Los agentes de IA están cambiando la forma en que las organizaciones encuentran y actúan sobre la información, pero comparten una limitación estructural: su conocimiento se congela en el momento del entrenamiento. Cuando se le pregunta a un agente que se basa únicamente en sus datos de capacitación sobre el precio de las acciones de hoy, un resultado deportivo o un comunicado que se envió hace una hora, no puede responder.
Web Search en Amazon Bedrock AgentCore, ahora disponible de forma generalizada, aborda esa brecha. Esta capacidad de búsqueda web totalmente administrada y compatible con Model Context Protocol (MCP) permite a sus agentes obtener información de la web sin sobrecarga de infraestructura. Está disponible como un destino o conector administrado que se conecta a su puerta de enlace AgentCore. Los agentes lo descubren con una llamada de lista/herramientas estándar y lo invocan como otras herramientas de MCP. No hay API de búsqueda que aprovisionar, ni credenciales salientes que administrar ni pegamento de análisis de resultados que mantener.
Detrás de ese único conector se encuentra un índice web especialmente diseñado y mantenido por Amazon, que abarca decenas de miles de millones de documentos. Amazon actualiza el índice continuamente, reflejando contenido nuevo en cuestión de minutos. El modelo de privacidad garantiza que las consultas no abandonen AWS. La recuperación puede combinar un gráfico de conocimiento con la extracción de fragmentos semánticos ajustados al contexto del modelo.
En esta publicación, analizamos lo que hace que la búsqueda web en Amazon Bedrock AgentCore sea diferente, por qué es importante y cómo conectarlo con unas pocas líneas de código.
Figura 1: Su aplicación se conecta a AgentCore Gateway (autenticación de entrada de AWS Identity and Access Management (IAM) o JSON Web Token (JWT), que enruta las consultas a través de un conector administrado a la herramienta de búsqueda web en la cuenta de servicio de AWS. El tráfico de consultas permanece dentro de AWS.
Poner a tierra a los agentes en la web es la solución para el conocimiento obsoleto, pero también es donde muchos equipos se quedan estancados. Construirlo usted mismo significa:
Adquirir una API de búsqueda de terceros y administrar claves, cuotas y límites de tarifas. Análisis de formatos de resultados inconsistentes entre proveedores. Razonar sobre adónde viajan las consultas de los clientes y cómo esos datos podrían conservarse o reutilizarse. Crear una lógica de extracción de fragmentos, de modo que los modelos obtengan pasajes relevantes, no HTML sin formato. Manteniendo frescura, cobertura y calidad en el tiempo.
Cada uno de ellos es un proyecto en sí mismo. Web Search en Amazon Bedrock AgentCore aborda todos ellos.
Un índice web especialmente diseñado
Muchas soluciones para “agregar búsqueda web a su agente” son envoltorios de un motor de búsqueda de terceros. La búsqueda web en Amazon Bedrock AgentCore está respaldada por un índice web que Amazon opera directamente y que abarca decenas de miles de millones de documentos. Esa escala es importante para la cobertura. Por ejemplo, la pregunta larga sobre una biblioteca especializada o una especificación de producto poco conocida se puede responder de forma más eficaz cuando el índice es amplio en lugar de limitarse a las páginas más populares.
Actualizado continuamente
Amazon actualiza el índice de forma continua, reflejando contenido nuevo en cuestión de minutos. Para los agentes que responden a preguntas sobre movimientos de precios o anuncios publicados recientemente, esa ventana de actualidad es la diferencia entre una respuesta fundamentada y una con confianza equivocada. Cuando su agente busca "qué pasó hoy", los resultados reflejan lo que realmente pasó hoy.
Gráfico de conocimiento para hechos de alta confianza
Web Search en Amazon Bedrock AgentCore incluye un gráfico de conocimiento integrado que fundamenta las entidades y sus relaciones. Para preguntas objetivas (como quién desempeña un papel o cuándo se fundó algo), el gráfico de conocimiento proporciona respuestas de alta confianza en lugar de dejar que el modelo las infiera a partir del texto de la página extraído. Esto reduce el tipo de deriva fáctica sutil que se cuela cuando un agente elabora una respuesta únicamente a partir de fragmentos.
En lugar de entregarle al modelo un volcado de HTML sin formato o una página completa y esperar que encuentre la parte relevante, la herramienta realiza una extracción de fragmentos semánticamente relevantes. Extrae los pasajes de cada página web relacionados con la consulta y luego los devuelve en una forma optimizada para la ventana de contexto de un modelo. El modelo ve las partes que importan, con menos tokens gastados en texto estándar y cromo de navegación. Esto puede ayudar a mejorar la precisión de las respuestas citadas.
Privado por diseño
Para muchas empresas, la pregunta que frena el lanzamiento de una búsqueda web no es "¿funciona?". Se trata de "¿adónde van las consultas de mis usuarios y qué les sucede?" La búsqueda web en Amazon Bedrock AgentCore está diseñada para que las respuestas a esas preguntas sean simples.
Las consultas no salen de AWS
Cuando su agente realiza una búsqueda, la consulta se realiza íntegramente dentro de la infraestructura de AWS. Las consultas de los clientes no se envían a un motor de búsqueda de terceros ni salen de AWS. La puerta de enlace se autentica en el conector propiedad de AWS y enruta la solicitud internamente, de modo que la ruta de datos permanece dentro de AWS de un extremo a otro. Para los equipos con problemas de residencia de datos o salida de terceros, esto elimina una categoría completa de revisión.
Tutorial
Para comenzar con la herramienta de búsqueda web, debe crear una puerta de enlace AgentCore (si no desea utilizar una existente), agregar el objetivo de la herramienta de búsqueda web e invocarla desde un agente que usa MCP.
Requisitos previos
Para seguir los pasos de configuración de esta publicación, necesita lo siguiente:
Una cuenta de AWS con permisos para crear roles de IAM y recursos de Amazon Bedrock AgentCore. La interfaz de línea de comandos de AWS (AWS CLI) v2 instalada y configurada, o acceso a la consola de administración de AWS. Python 3.10 o posterior (para los ejemplos de SDK y Strands). El SDK de boto3 actualizado a la última versión. Una puerta de enlace AgentCore de Amazon Bedrock. Puede agregar la herramienta de búsqueda web como destino a una puerta de enlace existente o crear una nueva. Para obtener instrucciones sobre cómo crear una puerta de enlace, consulte Creación de una puerta de enlace de Amazon Bedrock AgentCore en la Guía para desarrolladores.
Nota: Seguir estos pasos crea recursos de AWS que generan cargos. Las invocaciones de Amazon Bedrock AgentCore Gateway y Web Search son facturables. Consulte la sección Precios a continuación para obtener más detalles y recuerde limpiar los recursos cuando termine para evitar cargos continuos.
Configuración
Agregar una búsqueda web a un agente se reduce a adjuntar un objetivo de la herramienta de búsqueda web a su puerta de enlace usando el ID del conector: "búsqueda web". Gateway toma instantáneas del esquema de la herramienta, aprovisiona la integración y maneja la administración del esquema, la gobernanza de parámetros, la resolución de puntos finales y la autenticación del servicio por usted.
Verifique que haya agregado el destino llamando a describe_gateway_target o list_gateway_targets y confirmando que Web Search-tool aparece en la respuesta.
El rol saliente y los permisos
Observe las configuraciones de credentialProviderConfigurations anteriores. Esta es toda la historia de la autorización saliente: en lugar de que usted proporcione claves API o administre las credenciales de búsqueda, Gateway se autentica en el backend de Web Search utilizando su propia función de servicio IAM.
Ese rol necesita una política de confianza (para que AgentCore pueda asumirla, con alcance en su cuenta y región) y una política de permisos con dos acciones:
El ARN del recurso InvokeWebSearch es propiedad de AWS (cuenta = aws). La autorización se aplica por invocación contra ese ARN, por lo que otorgarle bedrock-agentcore:InvokeWebSearch es lo que permite que Gateway llame a la búsqueda web en su nombre.
Un par de límites para mantener claros:
Esta función es solo para autenticación saliente (la puerta de enlace llega al backend de la búsqueda web). La autenticación entrante (quién puede llamar a su puerta de enlace) se maneja por separado, generalmente con un autorizador OAuth o JWT como Amazon Cognito. El rol no incluye bedrock:InvokeModel. El acceso al modelo pertenece a cualquier identidad que ejecute su agente, no a la función del servicio Gateway.
Invocar desde marcos compatibles con MCP
Debido a que Web Search está expuesta a través de MCP, un marco compatible con MCP como Strands, LangChain, LangGraph, CrewAI o el suyo propio puede descubrirlo e invocarlo. El agente llama a las herramientas/lista, encuentra WebSearchTool y lo utiliza automáticamente siempre que necesita información actual:
El agente determina que necesita información nueva, invoca WebSearchTool con una consulta adecuada y redacta una respuesta fundamentada con citas de fuentes. No hay código específico de herramienta de su lado.
Formato de respuesta
Los resultados regresan en el sobre de llamada/herramientas MCP estándar. La herramienta devuelve un único bloque de contenido de tipo texto que contiene un documento JSON serializado con los resultados. Analice ese texto interno y obtendrá una identificación más una serie de observaciones de resultados:
Cada observación del índice web (siempre devuelta) lleva título, URL, fecha de publicación y texto. Las observaciones del gráfico de conocimiento (opcional, para consultas de entidades) tienen un título y una URL nulos además de datos estructurados de clave/valor en el campo de texto.
Si necesita conectar a un agente con sus propios datos empresariales, las bases de conocimiento de Amazon Bedrock y las bases de conocimiento administradas de Amazon Bedrock son las herramientas adecuadas. Ingieren, indexan y recuperan contenido de su propiedad. La herramienta de búsqueda web es el complemento. Conecta a los agentes en la web pública para preguntas cuyas respuestas se encuentran fuera de su organización y cambian minuto a minuto. Muchos agentes de producción utilizan ambos: una base de conocimientos para "qué dicen nuestros documentos" y una búsqueda en la web para "lo que es verdad en el mundo en este momento".
Precios
A 7 dólares por cada 1.000 consultas, puedes ejecutar un agente de búsqueda web por menos de un centavo por pregunta con un modelo de pago por uso.
Limpiar recursos
Si creó recursos mientras los seguía, puede eliminarlos para evitar cargos continuos:
Elimine el objetivo de la puerta de enlace: llame a delete_gateway_target con su identificador de puerta de enlace y su ID de destino. Si la puerta de enlace se creó únicamente para este tutorial, elimínela con delete_gateway.
No existe una infraestructura persistente en el lado de AWS más allá de estos recursos. Una vez eliminados, dejarás de incurrir en cargos.
Conclusión
La herramienta de búsqueda web Amazon Bedrock AgentCore brinda a sus agentes conocimientos web actualizados a través de un único ID de conector. No hay API de búsqueda que aprovisionar ni análisis de resultados que mantener. Debajo de esa simplicidad hay un índice web que AWS construye por sí mismo (decenas de miles de millones de documentos, actualizados en minutos), un modelo de privacidad donde las consultas no salen de AWS y una recuperación que puede combinar un gráfico de conocimiento con extracción de fragmentos semánticos ajustados al contexto del modelo. El resultado es un agente que responde con precisión a las preguntas oportunas, cita sus fuentes y mantiene sus datos donde corresponde.
Debido a que Amazon opera toda la pila de búsqueda, las mejoras en la actualidad, cobertura, relevancia y calidad de los fragmentos llegan a sus agentes automáticamente a través del mismo conector administrado. No se necesitan actualizaciones de versión ni migraciones de su parte.
Puede acceder al conector de la herramienta de búsqueda web hoy en us-east-1 (Este de EE. UU. (Norte de Virginia)).
Para comenzar, consulte la documentación de la herramienta de búsqueda web.
Sobre los autores
Veda Raman
Veda Raman es una arquitecta principal especializada en soluciones para GenAI y aprendizaje automático con sede en Maryland. Tiene una amplia experiencia en la arquitectura y creación de aplicaciones AgenticAI y ayuda a los clientes a aplicar las mejores prácticas en la creación de aplicaciones AgenticAI sólidas y rentables.
Kalyan Garimella
Kalyan Garimella es gerente principal de productos en Amazon AGI, con más de 15 años de experiencia en la creación de aplicaciones empresariales y de consumo. Dirige el desarrollo y lanzamiento de capacidades de búsqueda web para Amazon Bedrock AgentCore, abordando una limitación central de los agentes de IA modernos: su incapacidad para acceder a información factual en tiempo real más allá de sus datos de entrenamiento, lo que conduce a respuestas obsoletas y alucinaciones. Al permitir a los agentes recuperar y fundamentar su razonamiento en datos web en vivo, el trabajo de Kalyan mejora directamente la confiabilidad y precisión de los agentes de IA empresarial a escala. Durante sus seis años en Amazon, dirigió iniciativas en AWS, Amazon Music y AGI, y anteriormente ocupó puestos de liderazgo en Deloitte, donde impulsó la transformación digital empresarial a través de iniciativas de Smart IoT a gran escala. Kalyan vive en el Área de la Bahía con su familia.