Blog
Amazon Bedrock, AgentCore, SageMaker y Q: agentes en Microsoft Teams
Playbook FDE: qué servicio AWS usar, primer camino de agente en Teams y estimaciones de calendario para RAG, MLOps y apps LLM
En esta página
Cómo encajan Amazon Bedrock, Bedrock AgentCore, SageMaker y Amazon Q — y cómo un FDE entrega un primer agente de negocio en Microsoft Teams. Para la guía completa de setup, lista de herramientas y estimaciones de calendario, lee el artículo largo.
Quién hace qué en el stack de AWS
| Servicio | Ideal para | No para |
|---|---|---|
| Amazon Bedrock | FMs serverless, Guardrails, Knowledge Bases (RAG), Agents APIs | Entrenar modelos grandes desde cero |
| Bedrock AgentCore | Runtime de agente custom, herramientas Gateway (incl. Teams Graph), Identity, Memory | Solo low-code “chat with my docs” |
| Amazon SageMaker | Entrenar / fine-tune / alojar modelos custom, Pipelines, Feature Store, MLOps | Camino más rápido a un MVP de chatbot en Teams |
| Amazon Q | Asistente de conocimiento para empleados; ayuda de coding para desarrolladores en AWS | Productos multi-agente profundamente custom |
Patrón de negocio recomendado
- Semana 0–2: Levanta Bedrock + Knowledge Base RAG sobre un corpus piloto; activa Guardrails.
- Semana 2–4: Empaqueta un agente de producción en AgentCore Runtime; conecta herramientas vía Gateway (SharePoint, CRM, Teams Graph).
- Semana 3–5: Entrega un bot de Teams que retransmite mensajes a AgentCore; mantén las sesiones con
teams-{aadObjectId}-{conversationId}. - En paralelo / más tarde: SageMaker para clasificadores custom o fine-tunes; Amazon Q Business para Q&A a escala de org con menos build.
Primer agente en Teams (snapshot FDE)
Camino mínimo que funciona en pilots orientados a producción:
- Azure Bot + registro de app Teams (Entra ID)
- AWS Lambda (o contenedor) como endpoint de mensajería Bot
POSTa AgentCore Runtime/invocationscon JWT- Bedrock Knowledge Base para RAG; Guardrails para seguridad
- Canal piloto, bucle de feedback humano, traces de CloudWatch
Espera aproximadamente 3–6 semanas para un agente interno acotado (un departamento, una fuente de conocimiento, herramientas mayormente de lectura) con un FDE + ingeniero de plataforma + revisión de seguridad. MLOps completo + multi-agente + acciones de escritura en sistemas de línea de negocio es un trimestre+.
Cajas de tiempo (indicativas)
| Línea de trabajo | Calendario (liderado por FDE) |
|---|---|
| Bedrock chat + Guardrails MVP | 3–5 días |
| Knowledge Base RAG (one corpus) | 1–2 semanas |
| AgentCore agent + 2–3 tools | 2–3 semanas |
| Bot de Teams + publicación admin piloto | 1–2 semanas (solapamiento) |
| Amazon Q Business (managed assistant) | 1–3 semanas |
| SageMaker fine-tune + endpoint + MLOps | 4–8+ semanas |
Lee la versión larga
El artículo largo cubre diagramas de arquitectura en prosa, setup paso a paso del primer agente en Teams, Entra ID con AgentCore Identity, targets de herramientas Gateway, curriculum de formación FDE, checklists de requisitos/herramientas y estimaciones por fases para apps LLM, RAG y MLOps. Publicado por TenthMatrix.
Más del blog
Observability Is Not Optional: Make It a Business Standard
Why fragmented monitoring creates blind spots, duplicate spend, and slow incidents — and how to make centralised observability a non-negotiable company standard.
WSL Vault for Compliance: One Tenant Never Opens Another’s Secrets
How WSL Vault keeps app, team, and environment tenants cryptographically isolated — so a stolen root-style token cannot empty the estate — and why dual-tenant control beats secrets sprawl.
Workstation AI Shop: Promoting the AI Sales Storefront Through int → test → acc → prod
Workstation AI Shop sells GPU machines with a fully autonomous AI Sales Agent that configures the basket. See how Ring Promoter moves each build through int → test → acc → prod — with Orbit screenshots release engineers and stakeholders share.