AWS i Postman opisują, jak Agent Mode skaluje agentów AI dla 40 mln deweloperów na Amazon Bedrock
W skrócie: AWS opublikowało wraz z Postman techniczny opis tego, jak powstał Agent Mode – natywny dla AI interfejs Postman do testowania API i dokumentacji, działający produkcyjnie na dużą skalę. Zespół odkrył, że największą przeszkodą nie była jakość modelu, lecz nadmiar narzędzi i brak kontekstu. Wpis opisuje wzorce architektoniczne: dynamiczny dobór narzędzi, dostęp oparty na schematach, dedykowane moduły kontekstu oraz możliwości Amazon Bedrock – elastyczność modeli, wnioskowanie między regionami, kontrolę rezydencji danych i prompt caching.
To podsumowanie zostało automatycznie przygotowane przez sztuczną inteligencję na podstawie publikacji „AWS Machine Learning”. To nasz tekst, nie kopia oryginału — fakty, liczby i cytaty należą do źródła, do którego link znajduje się powyżej i poniżej.
Co się zmieniło?
- 1Błędy w doborze narzędzi rosły, gdy widoczny zestaw narzędzi przekraczał ok. 40 pozycji; obecna architektura zawęża ponad 170 narzędzi do ok. 15 istotnych dla danego żądania, wykorzystując wektorową bazę embeddingów narzędzi
- 2Postman połączył wiele wąskich narzędzi do odczytu w jedno narzędzie zapytań oparte na schemacie tabel ClickHouse, pozwalając agentowi samodzielnie generować złożone zapytania zamiast korzystać z dziesiątek pojedynczych narzędzi
- 3Kontekst (lokalizacja użytkownika, aktywne obiekty, wcześniejszy stan) powodował więcej błędów niż brakujące funkcje, dlatego Postman zbudował dedykowane moduły kontekstu dla każdego typu obiektu zamiast serializować surowe dane interfejsu
- 4Agent Mode wymaga zatwierdzenia użytkownika przed każdą akcją zmieniającą stan aplikacji i wykorzystuje Amazon Bedrock Guardrails do redagowania danych osobowych przed przekazaniem ich modelowi
- 5Amazon Bedrock obsługuje wiele modeli Anthropic Claude w ramach tej samej integracji, pozwalając Postman kierować szybsze modele do zadań o dużym natężeniu, a większe – do złożonego rozumowania, bez przebudowy integracji
- 6Profile wnioskowania między regionami (geograficzne lub globalne) pozwalają Postman obsługiwać skokowy ruch, jednocześnie utrzymując przetwarzanie w określonej geografii, np. USA lub UE, gdy jest to wymagane
Dlaczego to ważne?
To rzadki, szczegółowy wgląd w to, co faktycznie psuje działanie agentów AI w produkcji – nie jakość modelu, lecz rozmiar katalogu narzędzi i projekt kontekstu. Dla zespołów budujących agentów z wieloma narzędziami function-calling to konkretne liczby (~40 narzędzi jako próg, zawężenie 170→15) i wzorce do powielenia.
Co to oznacza dla agentów AI i contact center?
Jeśli Twoja firma korzysta z agentów głosowych AI z wywoływaniem narzędzi/funkcji (wyszukiwania w CRM, przekierowania połączeń, planowanie, zapytania o dane), wniosek, że agenci zaczynają działać gorzej po przekroczeniu ok. 40 widocznych narzędzi, a jakość kontekstu liczy się bardziej niż liczba narzędzi, jest bezpośrednio zastosowalny – warto rozważyć dynamiczny dobór narzędzi według intencji rozmowy oraz budowanie skondensowanych podsumowań kontekstu zamiast przekazywania całego rekordu CRM/rozmowy do promptu. Wykorzystanie Amazon Bedrock Guardrails do redagowania danych osobowych przed wywołaniem modelu jest też istotne dla zgodności w contact center.
🧪 Warte przetestowania
Opisane wzorce dynamicznego doboru narzędzi i modułów kontekstu warto przetestować na istniejących zestawach narzędzi agentów głosowych/contact center, aby sprawdzić, czy zmniejszają opóźnienia i błędy w doborze narzędzi w miarę wzrostu liczby zintegrowanych narzędzi.
Dynamic tool scoping and context handlers for AI agents· Nowa
Źródła
- AWS Machine LearningOficjalneŹródło pierwotneOryginalny artykuł →„How Postman runs Agent Mode for 40 million developers on Amazon Bedrock“9 paź 2026, 18:35
- Data publikacji źródła
- 9 paź 2026, 18:35
- Znalezione przez nasz system
- 9 paź 2026, 18:39
- Podsumowanie wygenerowano
- 9 paź 2026, 18:41
Artykuł napisała AI na podstawie oryginalnego źródła. Fakty, liczby i ceny pochodzą ze źródła; brakujące wartości oznaczono „Brak oficjalnych danych”. Informacje prawne, prawa autorskie i prywatność