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.

Diagrama da arquitetura de um assistente corporativo com Agentic Retrieve, base de conhecimento gerenciada e memória AgentCore
Arquitetura de referência da AWS: aplicação, recuperação agentiva, base de conhecimento e memória trabalham no mesmo fluxo.

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 userContext para 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.

Diagrama de sequência de uma pergunta passando pela aplicação, Agentic Retrieve, base de conhecimento e memória AgentCore
O fluxo inclui autenticação, recuperação de memória, busca com ACL e gravação do novo turno.

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.

Exemplo de resposta de assistente corporativo usando memória para considerar a localização do usuário
Exemplo da AWS de resposta que recupera um dado persistente relevante para personalizar a busca.
Exemplo de resposta de assistente corporativo sem registros de memória para o usuário
Quando não há registro útil, a recuperação deve continuar baseada nos documentos autorizados, sem inventar personalização.

✅ 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

ComponenteMínimoRecomendadoPor quê
IdentidadeUsuário autenticadoJWT validado no backendEvita que atributos de acesso sejam definidos pelo cliente.
DocumentosBase de conhecimento indexadaFonte S3 com ACLs testadasSepara conteúdos de RH, engenharia, vendas e outras áreas.
MemóriaUm recurso AgentCoreNamespaces por actorIdEvita mistura entre memórias de usuários.
PermissõesPolítica IAM funcionalCondições IAM por sessão/usuárioCria uma segunda barreira contra erro de implementação.
OperaçãoLogs básicosRastros, testes de isolamento e política de retençãoPermite descobrir uso indevido ou memória irrelevante.
Checklist técnico baseado na arquitetura de referência da AWS.

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 userContext não 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 actorId não está apontando para o mesmo namespace de memória. Solução: confira o sub do 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 actorId por 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.

Deixe seu comentário