Las grandes conferencias y eventos generan cantidades abrumadoras de información, desde cientos de sesiones y talleres hasta perfiles de oradores, mapas de lugares y cronogramas en constante actualización. Si bien los asistentes básicos de IA pueden responder preguntas simples sobre la logística de eventos, la mayoría no brinda la orientación personalizada y el conocimiento contextual que los asistentes necesitan para navegar de manera efectiva en conferencias complejas de varios días. Más importante aún, pasar estos prototipos de la demostración a la producción (con seguridad empresarial, escalabilidad para miles de usuarios simultáneos y rendimiento confiable) generalmente requiere meses de desarrollo de infraestructura.
Esta publicación demuestra cómo implementar rápidamente un asistente de eventos listo para producción utilizando los componentes de Amazon Bedrock AgentCore. Crearemos un compañero inteligente que recuerde las preferencias de los asistentes y cree experiencias personalizadas a lo largo del tiempo, mientras Amazon Bedrock AgentCore se encarga del trabajo pesado de la implementación de producción: Amazon Bedrock AgentCore Memory para mantener el contexto de conversación y las preferencias a largo plazo sin soluciones de almacenamiento personalizadas, Amazon Bedrock AgentCore Identity para una autenticación segura de múltiples IDP y Amazon Bedrock AgentCore Runtime para el escalado sin servidor y el aislamiento de sesiones. También utilizaremos las bases de conocimientos de Amazon Bedrock para la recuperación de datos de eventos y RAG administrados.
Al final, aprenderá cómo implementar un asistente que se vuelve más útil con cada interacción: una guía proactiva que garantiza que los asistentes puedan descubrir sus sesiones más valiosas, lista para atender a miles de asistentes simultáneos a conferencias con seguridad y confiabilidad de nivel empresarial, todo sin administrar la infraestructura.
Si es nuevo en Amazon Bedrock AgentCore, no dude en revisar las siguientes publicaciones del blog para comprender los conceptos fundamentales antes de sumergirse en esta implementación:
Arquitectura de la solución
Repasemos la arquitectura y el flujo de trabajo de nuestro agente de eventos inteligente. La implementación completa está disponible en este repositorio de GitHub que proporciona un cuaderno guiado que puede seguir para implementar esta solución en su propia cuenta de AWS.
Cómo funciona la solución
Exploremos las diferentes secciones:
1. Inicio de sesión de usuario y recuperación de identidad
El usuario inicia sesión en la aplicación mediante Amazon Cognito (AgentCore Identity también admite otros proveedores de identidad como Okta, Auth0 y IDP compatibles con OIDC), que genera un token de portador tras una autenticación exitosa. Este token contiene información sobre el usuario y se utilizará en todo el flujo de trabajo para la autenticación y la recuperación de datos específicos del usuario.
2. Invocación e inicialización del agente.
Cuando el usuario interactúa con la aplicación y envía una consulta, la aplicación llama a Amazon Bedrock AgentCore Runtime con tres parámetros clave: la consulta del usuario, un ID de sesión (por ejemplo, SessionA) y el token de portador de Amazon Cognito. Esto vincula las interacciones tanto con el usuario como con su sesión actual. AgentCore Identity autentica y autoriza al usuario antes de permitir el acceso al agente.
En la primera interacción, Strands Agent se inicializa dentro de Amazon Bedrock AgentCore Runtime y recupera las preferencias de usuario disponibles del almacenamiento a largo plazo de Amazon Bedrock AgentCore Memory, preparándose con un contexto personalizado. Para interacciones posteriores dentro de una misma sesión, el agente continúa con la conversación utilizando el contexto que ya ha establecido.
3. Procesamiento de mensajes
El agente almacena los mensajes del usuario y del asistente en el almacenamiento a corto plazo de Amazon Bedrock AgentCore Memory, que contiene actor_id y session_id. actor_id es el reclamo sub (identificador de sujeto) extraído del token de portador de Amazon Cognito. El contexto de la conversación permanece privado y disponible solo para el usuario específico dentro de su sesión actual. Detrás de escena, Amazon Bedrock AgentCore Memory emplea una canalización de transformación que procesa automáticamente estos eventos de conversación a través de estrategias de memoria configuradas.
Cada estrategia de memoria utiliza el reconocimiento de patrones y la comprensión del lenguaje natural para analizar los datos sin procesar de la conversación, identificando tipos específicos de información valiosa (como las preferencias del usuario) y extrayendo información significativa que garantiza la retención a largo plazo. Luego, el sistema estructura esta información extraída en registros de memoria estandarizados, los etiqueta con metadatos relevantes y los almacena en espacios de nombres dedicados dentro de la memoria a largo plazo, para que el agente los utilice para desarrollar una comprensión cada vez más refinada de los usuarios en múltiples sesiones.
4. Recuperación del conocimiento y la memoria.
Para cumplir con la solicitud del usuario, el agente puede activar herramientas especializadas. Puede llamar a una base de conocimientos de Amazon Bedrock para obtener detalles actualizados de eventos, como descripciones de sesiones, horarios o biografías de los oradores.
5. Generación de respuesta
El agente procesa la consulta enriquecida con tres capas de contexto: información de la memoria a largo plazo (historial personalizado de asistentes), contexto de la memoria a corto plazo (mensajes recientes en la sesión) y datos de eventos actuales de la base de conocimientos. Luego genera una respuesta contextualizada y personalizada. Esta arquitectura transforma una consulta simple como "¿A qué sesiones debo asistir mañana?" en una experiencia personalizada: el agente recuerda los temas que le gustaron al usuario ayer, considera la conversación actual y responde con recomendaciones específicas adaptadas a los intereses y el historial del usuario.
Componentes de la solución
Ahora comprendamos el papel de cada componente de la solución.
El agente (AgentCore Runtime e integración de identidad)
El núcleo de nuestra solución de asistente de eventos es Amazon Bedrock AgentCore Runtime, un componente que proporciona un entorno seguro y sin servidor para alojar a nuestro agente. Runtime gestiona el ciclo de vida completo de las interacciones del usuario a través de sesiones aisladas, cada una de las cuales se ejecuta en microVM dedicadas con recursos de CPU, memoria y sistema de archivos independientes. Este aislamiento de sesión garantiza que miles de asistentes a la conferencia puedan interactuar simultáneamente con instancias personalizadas del agente sin contaminación de datos entre sesiones.
La seguridad y la autenticación se manejan a través de Amazon Bedrock AgentCore Identity, que se integra perfectamente con Amazon Cognito (y otros IDP). Cuando un asistente envía una consulta al asistente del evento, Amazon Bedrock AgentCore Identity valida el token de portador de Amazon Cognito antes de permitir que continúe la interacción. El token de portador se propaga a través de encabezados y el agente recupera este token para llamar al servidor de descubrimiento de Amazon Cognito, extrayendo la subscripción del usuario y otra información de usuario relacionada. Para este caso de uso, utilizamos el subusuario como actor_id para la información de la sesión, lo que permite al agente mantener el contexto específico del usuario y ofrecer recomendaciones personalizadas. Este reconocimiento de identidad ayuda a garantizar que las preferencias, el historial de conversaciones y los datos de la sesión de cada asistente puedan permanecer privados y seguros.
Al combinar la infraestructura de alojamiento escalable de Runtime con el marco de autenticación de Identity, nuestro asistente de eventos puede ofrecer conferencias masivas de manera más segura y, al mismo tiempo, brindar orientación personalizada y constante a cada asistente individual.
Memoria del agente
Amazon Bedrock AgentCore Memory proporciona el conocimiento del contexto crítico que transforma a nuestro asistente de eventos de una simple herramienta de preguntas y respuestas a una guía verdaderamente personalizada. El servicio se compone de memoria a corto y largo plazo, que trabajan juntas para permitir relaciones continuas y en evolución entre los asistentes y el asistente del evento.
Memoria a corto plazo: capturar la conversación
La memoria a corto plazo es donde comienzan las interacciones. A medida que se desarrollan las conversaciones, el agente almacena sincrónicamente cada intercambio de mensajes como un evento inmutable en la memoria a corto plazo. Estos eventos están organizados jerárquicamente por actor_id y session_id como se muestra en el diagrama. Recuerde que actor_id se extrae del token portador de Cognito (el sub del usuario), mientras que session_id proviene del identificador de sesión de AgentCore Runtime.
Esta estructura organizacional tiene dos propósitos críticos. Primero, mantiene la narrativa cronológica de cada conversación, preservando el flujo natural del diálogo. En segundo lugar, proporciona un aislamiento preciso: la conversación del actor A en la sesión A1 permanece separada de la sesión B o de las sesiones de otro actor. Esto facilita la privacidad y permite al agente recuperar exactamente el contexto de conversación correcto sin cargar datos no relacionados. El agente puede recuperar rápidamente mensajes recientes de la memoria a corto plazo para mantener la continuidad de la conversación. Cuando un asistente hace una pregunta de seguimiento como "¿A qué hora es esa sesión?" el agente sabe qué sesión se acaba de discutir porque tiene acceso inmediato al historial de conversaciones.
Memoria a largo plazo: construcción de inteligencia persistente
Mientras que la memoria a corto plazo capta lo que se dijo, la memoria a largo plazo extrae lo que importa. A medida que ocurren las conversaciones, el servicio AgentCore Memory procesa automáticamente estas interacciones para identificar y almacenar información significativa que persiste a lo largo de las sesiones. Nuestro agente de eventos utiliza una estrategia de Preferencias de usuario para capturar preferencias explícitas sobre formatos de sesión, temas o estilos de presentación. Por ejemplo, "Prefiere talleres prácticos a conferencias" o "Interesado en temas de aprendizaje automático y sin servidor".
Estas preferencias se almacenan en un espacio de nombres dedicado dentro de la memoria a largo plazo (por ejemplo, /event-agent/actor-A/preferences), para una organización clara y una recuperación específica.
Orquestación del agente y la memoria.
La integración perfecta entre Strands Agent y AgentCore Memory se respalda a través de ganchos de agente: puntos de contacto impulsados por eventos que activan automáticamente operaciones de memoria durante todo el ciclo de vida del agente. Como se muestra en el siguiente diagrama:
El enlace de evento inicializado del agente recupera las preferencias del usuario de la memoria a largo plazo cuando comienza una sesión, cargando los intereses del asistente y los tipos de sesión preferidos para permitir recomendaciones personalizadas desde la primera consulta. Los enlaces de eventos de mensajes agregados capturan cada mensaje de usuario y asistente, almacenándolos sincrónicamente en la memoria a corto plazo para mantener el historial de conversaciones.
Nota: Si bien AgentCore proporciona un administrador de memoria automatizado que implementa herramientas de memoria automáticamente, esta solución utiliza enlaces para un control preciso sobre cuándo y cómo se invocan las operaciones de memoria, para una optimización precisa del flujo de trabajo específico del asistente de eventos.
Más allá de estas operaciones automáticas, si no hay suficiente información, el agente utiliza la herramienta Recuperar datos de sesiones para consultar la base de conocimientos de Amazon Bedrock para obtener detalles del evento actual.
Este enfoque dual (precargar el contexto esencial al inicio y recuperar selectivamente detalles bajo demanda) ofrece velocidad y precisión sin inflar el contexto de la sesión con información innecesaria.
Bases de conocimiento de Amazon Bedrock
Si bien AgentCore Memory mantiene un contexto personalizado y un historial de conversaciones, las conferencias grandes generan grandes cantidades de información estructurada (cientos de detalles de sesiones, perfiles de oradores, mapas de lugares y actualizaciones de horarios) que requieren una organización y recuperación eficientes.
Amazon Bedrock Knowledge Bases es un servicio totalmente administrado que admite la generación aumentada de recuperación (RAG) mediante la conexión de modelos básicos a sus fuentes de datos. Maneja automáticamente la ingesta, el procesamiento y la indexación de documentos, convirtiéndolos en incrustaciones de vectores almacenados en una base de datos de vectores. Esto permite a los agentes realizar búsquedas semánticas, recuperando información basada en el significado y el contexto en lugar de coincidencias exactas de palabras clave.
La arquitectura implementa la base de conocimientos como una herramienta especializada dentro del marco de Strands. Cuando los asistentes hacen preguntas específicas sobre las sesiones, los oradores o la logística del lugar, el agente invoca esta herramienta para recuperar información precisa y actualizada. La integración entre la memoria y la base de conocimientos crea una combinación poderosa. Cuando un asistente pregunta: "¿A qué sesiones de IA debo asistir?", el agente recupera los detalles de la sesión de la base de conocimientos mientras usa la memoria para filtrar y priorizar recomendaciones basadas en los intereses expresados previamente por el asistente. Esto facilita respuestas que son objetivamente completas y personalmente relevantes, ayudando a transformar la abrumadora complejidad de las grandes conferencias en una guía manejable y personalizada.
Conclusión
En esta publicación, exploramos cómo puede utilizar los componentes de Amazon Bedrock AgentCore para producir rápidamente un asistente de eventos, llevándolo desde el prototipo hasta la implementación a escala lista para la empresa. Si bien se pueden crear agentes conversacionales inteligentes con varias herramientas, el verdadero desafío radica en la implementación en producción. El valor de Amazon Bedrock Knowledge Bases y Amazon Bedrock AgentCore radica en proporcionar servicios administrados que manejan la autenticación, el escalado, la administración de memoria y las capacidades RAG listas para usar, lo que ayuda a eliminar meses de trabajo de infraestructura.
El resultado es un asistente de eventos que recuerda el interés de un asistente en las tecnologías sin servidor de las conversaciones de ayer, entiende que prefieren talleres prácticos y utiliza este contexto para ofrecer recomendaciones relevantes del programa de mañana, todo mientras mantiene el flujo de conversación de una sesión de planificación en curso.
Ésta es la diferencia entre un prototipo que demuestra un comportamiento inteligente y un sistema listo para producción que puede ofrecer experiencias personalizadas a miles de asistentes simultáneos a conferencias con seguridad y confiabilidad empresarial. Ya sea que esté planeando una pequeña reunión corporativa o una conferencia masiva de varios días, Amazon Bedrock AgentCore proporciona la infraestructura administrada para implementar asistencia inteligente en días en lugar de meses.
Próximos pasos
¿Listo para mejorar aún más tu asistente de eventos? A continuación se muestran algunas formas de ampliar esta solución:
Amplíe las capacidades con AgentCore Gateway: Amazon Bedrock AgentCore Gateway ayuda a conectar a su asistente de eventos con herramientas y servicios adicionales a escala. Convierta las API existentes, las funciones Lambda o los servicios de terceros en herramientas que su agente pueda usar, ya sea integrándose con sistemas de registro de eventos, conectándose a Slack para recibir notificaciones de los asistentes o vinculándose a Salesforce para realizar un seguimiento de clientes potenciales. Explore el repositorio de GitHub: visite nuestra implementación completa con orientación paso a paso, código de ejemplo e instrucciones de implementación para crear esta solución en su propia cuenta de AWS.
Sobre los autores
Dani Mitchell
Dani Mitchell es arquitecto senior de soluciones especializado en IA generativa en Amazon Web Services (AWS). Su objetivo es ayudar a acelerar empresas de todo el mundo en sus viajes de IA generativa con Bedrock AgentCore y Amazon Bedrock.
Sergio Garcés Vitale
Sergio Garcés Vitale es Arquitecto de Soluciones Senior en AWS, apasionado de la IA generativa. Con más de 10 años de experiencia en la industria de las telecomunicaciones, donde ayudó a construir sistemas de datos y observabilidad. Durante los últimos 5 años, Sergio se ha centrado en guiar a los clientes en su adopción de la nube, así como en implementar casos de uso de inteligencia artificial.
Akarsha Sehwag
Akarsha Sehwag es científico de datos de IA generativa para el equipo de Amazon Bedrock AgentCore GTM. Con más de seis años de experiencia en IA/ML, ha creado soluciones empresariales listas para producción en diversos segmentos de clientes en los dominios de IA generativa, aprendizaje profundo y visión por computadora. Fuera del trabajo, le gusta caminar, andar en bicicleta o jugar al bádminton.