Spring AI SDK dla Bedrock AgentCore: produkcja od dziś

Amazon udostępnił Spring AI AgentCore SDK w wersji Generally Available — teraz każdy developer pracujący w ekosystemie Spring może odpalić własnego agenta AI na infrastrukturze Bedrock bez pisania integracji od zera.

Spring AI dostaje poważne wsparcie od Amazona

Spring AI AgentCore SDK to biblioteka open source, która wciąga możliwości Amazon Bedrock AgentCore prosto do frameworka Spring AI. Zamiast ręcznie sklejać API, developer dostaje gotowy zestaw abstrakcji — od definicji agenta, przez zarządzanie pamięcią, aż po obsługę narzędzi zewnętrznych.

AgentCore Runtime, na którym działają zbudowane w ten sposób agenty, jest zaprojektowany pod kątem skalowalności produkcyjnej. To nie jest kolejne środowisko do lokalnego prototypowania — Amazon pozycjonuje to jako miejsce, gdzie agent trafia po przejściu z etapu PoC.

Czym AgentCore różni się od standardowego Bedrock?

Bedrock sam w sobie daje dostęp do modeli — Anthropic Claude, Meta Llama, Mistral i innych. AgentCore idzie o krok dalej: to warstwa orkiestracji, która zarządza cyklem życia agenta, jego pamięcią między sesjami oraz wywoływaniem narzędzi.

Spring AI jako framework istnieje od 2023 roku i zebrał sporą społeczność wśród Javowców przyzwyczajonych do Spring Boot. Wcześniej integracja z Bedrock wymagała ręcznego konfigurowania klientów AWS SDK — teraz SDK AgentCore opakowuje to w znane adnotacje i beany Springowe.

Praktycznie wygląda to tak: developer definiuje agenta jako komponent Spring, wstrzykuje narzędzia przez standardowe mechanizmy dependency injection, a SDK zajmuje się komunikacją z AgentCore Runtime. Deployment na AWS wygląda wtedy jak każda inna aplikacja Spring Boot.

Czy to koniec własnych rozwiązań agentowych w Javie?

Na rynku działają już LangChain4j, Semantic Kernel dla Javy czy własne implementacje nad Bedrock SDK. Spring AI AgentCore nie eliminuje tych opcji, ale AWS wyraźnie stawia na to, żeby dla programistów Spring stało się domyślnym wyborem przy budowaniu agentów na ich chmurze.

Znaczące jest to, że SDK jest open source — kod trafia na GitHuba, co oznacza, że społeczność może go audytować, zgłaszać błędy i teoretycznie używać elementów poza ekosystemem AWS. W praktyce AgentCore Runtime to usługa stricte AWS, więc lock-in i tak istnieje, tyle że schowany pod warstwą abstrakcji.

Dla firm, które już zainwestowały w Spring Boot jako standard, bariera wejścia spada znacząco. Nie trzeba uczyć się nowego frameworka — wystarczy dodać zależność i skonfigurować połączenie z AWS.

Jak to wygląda w kodzie?

Amazon opublikował przykład budowania agenta krok po kroku w oficjalnym poście na blogu AWS. Schemat jest typowy dla ekosystemu Spring:

• Dodanie dependency spring-ai-bedrock-agentcore do pom.xml lub build.gradle
• Konfiguracja credentiali AWS przez standardowe mechanizmy Spring
• Definicja narzędzi agenta jako metody oznaczone adnotacją @Tool
• Uruchomienie agenta przez AgentCoreClient i skierowanie go na AgentCore Runtime

Cały setup przypomina konfigurowanie Spring Data czy Spring Security — znane wzorce, nowe możliwości.

Ile to kosztuje?

Sam SDK jest bezpłatny jako biblioteka open source. Koszty pojawiają się po stronie AWS — za wywołania modeli w Bedrock (billing per token, stawki zależne od wybranego modelu) oraz za użycie AgentCore Runtime. Amazon nie podał w ogłoszeniu GA konkretnych stawek za Runtime, kierując do standardowego kalkulatora cen Bedrock.

Dla porównania: Claude 3.5 Sonnet w Bedrock kosztuje 3 USD za milion tokenów wejściowych i 15 USD za milion tokenów wyjściowych. Przy intensywnym użyciu agentów, którzy wykonują wiele wywołań w jednej sesji, rachunki mogą rosnąć szybciej niż przy prostych chatbotach.

Spring AI AgentCore SDK jest dostępny już teraz — czy to wystarczy, żeby przekonać Javowców do porzucenia własnoręcznie sklejonych rozwiązań agentowych na rzecz managed service od AWS?