Bot Factory: como a AutoScout24 padronizou o desenvolvimento de agentes de IA com Amazon Bedrock AgentCore

A AutoScout24, maior plataforma de marketplace automotivo da Europa, acaba de revelar como transformou experimentos dispersos de IA generativa em um framework corporativo padronizado. A solução, batizada de Bot Factory, permite que times de engenharia criem e implantem agentes de IA de forma rápida, segura e escalável — e o blueprint pode servir de referência para qualquer organização que queira industrializar o desenvolvimento de agentes.

O caso é particularmente relevante porque resolve um problema comum em empresas que adotam IA: a proliferação de soluções isoladas, cada uma com sua própria arquitetura, dificultando manutenção, governança e escalabilidade. A Bot Factory oferece um caminho pavimentado (paved path) que abstrai a complexidade de infraestrutura.

Engenheiros de plataforma, arquitetos de soluções e líderes técnicos que trabalham com agentes de IA devem prestar atenção nesse padrão — ele representa uma abordagem madura para operacionalizar sistemas multiagentes em produção.

O QUE FOI ANUNCIADO

A AWS publicou em seu blog oficial de Machine Learning um estudo de caso detalhado sobre a parceria entre a AutoScout24 e o time AWS PACE (Prototype and Cloud Engineering). O projeto foi desenvolvido em um bootcamp de três semanas com os seguintes objetivos:

Criar um framework reutilizável para desenvolvimento de agentes de IA
Validar o blueprint com um caso de uso real: bot de suporte interno
Reduzir o tempo que engenheiros gastavam com tarefas repetitivas (estimado em 30%)

O primeiro agente implementado foi um bot de suporte via Slack capaz de:

Responder perguntas consultando documentação interna (RAG)
Executar ações em sistemas externos (como atribuir licenças do GitHub Copilot)

VISÃO TÉCNICA SIMPLIFICADA

Arquitetura Event-Driven e Serverless

A Bot Factory segue um padrão arquitetural event-driven e serverless, construído sobre serviços gerenciados da AWS. O fluxo de uma requisição funciona assim:

Slack → API Gateway → Lambda (validação) → SQS FIFO → Lambda → AgentCore → Agente Orquestrador → Agentes Especializados

Componentes principais:

Amazon API Gateway + Lambda: Recebe eventos do Slack e valida assinatura criptográfica
Amazon SQS FIFO: Desacopla frontend do agente, garantindo ordem de mensagens por thread
Amazon Bedrock AgentCore: Runtime serverless que gerencia execução, sessões e escalabilidade
Strands Agents SDK: Framework open-source para definir lógica dos agentes em Python

Padrão Agents-as-Tools

Um dos aspectos mais interessantes da arquitetura é o padrão "agents-as-tools". Um agente orquestrador central analisa cada requisição e delega para agentes especializados:

Knowledge Base Agent: Consulta documentação via RAG
GitHub Agent: Executa ações na API do GitHub

Isso permite adicionar novos agentes (por exemplo, um agente de code review) sem re-arquitetar o sistema.

Gerenciamento de Sessões

O AgentCore implementa isolamento completo de sessões. Cada thread do Slack recebe um sessionId único (combinação de channel ID + timestamp), garantindo:

Contexto conversacional preservado dentro de uma thread
Isolamento total entre conversas diferentes
Containers separados por sessão, sem vazamento de dados

Código do Agente Orquestrador

Usando o Strands Agents SDK, o orquestrador é definido de forma declarativa:

from bedrock_agentcore.runtime import BedrockAgentCoreApp
from strands import Agent
from strands.models import BedrockModel

app = BedrockAgentCoreApp()

class OrchestratorAgent:
    def __init__(self):
        self.model = BedrockModel(model_id="anthropic.claude-3-sonnet-20240229-v1:0")
        self.system_prompt = """
        You are a helpful support bot for the Platform Engineering team.
        Use your tools to answer questions or perform actions.
        """
        self.tools = [knowledge_base_query_tool, github_copilot_seat_agent]
        self.agent = Agent(model=self.model, system_prompt=self.system_prompt, tools=self.tools)

@app.entrypoint
def main(event):
    user_query = event.get("prompt")
    return OrchestratorAgent()(user_query)

O desenvolvedor foca na lógica de negócio; a infraestrutura (scaling, sessões, segurança) é gerenciada pelo AgentCore.

O QUE MUDA NA PRÁTICA PARA ENGENHEIROS DE IA

🏗️ Arquitetura

O padrão agents-as-tools simplifica a criação de sistemas multiagentes
Novo agente = nova função Python com decorator @tool
Desacoplamento via SQS permite resiliência e processamento assíncrono

🚀 Performance

AgentCore gerencia scaling automaticamente
Possibilidade de usar modelos diferentes por agente (Claude Sonnet para orquestração, modelos leves para tarefas simples)
Filas FIFO garantem ordem sem overhead de implementação

💸 Custos

Arquitetura serverless = paga apenas pelo uso
Otimização de custos ao usar modelos adequados para cada tarefa
Redução de 30% no tempo de engenheiros com suporte repetitivo

🔐 Riscos

Validação de assinatura criptográfica na entrada
IAM roles com least privilege por agente
Secrets gerenciados via AWS Secrets Manager
Isolamento de containers por sessão

🧪 Maturidade

Framework já em produção na AutoScout24
Strands Agents é open-source
Depende de serviços gerenciados AWS (vendor lock-in considerável)

CASOS DE USO REAIS E POTENCIAIS

Já implementado:

Bot de suporte interno que responde perguntas e executa ações automatizadas
Atribuição automática de licenças GitHub Copilot

Potenciais aplicações do padrão:

Chatbots corporativos: Suporte ao cliente com acesso a múltiplos sistemas
Agentes de DevOps: Automação de deploys, rollbacks, análise de logs
Assistentes de onboarding: Novos funcionários interagem com um bot que provisiona acessos
Agentes de análise de dados: Consultas em linguagem natural a data warehouses
Sistemas de code review automatizado: Análise de PRs com sugestões contextuais

O padrão é particularmente útil para organizações que já têm múltiplos experimentos de IA e precisam consolidá-los em uma plataforma governável.

LIMITAÇÕES, RISCOS E PONTOS DE ATENÇÃO

Limitações Técnicas

Vendor lock-in: Arquitetura fortemente acoplada ao ecossistema AWS
Complexidade inicial: Requer conhecimento de múltiplos serviços AWS (API Gateway, Lambda, SQS, Bedrock)
Latência: Múltiplos hops (Slack → Gateway → SQS → Lambda → AgentCore) adicionam latência

Dependências

Amazon Bedrock AgentCore ainda é um serviço relativamente novo
Strands Agents SDK é open-source mas mantido pela AWS
Integração com Slack específica — adaptar para Teams ou Discord requer trabalho adicional

Riscos de Produção

Orquestrador como ponto único de decisão — erros de roteamento afetam todo o sistema
Custos podem escalar rapidamente com alto volume de requisições
Debugging distribuído requer domínio de X-Ray e CloudWatch

Hype vs Realidade

O case é sólido e validado em produção, mas o termo "Bot Factory" pode soar mais revolucionário do que é. Na prática, é uma arquitetura bem projetada de microserviços aplicada a agentes de IA — o diferencial está na padronização e nos serviços gerenciados que aceleram o desenvolvimento.

O QUE OBSERVAR NOS PRÓXIMOS MESES

Evolução do AgentCore: A AWS deve adicionar mais features de observabilidade e governança
Adoção do Strands Agents SDK: Se ganhar tração fora do ecossistema AWS, pode se tornar um padrão de mercado
Padrões de interoperabilidade: O artigo menciona o protocolo A2A (Agent-to-Agent) — vale monitorar se a AWS vai adotar padrões abertos ou criar proprietários
Casos de uso expandidos: A AutoScout24 deve publicar mais agentes usando o blueprint — isso validará a reusabilidade prometida

CONEXÃO COM APRENDIZADO

Para quem quer se aprofundar em como arquitetar sistemas multiagentes, entender padrões de orquestração e implementar RAG em produção — temas centrais deste case — esse tipo de conhecimento faz parte dos estudos da AI Engineering Academy.

🚀 Faça parte da comunidade AI Engineering

Quer receber as principais notícias de AI Engineering em primeira mão e trocar ideias com outros profissionais? Entre no nosso grupo no WhatsApp!

👉 Entrar no grupo do WhatsApp

Termos relacionados: Amazon Bedrock AgentCore, Strands Agents SDK, arquitetura multiagentes, RAG, agents-as-tools, orquestrador de agentes, serverless AI, Amazon SQS FIFO, gerenciamento de sessões, enterprise AI agents