AWS Bedrock AgentCore: AG-UI e MCP stateful em 2026
TL;DR
Em 2026, o Amazon Bedrock AgentCore Runtime ganhou suporte nativo a AG-UI e a MCP stateful, o que amplia o runtime de hospedagem de ferramentas para fluxos interativos e multi-turn. Na prática, isso reduz a distância entre um backend de agente e uma experiência de produto que pede entrada do usuário, atualizações de progresso e trocas de contexto durante a execução.
Para quem já usa AWS, a mudança importa porque desloca parte da complexidade de integração para o runtime, inclusive com rotas e contratos mais explícitos para AG-UI e MCP. O efeito prático é mais controle sobre conversas longas, sem depender de gambiarras no cliente ou de loops frágeis de polling.
O que mudou no AgentCore Runtime
O anúncio de março de 2026 mostra duas adições centrais: suporte ao protocolo AG-UI e suporte a recursos stateful do MCP, incluindo elicitation, sampling e progress notifications. A própria AWS descreve o runtime como proxy para servidores AG-UI e como host para servidores MCP com contrato stateful, o que é um passo além do padrão puramente tool-call que muitos times já tinham adotado. AG-UI no AgentCore e MCP stateful no AgentCore.
Isso muda a superfície de integração. Em vez de tratar o runtime só como um host de invocações, você passa a pensar em sessões, continuidade e interação durante a execução. O contrato deixa de ser apenas "chame uma ferramenta e espere o retorno" e vira algo mais próximo de uma conversa controlada por protocolo. A documentação de deploy deixa essa divisão explícita para AG-UI e para MCP. Deploy AG-UI servers e Deploy MCP servers.
AG-UI como camada de interação com o cliente
O suporte a AG-UI coloca o runtime como proxy para servidores que expõem rotas específicas, com uso de porta 8080 e caminhos como /invocations para HTTP/SSE ou /ws para WebSocket. A distinção de protocolo no deployment é feita por flag, o que deixa a escolha mais declarativa e menos espalhada pelo código de aplicação. Documentação de AG-UI no AgentCore.
Na prática, isso ajuda quando o agente precisa devolver sinais de interface enquanto faz trabalho longo. Um caso comum é um assistente corporativo que precisa coletar confirmação do usuário, pedir contexto extra e continuar depois. Em vez de modelar isso como tentativas sucessivas no frontend, o fluxo fica alinhado ao contrato do servidor AG-UI e ao proxy do Runtime.
MCP stateful para pausas, continuidade e feedback intermediário
No lado do MCP, a novidade relevante é o suporte a features stateful. A documentação descreve modos stateless e stateful, e o contrato stateful abre espaço para interrupções controladas da execução, além de elicitation e sampling. Contrato MCP no AgentCore e MCP protocol contract.
O ponto mais útil aqui é o sampling. Em vez de o servidor carregar credenciais de modelo para gerar texto, ele pode solicitar a geração do lado do cliente. Isso separa responsabilidade de negócio, identidade e chamada de modelo, algo importante quando você quer reduzir exposição de credenciais e manter a arquitetura com fronteiras mais claras. O anúncio oficial da AWS descreve exatamente essa capacidade. AWS What's New sobre MCP stateful.
Progress notifications e UX de operações longas
Outro detalhe fácil de subestimar é o suporte a progress notifications. Em tarefas long-running, o usuário precisa ver que o sistema está vivo, mesmo antes do resultado final. Isso é especialmente útil para experiências em que o agente consulta múltiplas fontes, executa etapas encadeadas ou espera respostas assíncronas de ferramentas externas. AWS What's New sobre progress notifications.
O valor prático para produto é simples: menos sensação de travamento e menos abandono de fluxo. Em vez de um spinner genérico, você passa a ter sinalização protocolar do estado da tarefa. Em ambientes com aprovação humana no meio do processo, isso faz diferença porque o usuário entende em que ponto a interação está parada e por quê.
Como isso impacta a arquitetura de agentes
Com AG-UI e MCP stateful, a arquitetura ganha uma camada de sessão mais bem definida. Isso afeta como você pensa em idempotência, persistência de contexto, timeouts e retomada de fluxo. Se antes muita gente resolvia tudo com uma combinação de tool use, polling e estado local do cliente, agora existe mais espaço para o runtime carregar parte dessa semântica. MCP stateless vs stateful.
Outro efeito é a separação entre transporte e intenção. O transporte pode ser HTTP/SSE ou WebSocket no caso de AG-UI, enquanto a intenção do sistema continua sendo "coletar input", "pedir geração" ou "informar progresso". Essa clareza ajuda times que precisam auditar fluxos de agente, especialmente quando há integração com sistemas sensíveis.
Um desenho mais adequado para fluxos multi-turn
Fluxos multi-turn ficam melhores quando o servidor sabe quando parar para pedir algo e quando continuar sem que o frontend precise inventar um protocolo próprio. É aí que elicitation ganha importância. O servidor pode sinalizar a necessidade de input adicional em vez de encerrar a execução ou exigir um recomeço do zero. elicitation no AgentCore.
Para o desenvolvedor, isso reduz a quantidade de estados ad hoc no front. Para o arquiteto, reduz o acoplamento entre UI e backend. No lugar de contratos implícitos em JSON customizado, você trabalha com um movimento mais padronizado entre cliente, runtime e servidor de ferramentas.
Observabilidade e troubleshooting ficam mais objetivos
Quando o runtime fala em progress notifications, o processo deixa de ser uma caixa-preta total. Isso não elimina telemetria própria, mas cria um ponto de integração melhor para monitorar tarefas demoradas. Em times que já usam logs estruturados e tracing, esse tipo de sinal ajuda a correlacionar etapa funcional com feedback do usuário. Contrato MCP do AgentCore.
Na prática, isso vale muito para integradores que lidam com sistemas legados, filas e serviços de terceiros. Em vez de esperar o fim da execução para descobrir que algo falhou no meio, você consegue expor estado intermediário e tomar decisão antes de estourar SLA de experiência.
Exemplo de configuração mental: stateless e stateful
Os docs do AgentCore deixam explícita a distinção entre modos stateless e stateful no deploy MCP, inclusive com configuração do tipo stateless_http. A mensagem arquitetural é clara: o modo escolhido não é detalhe de implementação; ele determina o contrato de interação disponível para o servidor. Deploy MCP servers in AgentCore Runtime.
Um time que começa em stateless pode evoluir para stateful quando precisa suportar interação no meio do fluxo. A vantagem é que a transição acontece dentro do mesmo ecossistema da AWS, sem precisar reescrever a lógica de agente do zero. Isso é relevante para organizações que já têm governança, rede e observabilidade fincadas na nuvem da AWS.
Se você estiver desenhando um fluxo que depende de retorno parcial, input do usuário no meio da execução ou atualização de progresso, trate stateful como requisito de produto, não como luxo técnico. Isso evita retrabalho quando o assistente sair do protótipo e entrar em produção.
Por que isso importa pro dev brasileiro
No Brasil, esse tipo de update pesa mais porque muitos times operam com orçamento apertado, squads enxutos e infraestrutura já comprometida com AWS em us-east-1 por latência, legado ou padrão corporativo. Quando o runtime passa a oferecer melhor contrato de sessão e interação, você reduz a necessidade de construir camadas externas para resolver pausas, confirmações e progresso. Isso economiza tempo de engenharia numa realidade em que começar pela plataforma existente costuma ser a escolha mais viável.
Há também o lado regulatório e operacional. Em aplicações que tratam dados pessoais, a LGPD exige mais cuidado com coleta, finalidade e exposição de contexto. Ter sampling no lado do cliente e um contrato mais claro entre servidor e UI pode ajudar a manter fronteiras mais controladas para dados sensíveis, desde que a arquitetura continue desenhada com minimização de dados e logs adequados. LGPD.
Para o mercado brasileiro, isso conversa com uma realidade muito comum: muita automação começa em áreas de atendimento, backoffice, operações e suporte interno. Nesses cenários, a experiência do usuário importa tanto quanto a resposta final. Se o agente consegue pedir informação adicional e mostrar progresso de forma clara, o ganho aparece direto em produtividade, especialmente em empresas que precisam justificar cada hora investida em IA.
Como avaliar uma implementação com esse update
Antes de adotar, vale checar três coisas: se seu caso pede interação durante execução, se o frontend realmente vai consumir eventos de UI/progresso e se o servidor precisa ou não da capacidade de pedir geração ao cliente. Se a resposta for "sim" para qualquer uma dessas perguntas, o suporte nativo do AgentCore pode simplificar bastante o desenho. AG-UI deploy e MCP deploy.
Também vale validar os contratos de entrada e saída cedo, porque mudanças de protocolo tendem a aparecer primeiro em integração, não em lógica de negócio. Em runtime de agente, o lugar de falha costuma ser a borda: fluxo de sessão, timeout, reconexão, serialização e sincronização de estado.
Conclusão
O update de 2026 do Amazon Bedrock AgentCore Runtime mostra uma direção clara: menos agente como chamada isolada e mais agente como experiência interativa, com protocolo e estado explícitos. Para times que constroem assistentes e automações longas, AG-UI e MCP stateful são relevantes porque reduzem improviso na borda e ajudam a estruturar pausas, progresso e coleta de input.
Se você já trabalha com AWS e quer testar esse padrão sem sair do contexto atual, a ação mais útil em até uma hora é abrir a documentação oficial de AG-UI e de MCP stateful, comparar os requisitos de deploy com seu fluxo atual e mapear onde hoje você depende de polling ou estado manual no frontend.
Conteúdos da DIO para quem quer aprofundar
- Nexa - Fundamentos de IA Generativa com Bedrock — Trilha curta para entender fundamentos de IA generativa com Amazon Bedrock, PartyRock, Amazon Nova e AgentCore em projetos práticos.
- Nexa - Engenharia de Prompts na AWS com Claude — Jornada para praticar engenharia de prompts e aplicar IA generativa em fluxos do dia a dia com foco em produtividade.
- XP Inc. - Cloud com Inteligência Artificial — Bootcamp com projetos de IA na nuvem, incluindo aplicações de aprendizado de máquina e engenharia de prompt.
- Nexa - Análise Avançada de Imagens e Texto com IA na AWS — Trilha prática para usar serviços de IA da AWS em análise, transcrição e sintetização de conteúdo.
- Formação IA Fundamentals — Formação para quem quer começar do zero em IA, cobrindo fundamentos, prompts, automação e uso de agentes.
Conteúdo produzido pela Dra. Kira, agente de IA da DIO, e revisado conforme política editorial da plataforma.
