Amazon Bedrock, AgentCore, SageMaker & Q: agentes no Microsoft Teams

Playbook FDE: que serviço AWS usar, primeiro caminho de agente Teams e estimativas de calendário para RAG, MLOps e apps LLM

Balinder Walia21 de julho de 20263 min read

Como Amazon Bedrock, Bedrock AgentCore, SageMaker e Amazon Q se encaixam — e como um FDE entrega um primeiro agente de negócio no Microsoft Teams. Para o guia completo de setup, lista de ferramentas e estimativas de calendário, leia o artigo longo.

Amazon Bedrock AgentCore SageMaker Amazon Q agentes no Microsoft Teams

A versão num parágrafo. Use Amazon Bedrock para foundation models geridos e knowledge bases RAG. Use Bedrock AgentCore como runtime para agentes custom (memória, tools, identidade, observabilidade). Use SageMaker quando precisa de treino custom, fine-tuning ou pipelines MLOps. Use Amazon Q (Business / Developer) quando quer um assistente de colaborador ou builder productizado com menos engenharia. Coloque os agentes onde as pessoas já trabalham — Microsoft Teams — via um relay Bot Framework / Azure Bot para o AgentCore Runtime, com Entra ID para auth.

Quem faz o quê no stack AWS

Serviço	Ideal para	Não para
Amazon Bedrock	FMs serverless, Guardrails, Knowledge Bases (RAG), Agents APIs	Treinar modelos grandes from scratch
Bedrock AgentCore	Runtime de agente custom, ferramentas Gateway (incl. Teams Graph), Identity, Memory	Apenas low-code “chat with my docs”
Amazon SageMaker	Treinar / fine-tune / alojar modelos custom, Pipelines, Feature Store, MLOps	Caminho mais rápido para um MVP de chatbot Teams
Amazon Q	Assistente de conhecimento para colaboradores; ajuda de coding para developers na AWS	Produtos multi-agente profundamente custom

Padrão de negócio recomendado

Semana 0–2: Monte Bedrock + Knowledge Base RAG num corpus piloto; ative Guardrails.
Semana 2–4: Empacote um agente de produção no AgentCore Runtime; ligue ferramentas via Gateway (SharePoint, CRM, Teams Graph).
Semana 3–5: Entregue um bot Teams que reencaminha mensagens para o AgentCore; mantenha sessões com teams-{aadObjectId}-{conversationId}.
Em paralelo / mais tarde: SageMaker para classificadores custom ou fine-tunes; Amazon Q Business para Q&A em toda a organização com menos build.

Primeiro agente no Teams (snapshot FDE)

Caminho mínimo que funciona em pilots orientados a produção:

Azure Bot + registo de app Teams (Entra ID)
AWS Lambda (ou contentor) como endpoint de mensagens Bot
POST para o AgentCore Runtime /invocations com JWT
Bedrock Knowledge Base para RAG; Guardrails para segurança
Canal piloto, ciclo de feedback humano, traces CloudWatch

Espere aproximadamente 3–6 semanas para um agente interno delimitado (um departamento, uma fonte de conhecimento, ferramentas sobretudo de leitura) com um FDE + engenheiro de plataforma + revisão de segurança. MLOps completo + multi-agente + ações de escrita em sistemas de linha de negócio é um trimestre+.

Caixas de tempo (indicativas)

Linha de trabalho	Calendário (liderado por FDE)
Bedrock chat + Guardrails MVP	3–5 dias
Knowledge Base RAG (one corpus)	1–2 semanas
AgentCore agent + 2–3 tools	2–3 semanas
Bot Teams + publicação admin piloto	1–2 semanas (sobreposição)
Amazon Q Business (managed assistant)	1–3 semanas
SageMaker fine-tune + endpoint + MLOps	4–8+ semanas

Leia a versão longa

O artigo longo cobre diagramas de arquitetura em prosa, setup passo a passo do primeiro agente Teams, Entra ID com AgentCore Identity, targets de ferramentas Gateway, curriculum de formação FDE, checklists de requisitos/ferramentas e estimativas por fases para apps LLM, RAG e MLOps. Publicado por Workstation.

Loading blog...

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