AgentCore Gateway em produção: identidade, rastro, escala e custo

No protótipo, um ponto de exposição de ferramentas é um detalhe: você registra três alvos, o agente descobre, funciona. Em produção ele vira o lugar por onde passa toda ação que a IA executa sobre o seu negócio — e um componente com essa posição tem quatro perguntas que o protótipo nunca faz: quem está chamando, o que aconteceu quando deu errado, o que acontece no pico, e quanto isso custa.

Este módulo trata das quatro. A tese é uma só: o Gateway não é infraestrutura passiva, é o ponto de controle da sua arquitetura agêntica. Tratá-lo como encanamento é como tratar um API Gateway como encanamento — funciona até o primeiro incidente.

Há duas identidades em jogo numa chamada de ferramenta, e confundi-las é o defeito de segurança mais comum em arquitetura agêntica:

• A identidade do AGENTE perante o Gateway — prova que quem está pedindo é um agente autorizado a falar com este ponto de exposição.
• A identidade do USUÁRIO em nome de quem o agente age — determina QUAIS dados aquele pedido pode alcançar.

Se você resolve só a primeira, o agente vira um usuário com todas as permissões: qualquer pessoa que converse com ele alcança o dado de qualquer outra. O sintoma não é erro nem alerta — é o agente respondendo corretamente uma pergunta que não deveria ter respondido, e ninguém percebe até alguém perguntar sobre o cliente errado.

Depuração de agente é diferente de depuração de serviço. Num serviço, você reconstrói o que aconteceu a partir da requisição. Num agente, a pergunta é por que ELE ESCOLHEU aquela ferramenta — e responder isso exige registrar a decisão, não só o efeito.

A intuição diz que o gargalo de um agente é o modelo. Em arquitetura com Gateway, quase nunca é. A dez vezes o volume, a ordem em que as coisas quebram costuma ser esta:

• Primeiro, a cota do modelo na região. É compartilhada pela conta e é o teto mais baixo — e é também o único que você não resolve com código, só com perfil de inferência entre regiões ou pedido de aumento.
• Segundo, a API interna atrás da ferramenta. Ela foi dimensionada para tráfego humano; um agente que faz cinco chamadas por conversa multiplica esse tráfego por cinco, sem aviso ao time que a mantém.
• Terceiro, o número de VOLTAS por conversa. É o multiplicador mais subestimado, porque cada volta reenvia o histórico inteiro — o custo cresce com o quadrado das voltas, não linearmente.
• Só depois, a capacidade do Gateway em si.

A última linha é a que mais surpreende. Num fluxo com humano revisando saída duvidosa, o minuto de revisão costuma custar mais que todos os tokens do mês. Otimizar token enquanto a fila de revisão cresce é otimizar o termo errado da soma — e é o que acontece quando o painel mostra custo de Bedrock e não mostra tempo de revisão.

Três falhas que valem ensaiar antes que aconteçam sozinhas, e o que o painel deve mostrar em cada uma:

Com o ponto de exposição operável, o passo seguinte é decidir quanto o modelo deve PENSAR antes de agir — o raciocínio explícito muda acerto, latência e custo ao mesmo tempo, e é a última alavanca antes de o agente ir para produção.