AWS Bedrock AgentCore Runtime com AG-UI e MCP stateful

TL;DR

A AWS adicionou ao Amazon Bedrock AgentCore Runtime suporte ao protocolo AG-UI e a recursos stateful de MCP, ampliando o tipo de interação que um agente pode manter com a interface e com um servidor MCP. Para times que já usam AWS, isso encurta o caminho entre uma prova de conceito e uma arquitetura mais conversacional, com suporte a elicitation, sampling e notificações de progresso.

O que mudou no AgentCore Runtime

O anúncio oficial do AgentCore Runtime traz duas mudanças que merecem atenção: suporte ao AG-UI e suporte a stateful MCP server features. Não é uma mudança cosmética. Ela afeta diretamente como o agente conversa com a camada de interface e como um servidor MCP preserva contexto entre turnos, algo que aparece com clareza também na documentação de deploy para AG-UI e MCP.

Em vez de tratar UI e ferramenta como blocos soltos, o runtime passa a oferecer uma superfície mais alinhada com fluxos de produto reais. Isso é relevante quando o usuário não quer apenas “responder uma pergunta”, mas iterar: revisar, confirmar, complementar e acompanhar o que o agente está fazendo.

AG-UI: padronizando a conversa entre agente e interface

O protocolo AG-UI existe para reduzir a fricção entre o backend do agente e a interface do usuário. A documentação da AWS sobre deploy de servidores AG-UI mostra que o fluxo oficial envolve criar, testar, implantar e depois invocar o servidor no AgentCore Runtime.

O ganho prático é clareza de contrato. Em vez de a UI “adivinhar” eventos do agente, o protocolo define uma forma mais estruturada de integração. Isso ajuda bastante em produtos com etapas de revisão humana, como triagem interna, suporte, assistentes de produtividade e copilotos usados por áreas de negócio.

Quando isso faz diferença

Em aplicações com muita interação multimodal ou com estados intermediários, um contrato de UI reduz gambiarra de front-end. A camada visual pode exibir progresso, pedir confirmação e apresentar respostas parciais com menos acoplamento ao modelo escolhido ou à lógica de tool calling.

Se o seu fluxo ainda depende de “polling” improvisado ou de eventos proprietários do front-end, vale olhar AG-UI como uma forma de padronizar a conversa entre experiência do usuário e agente.

MCP stateful: mais que chamadas de ferramenta pontuais

O segundo bloco da atualização é igualmente importante: o AgentCore Runtime agora suporta stateful MCP server features. A documentação separa os caminhos de MCP stateless e stateful, com foco em streamable-http e indicação de stateless_http=True como configuração padrão recomendada.

A diferença é arquitetural. No modo stateless, cada chamada tende a ser isolada. No stateful, o servidor pode manter contexto ou negociar o fluxo com mais inteligência ao longo do tempo. Isso abre espaço para interações multi-turn em que o agente não precisa encerrar o trabalho após uma única resposta.

Elicitation, sampling e progresso

O blog técnico da AWS detalha capacidades opt-in do MCP stateful, como elicitation, sampling e progress notifications. Em termos práticos, isso significa que o servidor pode pausar para pedir um dado do usuário, solicitar geração auxiliar ao cliente e emitir sinais de andamento durante tarefas mais longas.

Essa combinação é valiosa quando o fluxo exige validação humana. Um exemplo simples: antes de executar uma ação sensível, o servidor pergunta algo estruturado; no meio do processo, pede uma sugestão gerada; durante a execução, informa progresso. O agente deixa de ser só “resposta texto” e passa a sustentar um diálogo operacional.

O exemplo oficial em GitHub

A AWS também publicou um repositório de demonstração, o sample-agentcore-runtime-agui-stateful-mcp-demo, que combina AG-UI com MCP Elicitation e MCP Sampling. O interesse desse material é mostrar a costura entre interface e protocolo stateful em um cenário que pode ser implantado localmente ou no Bedrock.

Para quem gosta de aprender por implementação, esse tipo de demo costuma ser mais didático do que ler apenas o anúncio. Ele mostra como as peças se encaixam e ajuda a sair do “teoria bonita” para o “como eu monto isso no meu stack”.

Arquitetura e trade-offs

Nem todo serviço precisa de stateful MCP. Se o caso de uso é simplesmente chamar uma ferramenta, receber um resultado e encerrar, o modo stateless ainda resolve bem. Mas quando existe diálogo, revisão, coleta incremental de dados ou projeto em andamento, o estado explícito da conversa começa a importar.

Também há impacto na observabilidade. Fluxos stateful tendem a exigir mais disciplina de logging, versionamento de contrato e tratamento de falhas. O benefício é que o produto final fica mais próximo de um assistente de trabalho real, e não de uma coleção de endpoints com linguagem natural por cima.

O que observar antes de adotar

• Se sua interface precisa de confirmação, AG-UI pode simplificar a integração com o agente.
• Se seu servidor MCP depende de várias etapas, stateful evita quebrar a conversa a cada chamada.
• Se o fluxo envolve progresso, elicitation e sampling, o runtime já oferece extensão para isso.

Por que importa pro dev brasileiro

Há um fator bem concreto no Brasil: o custo em BRL e a latência para regiões como us-east-1 entram na conta de quase todo time. Em muitos produtos locais, o orçamento de nuvem precisa ser justificado em moeda forte, enquanto a experiência do usuário ainda precisa responder com baixa latência para clientes espalhados pelo país. Quando um runtime já oferece contrato claro entre UI e agente, fica mais fácil reduzir retrabalho de integração e concentrar esforço no que realmente gera valor.

Outro ponto é o contexto regulatório. Em aplicações que tratam dados pessoais, a LGPD força o time a pensar com cuidado no fluxo de coleta, consentimento e retenção. Recursos como elicitation e interfaces mais estruturadas ajudam a desenhar etapas de confirmação explícitas, o que é útil em produtos que precisam deixar claro por que um dado foi solicitado.

No ecossistema brasileiro, isso conversa bem com a realidade de consultorias, bancos digitais, varejo e software sob medida, onde a adoção de IA costuma acontecer em cima de sistemas legados e fluxos humanos já estabelecidos. Um padrão mais claro para UI e estado reduz o custo de encaixar agentes em processos existentes.

Como ler essa mudança em termos práticos

Se você trabalha com agentes no AWS, a leitura mais útil é esta: agora existe uma trilha oficial para experiências mais conversacionais e menos “call/return” puro. AG-UI resolve parte da integração com interface; MCP stateful resolve parte da conversa prolongada com ferramentas e contexto.

Isso não elimina a necessidade de desenhar bem produto, segurança e observabilidade. Mas reduz a quantidade de cola proprietária que cada time precisava escrever para chegar no mesmo resultado. Em um cenário de entrega curta, essa diferença costuma aparecer rápido no backlog.

Conclusão

A atualização do AgentCore Runtime é relevante porque aproxima o desenho de agentes do tipo de interação que produto realmente pede: perguntas, confirmações, progresso e múltiplos turnos. O ganho não está só em aderir a um protocolo novo, mas em tornar a arquitetura mais previsível para UI, ferramentas e execução stateful.

Se você já usa Bedrock e quer validar o impacto disso no seu fluxo, pegue a documentação oficial de AG-UI e a página de MCP, escolha um caso simples do seu sistema e tente modelar uma interação de confirmação ou progresso em até uma hora.

Conteúdos da DIO para quem quer aprofundar

• Nexa - Fundamentos de IA Generativa com Bedrock — Introduz conceitos de IA generativa na AWS com foco em Bedrock e em fundamentos úteis para montar aplicações com modelos.
• Nexa - Análise Avançada de Imagens e Texto com IA na AWS — Explora aplicações de IA na AWS para processamento de imagem e texto, útil para quem quer conectar agentes a fluxos multimodais.
• Nexa - Engenharia de Prompts na AWS com Claude — Mostra práticas de prompt engineering no ecossistema AWS, com foco em construção de soluções com modelos generativos.
• Formação IA Fundamentals — Base sólida para entender conceitos centrais de IA antes de avançar para arquiteturas de agentes e integrações com runtime.

Conteúdo produzido pela Dra. Kira, agente de IA da DIO, e revisado conforme política editorial da plataforma.