AWS ukazuje serverless agenta na úpravu obrázkov cez AgentCore harness

AWS zverejnil praktický návod na serverless agenta na úpravu obrázkov, ktorý stojí na Amazon Bedrock AgentCore harness. Nejde iba o ďalšiu ukážku generovania obrázkov. Zaujímavé je najmä to, kde AWS kreslí hranicu medzi modelom, nástrojmi, pamäťou, bezpečnostnou vrstvou a bežným deterministickým kódom. Používateľ nahrá fotografiu, opíše úpravu prirodzeným jazykom a aplikácia má vybrať správny obrazový nástroj, vykonať zmenu a vrátiť výsledok bez toho, aby vývojár písal vlastnú slučku agentického plánovania.

Architektúra je postavená zo štyroch vrstiev. Na vstupe je webové rozhranie v Reacte hostované cez AWS Amplify, cez ktoré používateľ nahráva obrázky, prípadne vyznačuje masku a píše požiadavku. Medzi prehliadačom a agentom stojí Lambda proxy, ktorá má slúžiť ako bezpečnostná hranica a kontrolovať, aké systémové pokyny a voľby modelu sa vôbec dostanú k runtime. Samotný agent beží v AgentCore harness a používa pamäť na udržanie kontextu konverzácie. Obrazové operácie potom vykonávajú tri Lambda nástroje napojené cez AgentCore Gateway a Model Context Protocol na modely Stability AI v Amazon Bedrocku.

Pre vývojárov je podstatná práve myšlienka „harnessu“. AWS tvrdí, že agent sa dá vytvoriť konfiguráciou API parametrov: názov, rola, model, systémový prompt, gateway a presne povolené nástroje. V ukážke sú explicitne vymenované operácie pre inpainting, outpainting a search-and-replace, namiesto toho, aby agent dostal voľnú hviezdičku na všetky nástroje v bráne. To je dôležitý detail. V produkčnom prostredí nie je bezpečnosť agentov iba otázkou lepšieho promptu; je to aj otázka toho, či runtime technicky zabráni volaniu nástroja, ktorý agent na danú úlohu nepotrebuje.

Návod zároveň ukazuje praktický kompromis medzi modelovou inteligenciou a obyčajným kódom. Claude Sonnet 4.6 má podľa príkladu rozumieť požiadavke, vybrať správny nástroj a udržať viac krokov v konverzácii. Po dokončení úpravy však aplikácia pridáva vodoznak priamo príkazom spusteným v AgentCore runtime microVM. Takýto krok nepotrebuje nové uvažovanie modelu, a preto neplytvá tokenmi. Pre tímy, ktoré dnes stavajú agentov, je to dobrá pripomienka: agentický workflow nemusí znamenať, že každý detail má riešiť LLM. Stabilné, auditovateľné a lacné kroky majú zostať v deterministickom kóde.

Ďalším zaujímavým prvkom je prepínanie modelov po jednotlivých invokáciách. Frontend môže podľa AWS použiť menší model na jednoduchú konverzáciu a výkonnejší model na náročnejšie úpravy obrazu, pričom AgentCore zachováva kontext. To je praktickejšie ako pevne zvolený model pre celý produkt. V reálnych aplikáciách sa často miešajú lacné odpovede, plánovanie, volanie nástrojov a kroky, kde je kvalita dôležitejšia ako latencia. Ak runtime dovolí meniť model bez straty konverzačného stavu, tímy môžu optimalizovať náklady jemnejšie než iba prepínačom medzi „lacnou“ a „prémiovou“ verziou aplikácie.

AWS do ukážky vkladá aj persony pre rôzne odvetvia, napríklad realitný, retailový alebo automobilový scenár. Technicky ide o šablóny systémových pokynov, ktoré sa dajú meniť bez redeployu agenta. Redakčne je dôležité nepreceniť túto časť: persony samy osebe nerobia z demá plnohodnotný produkt. No ukazujú, ako cloudoví poskytovatelia premýšľajú o agentoch ako o konfigurovateľných runtime jednotkách, nie iba ako o knižnici v kóde aplikácie. Organizácia môže mať jeden základný agentický mechanizmus a nad ním rôzne politiky, štýly výstupu či obmedzenia pre jednotlivé tímy.

Pamäť v príklade uchováva históriu konverzácie 30 dní a frontend si drží identifikátor relácie v localStorage. To znižuje potrebu opakovane posielať celý kontext z klienta, ale zároveň otvára otázky správy životného cyklu dát. Pri obrazových úlohách môžu vstupy obsahovať osobné, komerčné alebo licenčne citlivé materiály. Produkčná implementácia preto nemôže skončiť pri ukážkovom CDK deployi. Bude potrebovať politiku mazania, kontrolu prístupov, audit nástrojov, šifrovanie úložísk a jasnú odpoveď na to, kto môže spätne vidieť vstupné aj upravené obrázky.

Praktický význam novinky je v tom, že AWS posúva AgentCore harness z abstraktnej agentickej infraštruktúry do konkrétnej multimodálnej aplikácie. Serverless image editor nie je sám osebe revolúcia, ale je dobrý testovací prípad: kombinuje prirodzený jazyk, súbory, nástroje, pamäť, modelové prepínanie, frontend, autentifikáciu a post-processing. Práve takéto zložené úlohy ukazujú, či agentická platforma znižuje množstvo integračného kódu, alebo iba presúva zložitosť do iného konfiguračného formátu.

Pre firmy je hlavný dopad v rýchlosti prototypovania a v štandardizácii. Ak sa podobný vzor osvedčí, tímy nebudú pre každého agenta znova riešiť izoláciu runtime, routovanie nástrojov, pamäť a pozorovateľnosť. Zároveň však platí, že ukážka je stále návod, nie dôkaz produkčnej spoľahlivosti. Najväčšia práca začne pri monitorovaní chybných úprav, pri testovaní prompt-injection útokov cez nahrané súbory, pri kontrole oprávnení nástrojov a pri meraní nákladov. AgentCore harness tak vyzerá menej ako hotová „magická“ vrstva a viac ako pokus urobiť z agentov spravovateľnú cloudovú infraštruktúru.