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

Balinder Walia21 de julio de 20263 min read

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.

Amazon Bedrock AgentCore SageMaker Amazon Q agentes en Microsoft Teams

La versión en un párrafo. Usa Amazon Bedrock para foundation models gestionados y knowledge bases RAG. Usa Bedrock AgentCore como runtime para agentes custom (memoria, tools, identidad, observabilidad). Usa SageMaker cuando necesitas entrenamiento custom, fine-tuning o pipelines MLOps. Usa Amazon Q (Business / Developer) cuando quieres un asistente de empleado o builder productizado con menos ingeniería. Pon los agentes donde la gente ya trabaja — Microsoft Teams — vía un relay Bot Framework / Azure Bot hacia AgentCore Runtime, con Entra ID para auth.

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
POST a AgentCore Runtime /invocations con 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 Workstation.

Loading blog...

Aws Amazon Bedrock Agentcore Sagemaker Amazon Q Microsoft Teams AI Agents Rag LLM MLOps AI DevOps