En el panorama actual del desenvolupament de programari, els agents d'intel·ligència artificial (IA) que generen i executen codi han revolucionat la velocitat de creació d'aplicacions. No obstant això, aquest avenç comporta un repte crític: com permetre que aquests agents actuïn sense perdre el control sobre la governança, la seguretat i la qualitat del codi? La resposta no és una única eina, sinó una arquitectura en tres capes que combina entorns d'execució aïllats, coneixement expert i polítiques deterministes. A Q2BSTUDIO, com a empresa especialitzada en desenvolupament de programari a mida i serveis cloud, hem analitzat com AWS Lambda MicroVMs, l'Agent Toolkit for AWS i les polítiques d'Amazon Bedrock AgentCore poden treballar junts per oferir una execució segura de codi per a agents d'IA. Aquest article explora aquesta arquitectura de forma original i pràctica.
El problema de fons és que els agents d'IA, com Claude Code, Cursor o Kiro, solen executar-se amb els mateixos permisos que el desenvolupador que els invoca. Si l'agent actua fora del seu abast previst —per un error, una al·lucinació o una injecció de prompt— no hi ha barrera entre les seves accions i la resta de l'entorn. Per passar d'una prova de concepte a producció, cal aïllar el codi generat en un entorn contingut, incorporar experiència de domini perquè el codi sigui de qualitat de producció i aplicar una governança determinista que controli les accions de l'agent independentment de com se li indiqui. Cadascun d'aquests requisits es correspon amb una capa específica en la pila tecnològica que descrivim a continuació.
La primera capa és la d'execució aïllada. AWS Lambda MicroVMs proporciona entorns de còmput efímers basats en Firecracker microVM, cadascun amb el seu propi kernel, sistema de fitxers i espai de xarxa. Això permet que els agents instal·lin dependències, executin proves, compilin codi i facin qualsevol operació que un desenvolupador faria a la seva màquina local, però amb un límit clar: si l'agent genera codi destructiu, l'impacte queda confinat a una sola microVM que es destrueix en acabar. Les microVMs ofereixen recursos configurables (vCPU, memòria, disc), sessions de fins a 8 hores i es poden suspendre i reprendre conservant l'estat. A Q2BSTUDIO veiem això com un pilar fonamental per a aplicacions a mida que requereixen entorns de prova segurs i aïllats, especialment quan treballem amb clients que gestionen dades sensibles o infraestructures crítiques.
La segona capa és l'experiència de domini. L'aïllament per si sol no garanteix que el codi generat sigui correcte, eficient o segueixi les millors pràctiques. Per exemple, un agent podria crear funcions Lambda amb permisos IAM massa amplis, ometre la configuració d'observabilitat o desplegar sense patrons de rollback segurs. L'Agent Toolkit for AWS resol això proporcionant procediments validats i actualitzats per a tasques d'AWS. Aquests 'skills' codifiquen com un enginyer experimentat construiria en serverless: privilegis mínims per defecte, observabilitat des de l'inici i patrons de desplegament robustos. En la nostra feina com a consultors de cloud AWS/Azure, apliquem principis similars per garantir que el codi generat per IA compleixi amb els estàndards de producció. Així, l'agent no improvisa a partir de dades d'entrenament generals, sinó que segueix guies curades que reflecteixen l'experiència real.
La tercera capa és la governança determinista. Fins i tot amb un codi ben guiat, un agent podria intentar desplegar en producció, sobreescriure infraestructura existent o accedir a dades fora del seu abast. Amazon Bedrock AgentCore implementa una passarel·la que intercepta cada crida a eines i avalua polítiques escrites en Cedar, un llenguatge d'autorització de codi obert. Aquestes polítiques són llegibles per humans, analitzables per màquines i s'avaluen de forma determinista, sense importar com s'hagi indicat a l'agent. Per exemple, una política pot permetre que l'agent cridi una eina de desplegament només si el paràmetre d'entorn és 'staging' i denegar-lo per 'production'. L'execució forçosa ocorre fora del bucle de raonament de l'agent, de manera que no pot ser influenciada pel context del model. A més, les eines sempre denegades s'oculten de l'agent, i cada decisió es registra a CloudWatch per a auditoria. A Q2BSTUDIO, on la ciberseguretat és una prioritat, considerem que aquest nivell de control és indispensable per a qualsevol desplegament d'agents d'IA en entorns empresarials.
Veiem com funcionen aquestes tres capes en un escenari pràctic. Imaginem un desenvolupador que demana a un agent d'IA construir una API de processament de comandes. L'agent primer utilitza el skill de Lambda MicroVMs per aprovisionar el seu entorn de treball dins d'una microVM. Allà escriu el codi, instal·la dependències i executa la suite de proves fins que tot passa. Tot això ocorre de forma aïllada, sense afectar al sistema amfitrió. A continuació, l'agent genera una plantilla d'AWS SAM per al desplegament. Gràcies a l'Agent Toolkit, utilitza polítiques de plantilla com DynamoDBCrudPolicy en lloc de permisos comodí, activa el rastreig amb X-Ray i configura la integració amb API HTTP. L'agent no necessita improvisar aquestes decisions perquè els skills les proporcionen com a valors per defecte validats. Finalment, l'agent invoca una eina de desplegament a través de la passarel·la d'AgentCore. La política Cedar avalua la sol·licitud: si l'entorn és 'production', la denega; si és 'staging', la permet. L'agent ajusta la petició i desplega correctament a staging, notificant al desenvolupador que la promoció a producció ha de passar pel pipeline de CI/CD. Aquest flux il·lustra com la combinació d'execució segura, coneixement expert i governança permet als agents treballar de forma autònoma però controlada.
Per implementar aquesta arquitectura amb èxit, recomanem seguir algunes pràctiques. Comenceu configurant Policy in AgentCore en mode només registre per observar quines polítiques es denegarien abans d'aplicar-les de forma restrictiva. Això permet validar la cobertura sense interrompre el desenvolupament. Limiteu l'accés de xarxa de les microVMs al que sigui estrictament necessari: normalment la connectivitat només a la VPC és suficient, ja que el desplegament es realitza a través de la passarel·la. Enruteu totes les crides a eines a través de la passarel·la perquè les polítiques s'apliquin en la seva totalitat. Utilitzeu etiquetes consistents en els recursos creats per agents per facilitar l'auditoria, el seguiment de costos i la neteja automàtica. Tracteu les polítiques Cedar com a codi: mantingueu-les en control de versions, exigeu revisions i proveu-les contra accions representatives dels agents. Finalment, exposeu una eina de control de versions a través de la passarel·la perquè l'agent pugui confirmar el codi generat en un repositori, preservant l'historial i permetent la revisió abans de la promoció.
La integració d'aquests tres nivells no només resol el problema de l'execució segura, sinó que també obre la porta a fluxos de treball més avançats. Per exemple, els registres d'auditoria de la passarel·la poden alimentar dashboards de Business Intelligence amb Power BI, permetent als equips monitoritzar en temps real les accions dels agents i detectar anomalies. A més, la capacitat de suspendre i reprendre microVMs facilita la creació de sessions de desenvolupament persistents sense sacrificar l'aïllament entre inquilins. A Q2BSTUDIO, ajudem les empreses a dissenyar i implementar aquestes arquitectures com a part dels nostres serveis de cloud AWS/Azure, ciberseguretat i intel·ligència artificial. Si esteu explorant com integrar agents d'IA al vostre stack de desenvolupament de forma segura, us convidem a conèixer més sobre les nostres solucions de cloud AWS/Azure i intel·ligència artificial.
En conclusió, l'execució segura de codi per a agents d'IA és possible combinant aïllament, experiència i governança. AWS Lambda MicroVMs proporciona l'entorn contingut, l'Agent Toolkit for AWS aporta el coneixement expert, i les polítiques d'AgentCore ofereixen el control determinista. Junts, permeten que els agents construeixin, provin i despleguin aplicacions serverless sense que l'organització perdi el control. A mesura que els agents d'IA assumeixen tasques més complexes, aquesta arquitectura es converteix en un pilar fonamental per a l'adopció segura i escalable de la IA en el desenvolupament de programari. A Q2BSTUDIO, estem compromesos a ajudar les empreses a aprofitar aquestes tecnologies mantenint la seguretat, la qualitat i la governança com a prioritats.
