערכת מבחינה בין רגרסיות התנהגותיות אמיתיות לבין שונות קבילה. מה לעקוב אחריו: האם צוותים יסמכו על דירוג הכשלים האוטומטי של AgentCore מספיק כדי לפעול לפיו בלי ביקורת ידנית כבדה.
