O Amazon Bedrock passou a permitir que uma única chamada de recuperação agentiva combine memória de longo prazo, histórico de conversa e busca em uma base corporativa com controle de acesso. A integração, detalhada pela AWS em 16 de novembro de 2026, conecta o Agentic Retrieve do Amazon Bedrock Managed Knowledge Base à memória do Amazon Bedrock AgentCore. Na prática, ela tenta resolver um problema que aparece quando um assistente interno deixa de ser uma demonstração: lembrar o contexto certo de cada pessoa sem revelar documentos ou lembranças de outros usuários.
O ponto mais importante não é “dar memória” a um chatbot. É ligar memória e autorização no mesmo fluxo: a aplicação autentica a pessoa, envia uma identidade verificada para filtrar documentos e usa um identificador separado para isolar o histórico persistente. A AWS afirma que a integração é opcional e retrocompatível para aplicações que já usam a recuperação agentiva sem memória.
O que muda para agentes que consultam documentos corporativos
Uma base de conhecimento responde bem a perguntas explícitas: o usuário pergunta por uma política e o sistema recupera os trechos relevantes. O cenário se complica quando a pergunta depende de uma conversa anterior. Uma pessoa pode ter informado meses antes sua localidade, cargo ou plano contratado; depois pergunta apenas “qual VPN devo usar?” ou “isso se aplica a mim?”. Reenviar todo o histórico ao modelo é caro, aumenta a janela de contexto e não cria, por si só, uma barreira de autorização.
Segundo a arquitetura apresentada pela AWS, a chamada AgenticRetrieveStream passa a aceitar uma memoryConfiguration. A memória do AgentCore entra como mais uma fonte de recuperação ao lado da base gerenciada: o serviço restaura a sessão, decide se um fato de longo prazo ajuda a consulta atual, usa esse fato para compor subconsultas, recupera documentos autorizados e registra o novo turno. A aplicação continua responsável pela autenticação e pelo envio dos atributos de identidade corretos.

Como a arquitetura separa documentos, identidade e memória
O exemplo da AWS usa um assistente interno fictício. Os documentos ficam no Amazon S3 e são sincronizados por uma fonte de dados com ACLs habilitadas. Um arquivo global define quais grupos ou pessoas podem ler cada área: políticas de RH e TI podem ser comuns, enquanto runbooks de engenharia e planos de comissão ficam restritos às respectivas equipes.
O Amazon Cognito autentica o funcionário e entrega um token de identidade. A AWS destaca dois atributos com papéis diferentes:
sub: identificador estável do usuário, usado para separar a memória de cada pessoa;- e-mail verificado: atributo enviado como
userContextpara que a base de conhecimento aplique suas ACLs.
Essa distinção é essencial. O atributo que filtra documentos não deve ser assumido a partir de texto digitado no chat; ele precisa vir da identidade autenticada. Da mesma forma, a memória não deve ser compartilhada por uma chave genérica como “cliente” ou “departamento” quando a intenção é preservar preferências e fatos privados de cada indivíduo.

O fluxo, passo a passo
1. Validar o token antes de montar a consulta
Em produção, a referência usa um autorizador JWT do Amazon API Gateway; o projeto de demonstração usa um serviço FastAPI menor. A implementação pode variar, mas a regra não: uma requisição sem autenticação não deve chegar à camada que monta a consulta para a base ou para a memória.
2. Derivar os dois contextos da identidade validada
Depois de validar o token, o backend lê as claims. O e-mail verificado vai para o contexto de acesso aos documentos. O sub vai para a identidade do ator na memória. Não é recomendável aceitar ambos diretamente do navegador sem validação no servidor, porque isso permitiria a um usuário tentar assumir a identidade de outro.
3. Configurar memória como recuperação, não como um bloco de texto
Na chamada de recuperação agentiva, a configuração de memória habilita o recurso e associa o usuário e a sessão. O desenho conceitual é semelhante a este:
# Estrutura ilustrativa: consulte a referência da API antes de implementar.
request = {
"input": {"text": pergunta_do_usuario},
"userContext": {"email": email_verificado},
"memoryConfiguration": {
"actorId": subject_do_token,
"sessionId": sessao_atual,
"namespace": "usuarios/{actorId}"
}
}
O motivo para manter uma raiz como usuarios/{actorId} é impedir colisões lógicas entre participantes. A AWS também recomenda reforçar essa separação com condições do AWS Identity and Access Management (IAM), para que a proteção continue existindo mesmo se o código da aplicação montar um pedido incorreto.
4. Deixar o serviço decidir quando uma lembrança é útil
Nem toda pergunta exige memória. Uma consulta sobre um manual público pode ser resolvida somente com a base documental. No modelo da AWS, o planejador decide se recupera fatos persistentes e os usa para formular subconsultas. Isso reduz a necessidade de a aplicação construir manualmente prompts gigantes com todo o histórico — mas não elimina a necessidade de observar o que o agente fez.
5. Ler os rastros e testar isolamento
A referência orienta inspecionar os rastros para saber quando a memória foi usada. O teste de segurança mais importante não é apenas confirmar que o assistente responde corretamente: é usar usuários de equipes distintas e verificar que um não recebe documentos, fatos persistentes ou respostas personalizadas do outro. O exemplo da AWS compara uma resposta contextualizada para uma funcionária e uma resposta genérica para outra pessoa sem registros de memória.


✅ O que essa integração simplifica
- Menos componentes próprios: reduz a necessidade de manter separadamente um banco de histórico, um processo de extração de fatos e uma camada para reintroduzir contexto no prompt.
- Contexto persistente no fluxo de busca: o dado de longo prazo pode alterar a recuperação antes da resposta, em vez de entrar apenas como texto adicional.
- Controle documental por ACL: a consulta pode continuar limitada aos documentos que aquela identidade tem permissão para ler.
- Isolamento modelado por identidade:
actorId, namespace e condições de IAM oferecem camadas complementares para separar usuários. - Adoção incremental: a AWS classifica o recurso como opt-in e retrocompatível, o que permite avaliar o comportamento em uma rota controlada antes de migrar todo o assistente.
⚠️ O que isso não resolve automaticamente
- Não corrige uma identidade fraca. Se o backend aceitar um e-mail ou ID forjado, a memória e as ACLs serão acionadas com dados errados.
- Não substitui governança de dados. É preciso definir quais fatos podem ser retidos, por quanto tempo e como atender pedidos de exclusão ou auditoria.
- Não torna a resposta infalível. A memória pode estar desatualizada, ser irrelevante para a pergunta ou amplificar uma premissa incorreta; rastros e avaliações continuam necessários.
- Não elimina custo e latência. A AWS informa que a recuperação agentiva é cobrada por chamada, além das recuperações subjacentes e das operações de memória do AgentCore. No exemplo publicado, as respostas levaram de quatro a dez segundos com o modelo gerenciado; a própria empresa ressalta que é uma observação do teste, não um compromisso de serviço.
Requisitos práticos antes de adotar
| Componente | Mínimo | Recomendado | Por quê |
|---|---|---|---|
| Identidade | Usuário autenticado | JWT validado no backend | Evita que atributos de acesso sejam definidos pelo cliente. |
| Documentos | Base de conhecimento indexada | Fonte S3 com ACLs testadas | Separa conteúdos de RH, engenharia, vendas e outras áreas. |
| Memória | Um recurso AgentCore | Namespaces por actorId | Evita mistura entre memórias de usuários. |
| Permissões | Política IAM funcional | Condições IAM por sessão/usuário | Cria uma segunda barreira contra erro de implementação. |
| Operação | Logs básicos | Rastros, testes de isolamento e política de retenção | Permite descobrir uso indevido ou memória irrelevante. |
Casos em que faz sentido
- Suporte B2B: o agente lembra o produto ou o plano do cliente, mas só pesquisa documentos que aquele contrato pode consultar.
- Portal interno: cada funcionário recebe respostas sobre políticas e ferramentas compatíveis com seu local, função e equipe.
- Assistente de operações: detalhes persistentes de ambiente ajudam a formular buscas melhores em runbooks, sem expor procedimentos restritos de outros times.
- Chat sobre documentos de SaaS: um mesmo produto pode usar uma base compartilhada, mantendo preferências e fatos contextuais por usuário ou locatário.
Segurança: memória também é superfície de ataque
Guardar fatos de longo prazo torna o agente mais útil, mas cria uma nova categoria de informação sensível. A equipe deve decidir se dados como localização, função, preferências, conversas anteriores e identificadores de conta realmente precisam ser preservados. Também deve existir um caminho verificável para expiração e remoção. No exemplo publicado, o script de limpeza remove a base de conhecimento, o bucket e seus objetos, o recurso de memória — incluindo histórico e registros de longo prazo —, o grupo de usuários do Cognito e as funções IAM criadas para a demonstração.
Outro risco é tratar memória como fonte de verdade. Um fato extraído de uma conversa pode envelhecer; por isso, permissões e dados críticos devem continuar vindo de sistemas autoritativos, como diretórios corporativos, CRM ou IAM. A memória é contexto operacional, não substituto de controle de acesso nem de cadastro mestre.
Troubleshooting: cinco falhas prováveis em um piloto
- ❌ O assistente responde com documento de outra área → a claim enviada em
userContextnão corresponde à identidade validada, ou a ACL foi indexada incorretamente. Solução: registre o identificador validado no backend, revise o arquivo de ACL da fonte de dados e execute a mesma pergunta com usuários de grupos distintos. - ❌ A resposta ignora uma preferência já informada → a sessão ou o
actorIdnão está apontando para o mesmo namespace de memória. Solução: confira osubdo token, a raiz do namespace e os rastros da chamada antes de aumentar o prompt manualmente. - ❌ Dois usuários recebem contexto parecido demais → foi usado um identificador compartilhado, como e-mail de equipe ou ID de locatário, onde deveria haver identidade individual. Solução: adote um
actorIdpor pessoa e aplique condições IAM para a sessão daquele ator. - ❌ O agente usa um dado antigo como se fosse atual → uma lembrança persistida deixou de refletir o sistema de origem. Solução: não use memória como cadastro mestre; consulte fontes autoritativas para permissões, planos, cargos e status críticos.
- ❌ A latência cresce sem explicação → o planejador pode executar iterações extras de recuperação. Solução: compare rastros, número de recuperações e tempo por etapa; a AWS observou de quatro a dez segundos no exemplo, mas esse intervalo não é garantia de serviço.
Perguntas frequentes
É necessário migrar uma base de conhecimento já existente?
Não necessariamente. A AWS descreve a configuração como opt-in e retrocompatível: uma aplicação pode continuar usando recuperação agentiva sem memória e habilitar a nova configuração em uma rota ou ambiente de teste.
Memória substitui um banco de dados de clientes?
Não. A memória serve para contexto de conversação e fatos recuperáveis. Informações contratuais, permissões e dados operacionais sensíveis devem continuar vindo de sistemas autoritativos e auditáveis.
Uma ACL no S3 basta para proteger cada usuário?
Não. A ACL precisa ser alimentada pela identidade correta, e a AWS recomenda reforçar o isolamento da memória com namespaces por actorId e condições IAM. Segurança depende da cadeia completa, não de um filtro isolado.
O recurso elimina a necessidade de observar o agente?
Não. Os rastros ajudam a verificar se a memória foi consultada, quais recuperações ocorreram e se a resposta se manteve dentro do conjunto documental autorizado. Esse monitoramento é especialmente importante no início de um piloto.
Qual é o custo esperado?
A AWS informa cobrança por chamada de recuperação agentiva, pelas recuperações subjacentes e pelas operações de memória do AgentCore. Como o valor depende de uso, região e configuração, o projeto deve consultar as páginas de preços atuais do Amazon Bedrock e do Amazon Bedrock AgentCore antes de levar o recurso à produção.
Análise do NoticIA: o avanço está na junção de três camadas
O mercado já sabe armazenar conversa e já sabe aplicar filtros de acesso a documentos. A dificuldade aparece quando essas duas capacidades são conectadas de forma improvisada: um serviço guarda o histórico, outro indexa documentos, um terceiro prepara prompts, e a regra de autorização fica espalhada. A proposta da AWS é relevante porque aproxima memória, recuperação e identidade dentro da mesma chamada, com rastreabilidade e uma orientação explícita para isolamento por usuário.
Isso não dispensa arquitetura. Para empresas brasileiras, a pergunta mais importante antes de habilitar memória não é “qual modelo responde melhor?”, mas “quais dados um agente pode reter e quem consegue vê-los?”. Um piloto deve começar com um conjunto pequeno de documentos, usuários de teste em grupos distintos e casos de tentativa de acesso cruzado. Se essas verificações falharem, ampliar a memória apenas amplia o impacto do erro.
Conclusão
O novo padrão do Amazon Bedrock procura transformar um assistente que apenas busca documentos em um agente que mantém contexto ao longo do tempo, sem abandonar as barreiras de acesso corporativo. A implementação de referência combina Cognito, ACLs da base gerenciada, memória AgentCore, namespaces por usuário e condições IAM. O ganho é reduzir trabalho de integração; a obrigação é testar identidade, retenção e isolamento com o mesmo rigor aplicado a qualquer sistema que manipula dados internos.
Descubra mais sobre noticiAI
Assine para receber nossas notícias mais recentes por e-mail.
