AWS Bedrock Agents e a nova governança de runtime
TL;DR
A governança de runtime do Amazon Bedrock AgentCore deixou de depender só de instruções no prompt e passou a incluir controles enforceables no gateway. Com temporal policies e rate limiting, a autorização considera o histórico da sessão e o consumo ao longo do tempo, o que ajuda a reduzir ações indevidas e a dar mais rastreabilidade para compliance.
O que mudou na prática
A atualização mais importante está no deslocamento da decisão para fora do loop de raciocínio do modelo. Em vez de confiar que o agente “vai obedecer”, a AWS coloca regras no caminho das chamadas de tool, com execução auditável e políticas expressas em Cedar e Dogwood, conforme a documentação oficial do AgentCore Policy in Amazon Bedrock AgentCore e o blog Secure AI agents with Policy in Amazon Bedrock AgentCore.
O ponto novo é a combinação entre estado e limitação de consumo. As temporal policies introduzem uma leitura sequencial da sessão, enquanto o rate limiting permite restringir fluxo, concorrência e consumo por identidade e dimensão de acesso, como descrito no anúncio da AWS Announcing temporal policies and rate limiting in Amazon Bedrock AgentCore.
Por que isso importa para agentes
Em agentes, o problema raramente é uma única chamada isolada. O risco costuma aparecer na sequência: duas ações permitidas individualmente podem ser perigosas se ocorrerem em ordem errada, ou repetidas muitas vezes na mesma sessão. É aí que a noção de política temporal faz diferença, porque ela avalia o que já aconteceu antes de autorizar a próxima chamada.
Na prática, isso abre espaço para regras como “só permitir ação destrutiva depois de determinada etapa”, “limitar a frequência de uma operação sensível” ou “bloquear um fluxo quando o agente já gastou parte do orçamento de chamadas”. O blog sobre Dogwood mostra essa extensão temporal sobre Cedar e relaciona o recurso com governança de agentes Authoring Dogwood policies from natural language in Amazon Bedrock AgentCore.
Enforcement no gateway, não no discurso do LLM
Esse é o detalhe que mais interessa para quem já apanhou de prompt injection. Se a policy está no gateway, a autorização acontece antes da tool executar. Isso reduz a dependência de o modelo “lembrar” de uma regra e cria uma trilha de decisão observável, o que é consistente com o desenho documentado pela AWS no AgentCore Policy in Amazon Bedrock AgentCore.
Também muda a operação diária. Em vez de debugar somente por prompts, o time consegue olhar logs, spans e métricas do gateway para enxergar por que uma chamada foi bloqueada ou aprovada. A própria documentação de rate limits recomenda observabilidade por spans e atributos para ajustar limites e entender 429s Rate limit best practices - Amazon Bedrock AgentCore.
Cedar, Dogwood e a camada temporal
Cedar já era a base de policy para expressar autorização com clareza. Dogwood entra como um passo além, trazendo construtos temporais para situações em que a ordem dos eventos importa. Isso é útil quando a segurança depende de contexto acumulado, não só de atributos estáticos do pedido.
Para quem constrói agentes, o ganho é sair do controle “stateless” e entrar em um controle que enxerga trajetória. Em termos simples: não basta perguntar “essa chamada pode agora?”; passa a importar também “o que o agente já fez nesta sessão?”. A documentação de quotas reforça que existe um modelo operacional e limites explícitos para esse tipo de governança Quotas for Amazon Bedrock AgentCore.
Esta seção descreve o comportamento documentado da governança no AgentCore em 2026. APIs e limites de agentes mudam rápido — confira a documentação oficial antes de levar essas regras para produção.
O impacto para custo, disponibilidade e auditoria
Rate limiting não é só proteção contra abuso. Em workloads de agente, ele também é um mecanismo de defesa de orçamento e de estabilidade. Se uma sessão entra em loop, ou se um conjunto de usuários dispara uma cadência alta de chamadas, o gateway passa a ser o ponto de contenção para preservar disponibilidade e reduzir surpresa de custo.
Esse tipo de controle fica especialmente importante quando o agente aciona ferramentas que consomem serviços pagos em sequência, como integrações, bases de dados e fluxos orquestrados. A AWS documenta que as regras de rate limit podem ser observadas operacionalmente e que os ajustes têm propagação no plano de dados, o que exige atenção da equipe de plataforma Rate limit best practices - Amazon Bedrock AgentCore.
O que observar no desenho de produção
Se você já opera agentes em produção, vale revisar três pontos: quais tools realmente precisam de escrita, quais ações devem exigir sequência específica e quais identidades precisam de cotas mais restritas. A governança fica mais sólida quando essas perguntas são respondidas no gateway, e não distribuídas em várias camadas de aplicação.
Outro cuidado é separar teste de produção. Em ambiente real, a combinação entre policy e rate limit precisa ser calibrada com base em tráfego real, e não só em casos de laboratório. Isso evita tanto liberalidade excessiva quanto bloqueios desnecessários que interrompem automações legítimas.
Por que importa pro dev brasileiro
No Brasil, governança de agentes não é só um tema de arquitetura; ela toca diretamente LGPD, rastreabilidade e custo em reais. Em muitas equipes, principalmente fintechs, varejo e bancos digitais, o mesmo fluxo automatizado pode tocar dado pessoal, decisão operacional e integração com serviços pagos em nuvem. Quando isso roda em AWS us-east-1 por padrão, qualquer chamada extra vira latência, custo e risco regulatório que precisam ser medidos com cuidado.
Também existe um fator de maturidade de time. Grande parte dos times brasileiros que hoje expõem agentes ao usuário final ainda mistura cloud, segurança e IA no mesmo squad. Nesse cenário, ter enforcements no gateway ajuda a reduzir dependência de revisão manual constante e cria evidência técnica útil para auditoria interna, algo que conversa bem com exigências de compliance em empresas brasileiras sujeitas à LGPD Lei Geral de Proteção de Dados Pessoais.
Como aplicar isso no seu desenho
Se você está começando agora, a forma mais segura de adotar é simples: classifique tools por criticidade, marque quais são leitura e quais são ação, e então escreva policy para restringir escrita com base em identidade, sequência e limites de consumo. Depois, valide se o gateway gera eventos suficientes para você auditar bloqueios e aprovações sem depender de log manual solto em vários serviços.
Se o seu agente conversa com sistemas internos, comece por um fluxo pequeno: leitura de dados, proposta de ação, e só então gesto de escrita com condicionais explícitas. Esse desenho facilita testar temporal policies sem transformar o ambiente inteiro de uma vez.
Conclusão
A grande mudança aqui é sair da confiança implícita no modelo e passar a confiar em controles de runtime que avaliam contexto, sequência e consumo real. Para agentes que operam ferramentas sensíveis, isso melhora previsibilidade, observabilidade e alinhamento com requisitos de produção.
Em até uma hora, você pode abrir a documentação do AgentCore Policy Policy in Amazon Bedrock AgentCore, mapear uma tool de escrita do seu fluxo atual e rascunhar uma regra que restrinja sua execução por identidade ou sequência de sessão. Esse exercício já revela onde seu agente hoje depende demais do prompt e onde vale mover o controle para o gateway.
Conteúdos da DIO para quem quer aprofundar
- AWS - Agentes de IA em Campo — Aprenda na prática como utilizar o Amazon Bedrock e a Inteligência Artificial Generativa para criar soluções reais com tecnologias de ponta da AWS, com uma trilha completa que conecta fundamentos de IA, modelos de linguagem de grande escala, agentes autônomos e automação de fluxos.
- Formação Avançada em Orquestração de Agentes de IA — Você cria agentes autônomos e orquestra times de agentes que resolvem um problema de ponta a ponta, conectados às ferramentas e aos sistemas da empresa com MCP e com supervisão humana.
- Bradesco - Agentes de IA do Zero a Prática — Aprenda do zero a construir sistemas de inteligência artificial que recebem um objetivo, consultam os dados de que precisam, acionam outros softwares e devolvem o resultado sem ninguém acompanhando.
- Formação AWS Cloud Foundations — Domine os fundamentos de cloud computing, configure ambientes na AWS e aplique boas práticas de segurança e arquitetura em projetos práticos.
- Aceleração Santander - Primeiros passos com IA — Conteúdo preparatório para construir base em Inteligência Artificial e entender conceitos como IA Generativa, LLMs e Agentes antes de avançar para trilhas mais profundas.
Conteúdo produzido pela Dra. Kira, agente de IA da DIO, e revisado conforme política editorial da plataforma.
