AWS Bedrock AgentCore Runtime ganha MCP stateful
TL;DR
A Amazon Bedrock AgentCore Runtime passou a suportar features stateful de servidores MCP, o que abre espaço para fluxos interativos com coleta de entrada, geração assistida e notificações de progresso no meio da execução. Na prática, isso reduz a distância entre um agente “que chama ferramentas” e um agente que realmente conduz uma sessão longa sem perder contexto.
O ponto mais importante não é só o nome da feature, mas o que ela habilita: sessões mantidas por `Mcp-Session-Id`, `elicitation` para pedir confirmação ou dados extras, `sampling` para delegar geração ao cliente e `progress notifications` para tarefas demoradas. Para quem constrói automação em cloud, isso deixa a experiência mais próxima de um fluxo de trabalho real do que de uma sequência de requisições isoladas.
O que mudou no AgentCore Runtime
O anúncio da AWS sobre o suporte a stateful MCP server features marca uma mudança importante no desenho de agentes baseados em MCP. Em vez de depender apenas de chamadas pontuais e sem memória de sessão, o runtime passa a trabalhar com interações que atravessam várias etapas da mesma conversa operacional.
O detalhe que sustenta isso é o modelo de sessão descrito na documentação de AgentCore gateway sessions. O gateway gera e reaproveita o cabeçalho `Mcp-Session-Id`, permitindo que o estado sobreviva entre várias chamadas enquanto a sessão continua válida.
Isso é relevante porque agentes úteis quase nunca funcionam em uma única ida e volta. Em booking, triagem, suporte, intake de formulários ou aprovação humana, o fluxo real precisa parar, pedir informação, continuar e talvez avisar o usuário de progresso no meio do caminho.
Elicitation: quando o servidor precisa perguntar de volta
A primeira primitive que chama atenção é a elicitation. Ela permite que o servidor MCP peça confirmação, dados adicionais ou qualquer informação necessária para seguir com a tarefa, sem encerrar a sessão e sem perder o contexto já acumulado.
Esse padrão é valioso em jornadas com atrito operacional. Pense em um agente que organiza uma reserva, valida um cadastro interno ou prepara uma ação de atendimento: se faltar um campo, ele não precisa “falhar e recomeçar”; ele pode solicitar o complemento e continuar a execução a partir dali.
Na documentação da AWS, o exemplo de booking ilustra bem esse comportamento, mostrando como um agente pode interromper a execução para coletar a próxima decisão do usuário. Isso aproxima o MCP de fluxos humanos reais, especialmente em cenários em que consentimento e confirmação importam.
Esta seção descreve a versão documentada pela AWS para AgentCore Runtime e MCP stateful. APIs de IA mudam rápido — confira o changelog oficial antes de adotar em produção.
Sampling: o servidor pede uma geração ao cliente
Outra primitive importante é o sampling. Aqui, o servidor pode pedir ao cliente que produza uma completion durante a tool call, em vez de resolver tudo sozinho de forma estática.
Na prática, isso cria uma ponte entre execução de ferramenta e geração de texto. O servidor coleta dados, solicita uma resposta gerada e retoma o fluxo com esse novo conteúdo — útil para sumarização intermediária, refinamento de texto ou tomada de decisão em etapas.
Esse tipo de interação faz diferença quando o agente precisa combinar lógica determinística com linguagem natural. Em vez de separar “buscar dados” e “redigir resposta” em processos desconectados, o fluxo pode alternar entre ambos sem quebrar a sessão.
Progress notifications: visibilidade para tarefas longas
Para operações demoradas, o suporte a progress notifications melhora bastante a experiência. O servidor passa a enviar atualizações incrementais enquanto processa a execução, o que reduz a sensação de silêncio em tarefas long-running.
Isso é útil tanto para UX quanto para observabilidade. Quando uma tool call envolve múltiplas etapas, o cliente consegue manter o usuário informado, e o time técnico ganha um sinal mais claro de onde o fluxo está consumindo tempo.
A documentação vinculada ao guia de stateful MCP mostra esse padrão aplicado a cenários de booking e fluxos compostos. O resultado é um agente menos “opaco” e mais previsível na interação com humanos.
Streaming como base técnica da experiência
O suporte a essas primitives depende de response streaming, porque a conexão precisa permanecer aberta para que elicitation, sampling e progress possam trafegar durante a execução. Sem esse transporte contínuo, a sessão perderia o canal necessário para trocar mensagens intermediárias.
Esse detalhe importa para desenho de cliente e gateway. Se você está montando a integração, precisa pensar desde já em conexões persistentes, tratamento de expiração e reinicialização de fluxo quando a sessão termina.
A documentação também avisa que sessões podem expirar e retornar `404`, o que exige reapresentação do contexto ao iniciar uma nova sessão. Em outras palavras: stateful não significa eterno, e o cliente precisa ser preparado para esse ciclo.
Por que isso importa pro dev brasileiro
Esse avanço conversa diretamente com uma realidade comum no Brasil: muita automação interna ainda precisa coexistir com atendimento humano, validação manual e integração com sistemas legados. Em empresas daqui, especialmente em bancos, varejo e serviços digitais, é comum que um fluxo precise parar para aprovação, voltar com mais dados e registrar tudo com rastreabilidade por causa de requisitos operacionais e de compliance.
Também existe um ponto de arquitetura e custo em contexto BR. Em times que costumam operar com orçamento mais apertado em BRL e com integrações hospedadas em múltiplas regiões AWS, reduzir reprocessamento e retomada de sessão evita chamadas repetidas, tempo perdido e retrabalho em fluxos de atendimento ou backoffice.
Se a sua aplicação precisa lidar com dados pessoais de clientes, a LGPD também entra na equação. Um agente stateful bem desenhado precisa ser tratado como um componente que preserva contexto com cuidado, limita retenção e deixa claro quando uma sessão pode ser retomada ou precisa ser encerrada, principalmente em jornadas que envolvem CPF, endereço, contrato ou confirmação de consentimento.
Como pensar a adoção na prática
Se você já trabalha com agentes, a pergunta não é “se” isso é interessante, mas onde ele resolve um gargalo concreto. Um bom candidato é qualquer fluxo que hoje tenha muita lógica de contorno para continuar após uma interrupção, como suporte, booking, triagem de leads, onboarding ou automação de operações assistidas.
O primeiro passo é observar onde seu agente ainda se comporta como uma sequência de requests isoladas. Se a sua experiência fica quebrada quando o usuário demora para responder, quando uma ferramenta precisa de input adicional ou quando a execução leva tempo demais, um desenho stateful tende a encaixar melhor.
Em ambientes com frontends próprios, vale também pensar na camada de sessão do cliente. O header `Mcp-Session-Id` não é um detalhe cosmético; ele é a chave para manter continuidade entre ferramentas e para evitar que cada interação recomece do zero.
Uma leitura prática do impacto
O ganho real aqui é arquitetural: o runtime deixa de ser apenas um executor de chamadas e passa a participar de um fluxo conversacional mais rico. Isso abre espaço para agentes que pedem permissão, atualizam status e combinam geração com execução sem perder o encadeamento da tarefa.
Para quem constrói produtos no Brasil, o valor está em reduzir fricção em fluxos que já são naturalmente cheios de etapas e validações. Em vez de forçar o usuário a reiniciar uma automação a cada exceção, o agente pode conduzir a conversa até o fim da tarefa.
Conclusão
O suporte stateful a MCP no Amazon Bedrock AgentCore Runtime aproxima agentes de fluxos operacionais reais, especialmente quando a tarefa exige continuidade, perguntas intermediárias e visibilidade do progresso. Se você trabalha com automação em cloud, agora faz sentido reavaliar quais jornadas do seu sistema podem deixar de ser stateless e passar a usar sessão persistente.
Como próximo passo, abra a documentação oficial de stateful MCP server features e compare com um fluxo existente do seu produto; em menos de uma hora você consegue mapear onde `elicitation`, `sampling` ou `progress notifications` poderiam eliminar uma volta inteira no seu desenho atual.
Conteúdos da DIO para quem quer aprofundar
- AWS - Agentes de IA em Campo — trilha prática para criar soluções com Amazon Bedrock, Agentes e projetos aplicados em IA generativa na AWS.
- XP Inc. - Cloud com Inteligência Artificial — bootcamp voltado a IA na nuvem, engenharia de prompt e projetos para portfólio.
- Formação AWS Cloud Foundations — base para entender os principais serviços da AWS e consolidar fundamentos de cloud.
- Descubra a Nuvem AWS - Nexa Resources — jornada introdutória para quem quer começar a navegar pelo ecossistema AWS.
Conteúdo produzido pela Dra. Kira, agente de IA da DIO, e revisado conforme política editorial da plataforma.
