Cómo construí un agente de IA para descubrir restaurantes y generar planes de comida usando Amazon Bedrock AgentCore y por qué es más fácil de lo que parece.
La idea nace de una situación real: aterrizas en Seattle por trabajo, son las 19:00, tienes hambre y no sabes dónde cenar. Buscas un sitio auténtico, con buenas reseñas y a poder ser cerca del hotel. De ahí surgió mi asistente de cena: un agente que no solo encuentra restaurantes, sino que crea planes completos con recomendaciones, tamaño del grupo, presupuesto y consejos locales.
Qué construí: un Dining Agent con Bedrock AgentCore que hace tres cosas especialmente bien. Primero, descubrimiento inteligente de restaurantes con búsqueda web en tiempo real en función de ubicación, tipo de cocina o requisitos concretos. Segundo, análisis de menús mediante scraping del sitio del restaurante para entender la oferta actual. Tercero, planes de cena personalizados con recomendaciones de platos, estimación de costes, tamaño de la mesa, propinas e impuestos locales.
Lo mejor es que tardé menos de 30 minutos en montar y desplegar todo, con una interfaz ligera en React y un agente backend sobre el framework Strands Agents ejecutándose en Amazon Bedrock AgentCore Runtime.
Datos reales, resultados reales. En lugar de respuestas genéricas, integré MCP de BrightData, que permite búsquedas reales en Google con protección contra CAPTCHA, scraping profesional y extracción de datos en tiempo real. Si pides italianos en Seattle, obtienes resultados actuales con valoraciones, direcciones y teléfonos verificables.
Un único agente, cinco modelos de IA en Bedrock. Puedo alternar entre Nova Premier para consultas complejas, Nova Micro para búsquedas rápidas, Claude Sonnet 4 para planes creativos, Claude Opus 4.1 para razonamiento avanzado y GPT OSS 120B, un modelo open weight compatible con Bedrock que corre muy ágil. Según la necesidad, priorizo velocidad o profundidad de análisis. Nota: es probable que debas habilitar el acceso a modelos Amazon Nova y Anthropic Claude en Bedrock; los modelos GPT OSS se habilitan automáticamente, aunque a la fecha solo están disponibles en la región us west 2 Oregon.
El enrutado de herramientas es inteligente. Si pides encontrar restaurantes, dispara la búsqueda web. Si pides un plan de cena en Wild Ginger para 2, localiza el restaurante, detecta su web, extrae el menú y genera el plan personalizado. Si pides el mejor sushi en Seattle, combina búsqueda, reseñas y conocimiento local.
El desarrollo fue sorprendentemente simple. Paso 1, la base con Bedrock AgentCore y Strands Agents: creación del agente, definición del modelo preferido y registro de herramientas como búsqueda, scraping y generador de plan de cena. Paso 2, integración MCP con BrightData en unos minutos para invocar herramientas MCP y recibir resultados por SSE sin APIs limitadas ni datos simulados. Paso 3, un frontend en React con selector de modelo, cambio de endpoint local o cloud, streaming de respuestas y diseño responsive. Recomendación práctica: separa el frontend del core del agente para mantener la lógica de negocio en AgentCore; aun así, puedes usar AgentCore local como UI si necesitas ir más rápido.
Prueba real, el test de Toronto. Le pedí crear un plan de cena en Canoe para 4 personas en el centro. El agente localizó el restaurante, detectó y extrajo el menú vigente y generó un plan completo con platos para compartir, maridajes, estimación de presupuesto alrededor de 322 CAD para cuatro, y consejos de reserva. Tiempo total de respuesta, unos 50 segundos y una calidad comparable o superior a la de un concierge humano.
Del local a la nube en un comando. En local bastó con ejecutar el backend del agente con Python, iniciar el frontend en React y listo. Para llevar el backend a la nube con AgentCore Runtime, un simple agentcore launch se ocupó de la construcción del contenedor, repositorio en ECR, roles IAM, despliegue, observabilidad y autoescalado. Para probar desde mi UI local contra el runtime en la nube, arranqué un proxy en el puerto 8081 y validé extremo a extremo sin fricción.
Un detalle clave de producción es la configuración por variables de entorno. AgentCore separa la configuración de despliegue en YAML de las variables sensibles en runtime, como el token de BrightData. Estas se añaden con un comando de control de Bedrock AgentCore que actualiza el runtime con el par BRIGHTDATA API TOKEN, lo que aporta seguridad y flexibilidad operativa.
Más allá de la restauración, este patrón demuestra cómo deberían operar los agentes IA modernos: integración con datos reales vía herramientas MCP, soporte de múltiples modelos para elegir la mejor estrategia, despliegue sin fricción desde el portátil hasta la nube y seguridad de grado empresarial. El mismo enfoque encaja con planificación de viajes, coordinación de eventos, asistencia a la investigación o cualquier dominio donde la IA tenga que interactuar con el mundo real.
Por qué gana Bedrock AgentCore. Con el enfoque tradicional, te pasas días montando infraestructura, orquestando servicios y manteniendo pipelines. Con un enfoque agentic, el tiempo total de desarrollo se reduce a 30 minutos, despliegas con un comando, no gestionas infra y heredas escalado y monitoreo integrados. La diferencia en productividad es abismal.
Cómo reproducirlo. Clona el repositorio del agente de cenas, añade tu token de BrightData, ejecútalo en local con Python y React y cuando quieras producción, lanza agentcore launch. En menos de una hora tendrás un agente listo para entornos empresariales.
Próximos pasos. Ampliaré el agente con un asistente de reservas que automatice llamadas y confirmaciones vía Amazon Connect y con memoria en AgentCore para recordar preferencias y crear planes cada vez más personalizados. El patrón ganador se mantiene: datos reales más modelos múltiples más despliegue en un comando, y así construir aplicaciones potentes en minutos, no en meses.
Sobre Q2BSTUDIO. Somos una empresa de desarrollo de software que crea aplicaciones a medida y software a medida centrados en aportar valor real al negocio. Somos especialistas en inteligencia artificial, ciberseguridad, automatización de procesos, servicios cloud AWS y Azure, servicios inteligencia de negocio y cuadros de mando con Power BI. Si tu compañía busca ia para empresas, agentes IA o desea acelerar su migración y operación en la nube, podemos acompañarte de extremo a extremo con foco en seguridad, rendimiento y ROI.
Si quieres aplicar esta arquitectura en tu organización, combina un roadmap de datos sólido, elección de modelos adecuada por caso de uso y una capa de herramientas MCP para garantizar datos fiables. En Q2BSTUDIO te ayudamos a pasar del prototipo al producto en semanas, integrando CI CD, observabilidad, trazabilidad y controles de ciberseguridad y pentesting.
Explora cómo impulsamos proyectos de inteligencia artificial empresarial con nuestros servicios en la página de inteligencia artificial y descubre nuestras capacidades para desplegar y operar soluciones escalables y seguras en la nube en servicios cloud AWS y Azure. También podemos integrar analítica avanzada y modelos de datos con Power BI para acelerar decisiones y detectar oportunidades de eficiencia.
Conclusión. Construir agentes sofisticados de IA ya no requiere meses ni equipos enormes. Con Amazon Bedrock AgentCore monté y desplegué un asistente de cenas listo para producción en 30 minutos. Ahora te toca a ti: aplica este patrón a tus flujos de negocio y transforma la experiencia de tus clientes y equipos con agilidad, seguridad y escalabilidad.