Blog
A trilha completa de engenharia de soluções de IA sobre a AWS: do primeiro hello world na Converse API até o ecossistema inteiro de serviços que orbitam o Bedrock, RAG de produção, tool use profissional, padrões agênticos, evals, o playbook de 14 alavancas de redução de custo, a arquitetura de referência corporativa e cases reais por setor. 36 módulos, do conceito ao sistema em produção. Atualizado para meados de 2026.
A porta única e serverless para foundation models de vários provedores. O problema que resolve, o que é (e o que não é), o Model Deployment Account que isola seus dados, e por que virou o padrão de inferência gerenciada na AWS.
Por que escolher Bedrock e não a API direta da Anthropic/OpenAI? IAM, VPC/PrivateLink, dados que não treinam o modelo, multi-vendor com uma API, billing unificado — versus a defasagem de features. E o meio-termo: Claude Platform on AWS.
Do zero à primeira resposta: Converse API vs InvokeModel, hello world em boto3 (Python) e AWS SDK (TS), campos modelId/messages/system/inferenceConfig, a IAM policy mínima, model access e inference profiles. Streaming com ConverseStream.
Bedrock não é só texto. Como enviar imagem (vision), PDF/DOCX (document blocks), vídeo e áudio pela Converse API — com limites reais (tamanho, quantidade), envio por bytes vs S3, reasoning/thinking e o gotcha de prompt injection no nome do documento.
O zoológico de modelos de 2026: Claude, Amazon Nova, Llama, Mistral, Cohere, DeepSeek e os open-weights. Qual família serve para cada cenário (chat, agentic, barato-em-escala, vision, código), embeddings e geração de imagem, e como trocar de modelo sem reescrever.
Escrever prompt quando o modelo é variável de configuração: o que a Converse padroniza, as quatro alavancas que migram entre famílias, as convenções de Nova, Claude, Llama e Mistral, e por que prompt caching dita a ORDEM das partes do prompt.
O modo de raciocínio como troca mensurável entre custo, latência e acerto: como ligar por additionalModelRequestFields, por que o orçamento sai do maxTokens, as seis tarefas em que paga e as em que é desperdício, e o roteador que evita pagar pelo caso fácil.
Como o modelo chama suas funções: toolConfig com JSON Schema, o ciclo toolUse → você executa → toolResult, tool_choice (auto/any/tool), structured outputs, e os três modos (client-side, server-side, Anthropic tool use). O tijolo que vira agent.
RAG sem operar pipeline: conectores (S3, SharePoint, Confluence, web), estratégias de chunking (fixed, hierarchical, semantic), vector stores (OpenSearch, Aurora pgvector, S3 Vectors), Retrieve e RetrieveAndGenerate com citações, reranking e GraphRAG. E o custo escondido do vector store.
A virada de 2026: Bedrock Agents virou Classic (maintenance mode) e o caminho novo é o AgentCore — Runtime, Gateway, Memory, Identity, Observability, Code Interpreter e Browser. Como rodar Strands, LangGraph ou CrewAI serverless, com MCP e A2A.
Model Context Protocol do ponto de vista de quem constrói na AWS: por que M × N vira M + N, a diferença entre tool, resource e prompt (e por que ela governa a segurança), os dois transportes, e onde o AgentCore Gateway entra.
O Gateway como ponto de controle da arquitetura agêntica: as duas identidades que não podem ser a mesma, os cinco sinais que respondem "por que ele fez isso?", o gargalo que não é o modelo, e por que revisão humana domina a conta.
A camada de segurança independente do modelo: content filters, denied topics, redação de PII, contextual grounding (anti-alucinação probabilístico) e automated reasoning checks (verificação formal). A ApplyGuardrail API que protege até modelos fora do Bedrock.
Orquestração e governança de prompts: Bedrock Flows (workflow visual de GenAI), Prompt Management (versionar prompts como artefatos) e Intelligent Prompt Routing (mandar o fácil pro modelo barato). Quando usar Flows vs Agents vs Step Functions.
Extrair dados de documentos, imagens, vídeo e áudio com Bedrock Data Automation (IDP moderno). E quando o modelo pronto não basta: fine-tuning, Model Distillation (aluno 75% mais barato), Custom Model Import (traga seus pesos), Marketplace e avaliação.
O modelo de cobrança sem enrolação: on-demand por token (input vs output), Batch (-50%), Provisioned Throughput (model units) e cross-region. Tabela de preços dos principais modelos em 2026 e prompt caching — a alavanca #1 que corta ~90% do custo de contexto repetido.
Como medir custo por request (fórmula), atribuir custo por app com application inference profiles + tags, monitorar com Cost Explorer/CloudWatch/Budgets, e comparar Bedrock vs API vs self-hosted. Os 8 erros que explodem a conta — começando pelo OpenSearch idle de US$350/mês.
Fechando a trilha: os 5 padrões de integração (RAG serverless, IDP event-driven, agent com tools, batch com Step Functions, streaming pro frontend) e os serviços AWS que orbitam o Bedrock. Cases reais — DoorDash, Pfizer, iFood, C6 Bank, Mercado Livre, BDM/LOUIS — e os anti-padrões que derrubam projetos.
O blueprint de 7 camadas que uma empresa monta em volta do Bedrock: canais, AI gateway (quotas + chargeback + allowlist de modelos), orquestração, inferência, conhecimento, confiança e operação. Com política de modelos, código do gateway e o plano de implantação em 3 ondas.
Claude não é só um modelId no Bedrock. Os quatro caminhos — Converse API, cliente Mantle (Messages API nativa), Claude Platform on AWS e Claude Code/Agent SDK apontando pro Bedrock — o que cada um habilita, o que o Bedrock NÃO tem, e como escolher sem se arrepender.
A família que faz uma coisa só, muito bem e muito barato: Textract, Comprehend, Transcribe, Polly, Translate, Rekognition, Personalize, Fraud Detector e Amazon Q — mais as peças do SageMaker que todo projeto de Bedrock deveria usar sem treinar nada. Metade do que se manda ao LLM é resolvido melhor aqui.
A camada que não aparece no diagrama e decide se o projeto é aprovado: IAM com negação condicional, Identity Center, Cognito, KMS, Secrets Manager, Parameter Store, PrivateLink, WAF, Shield, Macie, GuardDuty, Config, Organizations, Control Tower, Audit Manager e Security Hub.
O que você mede e como isso sobe: CloudWatch, Logs Insights, Synthetics, X-Ray, OpenTelemetry, AgentCore Observability, CloudTrail e model invocation logging, Cost Explorer, Budgets, Cost Anomaly Detection, CUR, Compute Optimizer, IaC, CodePipeline e ECR. Os três registros que a auditoria pede.
Onde o humano encosta e por onde o pedido entra: Amazon Connect, Lex, Chime SDK, SES, End User Messaging, Amplify, as três variantes do API Gateway, AppSync, Function URL com streaming, ALB, CloudFront e Route 53. O timeout de borda e o orçamento de latência em voz.
Onde o código roda e quem coordena os passos: Lambda, ECS/Fargate, EKS, EC2, Batch, AgentCore Runtime, Step Functions nos dois modos, EventBridge com Pipes e Scheduler, SQS, SNS — e onde mora o estado (DynamoDB, ElastiCache, Aurora, AgentCore Memory). O teto de 15 minutos e a entrega ao-menos-uma-vez.
A camada que alimenta o modelo: S3 e suas classes, S3 Vectors, OpenSearch Serverless, Aurora pgvector, Neptune Analytics, Kendra, Athena, Glue, Redshift, Lake Formation, DataZone e Kinesis. Os vector stores comparados pelo critério que decide de verdade — quanto custam parados.
O que ninguém conta no tutorial de RAG: por que busca puramente vetorial falha, chunking com trade-off real, busca híbrida, contextual retrieval, query rewriting, reranking, filtro de metadados e GraphRAG. Com as métricas de retrieval (recall@k, MRR, nDCG) e o custo de cada peça.
Tool use além do hello world: granularidade e descrição como gatilho, schema estrito, chamadas paralelas, erros que ensinam o modelo, idempotência, gate de aprovação humana, injeção de prompt via tool result, MCP e tool search — e por que o conjunto de tools é a sua âncora de cache.
A taxonomia profissional: workflow vs agent, prompt chaining, roteamento, paralelização, orquestrador-trabalhadores e avaliador-otimizador. Quando NÃO construir um agent, como o contexto degrada ao longo do laço, e o custo relativo de cada padrão para a mesma tarefa.
A capacidade que destrava todas as outras: golden set, rubrica, LLM-as-judge com seus vieses, métricas de retrieval separadas das de geração, gate de regressão no CI e canário de modelo. Sem eval você não consegue descer de tier — e é aí que mora a maior economia.
O manual operacional de FinOps de IA: 14 alavancas com economia típica, esforço, risco e a ordem certa de aplicar. Cache, cascata de modelos, disciplina de saída, batch, cache semântico, distillation, right-sizing de RAG e a alavanca mais barata de todas — não usar LLM. Com fórmulas e código.
O mapa completo: cases públicos organizados por setor (banco, seguro, varejo, saúde, logística, mídia, indústria) cruzados com o padrão arquitetural que cada um usa. Os três casos de uso que sempre aparecem em cada setor, e como ler número de case sem se enganar.
O arquétipo front-office desenhado camada a camada: RAG sobre a base de conhecimento, human-in-the-loop no atendente, deflexão medida de verdade. Baseline, arquitetura, as 3 decisões que definiram o projeto, o que deu errado e o checklist para replicar.
O arquétipo back-office: extrair dado estruturado de documento em banco, seguradora e farma — onde o erro custa caro e a auditoria pergunta. Pipeline event-driven, confidence routing, trilha de evidência, e a matemática do custo por documento.
O arquétipo que mais gera ROI e menos aparece em slide: IA voltada para dentro. Copiloto de conhecimento corporativo, agents que tocam sistemas legados e produtividade de engenharia — com o modelo de adoção, a métrica que não mente e o custo por funcionário ativo.
Cem problemas reais resolvidos com IA na AWS, organizados em dez famílias e cinco arquétipos de arquitetura. Cada linha traz o problema, a topologia de serviços, a decisão transferível e a ORIGEM da informação: 21 casos públicos com fonte, 32 arquiteturas de referência da AWS e 47 padrões compostos.