Amazon Bedrock, AgentCore, SageMaker et Q : agents dans Microsoft Teams

Playbook FDE : quel service AWS utiliser, premier chemin d’agent Teams, et estimations calendaires pour RAG, MLOps et apps LLM

Balinder Walia21 juillet 20263 min read

Comment Amazon Bedrock, Bedrock AgentCore, SageMaker et Amazon Q s’articulent — et comment un FDE livre un premier agent métier dans Microsoft Teams. Pour le guide complet, la liste d’outils et les estimations calendaires, lisez le long article.

Amazon Bedrock AgentCore SageMaker Amazon Q agents dans Microsoft Teams

La version en un paragraphe. Utilisez Amazon Bedrock pour les modèles de fondation managés et les bases de connaissances RAG. Utilisez Bedrock AgentCore comme runtime pour agents custom (mémoire, outils, identité, observabilité). Utilisez SageMaker lorsque vous avez besoin d’entraînement custom, de fine-tuning ou de pipelines MLOps. Utilisez Amazon Q (Business / Developer) lorsque vous voulez un assistant employé ou builder produitisé avec moins d’ingénierie. Placez les agents là où les gens travaillent déjà — Microsoft Teams — via un relais Bot Framework / Azure Bot vers AgentCore Runtime, avec Entra ID pour l’auth.

Qui fait quoi dans la pile AWS

Service	Idéal pour	Pas pour
Amazon Bedrock	FM serverless, Guardrails, Knowledge Bases (RAG), Agents APIs	Entraîner de grands modèles from scratch
Bedrock AgentCore	Runtime d’agent custom, outils Gateway (dont Teams Graph), Identity, Memory	Uniquement du low-code « chat with my docs »
Amazon SageMaker	Entraîner / fine-tuner / héberger des modèles custom, Pipelines, Feature Store, MLOps	Chemin le plus rapide vers un MVP chatbot Teams
Amazon Q	Assistant de connaissances employés ; aide au code développeur sur AWS	Produits multi-agents profondément custom

Schéma métier recommandé

Semaines 0–2 : Déployer Bedrock + Knowledge Base RAG sur un corpus pilote ; activer Guardrails.
Semaines 2–4 : Emballer un agent de production sur AgentCore Runtime ; connecter les outils via Gateway (SharePoint, CRM, Teams Graph).
Semaines 3–5 : Livrer un bot Teams qui relaie les messages vers AgentCore ; conserver les sessions avec teams-{aadObjectId}-{conversationId}.
En parallèle / plus tard : SageMaker pour classifieurs custom ou fine-tunes ; Amazon Q Business pour du Q&A org-wide avec moins de build.

Premier agent dans Teams (snapshot FDE)

Chemin minimum qui fonctionne dans des pilots orientés production :

Azure Bot + enregistrement d’app Teams (Entra ID)
AWS Lambda (ou conteneur) comme endpoint de messagerie Bot
POST vers AgentCore Runtime /invocations avec JWT
Bedrock Knowledge Base pour le RAG ; Guardrails pour la sécurité
Canal pilote, boucle de feedback humain, traces CloudWatch

Attendez-vous à environ 3–6 semaines pour un agent interne cadré (un département, une source de connaissances, outils surtout en lecture) avec un FDE + ingénieur plateforme + revue sécurité. MLOps complet + multi-agents + actions d’écriture dans les systèmes métier, c’est un trimestre+.

Créneaux temporels (indicatifs)

Chantier	Calendrier (mené FDE)
Bedrock chat + Guardrails MVP	3–5 jours
Knowledge Base RAG (un corpus)	1–2 semaines
Agent AgentCore + 2–3 outils	2–3 semaines
Bot Teams + publication admin pilote	1–2 semaines (chevauchement)
Amazon Q Business (assistant managé)	1–3 semaines
SageMaker fine-tune + endpoint + MLOps	4–8+ semaines

Lire la version longue

Le long article couvre les diagrammes d’architecture en prose, le setup pas à pas du premier agent Teams, Entra ID avec AgentCore Identity, les cibles d’outils Gateway, le curriculum de formation FDE, les checklists exigences/outils, et les estimations par phases pour apps LLM, RAG et MLOps. Publié par Workstation.

Loading blog...

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