Príspevok na AWS Machine Learning Blog s názvom „Scaling cloud migrations with agentic AI on Amazon Bedrock AgentCore“ opisuje migračný program zahŕňajúci viac než 300 aplikácií. Predstavuje spôsob, akým v tomto programe spolupracujú štyria agenti: Intake Agent, IaC Agent, Migration Intelligence and Governance Agent a SRE Agent. Ide o opis konkrétnej implementácie od AWS; uvedené výsledky treba čítať v tomto kontexte.

Od vstupných podkladov k návrhu architektúry

Intake Agent podľa príspevku číta architektonické dokumenty, dotazníky a záznamy o závislostiach prostredníctvom nástrojov MCP. Z týchto podkladov vytvára cieľovú architektúru na AWS. Dôležité je poradie práce: agent najskôr spracuje informácie o aplikácii a jej väzbách, až potom vzniká návrh, ktorý môže využiť ďalšia časť opísaného postupu. Pri programe s viac než 300 aplikáciami tak príspevok ukazuje opakovateľný spôsob, ako dostať rôzne vstupné materiály do podoby návrhu pre konkrétnu aplikáciu.

Návrh architektúry a mapovanie závislostí nezostávajú iba výstupom prvého agenta. V opísanej implementácii uchováva AgentCore memory spoločný kontext, z ktorého ich môže čítať IaC Agent. Táto väzba vysvetľuje, ako sa informácie získané pri úvodnom posúdení prenášajú do ďalšej fázy. Čitateľovi zároveň pomáha rozlíšiť úlohy agentov: prvý pripravuje cieľový obraz aplikácie, druhý z neho vychádza pri tvorbe infraštruktúrneho kódu.

Generovanie kódu a pravidlá

IaC Agent podľa AWS generuje infraštruktúrny kód pomocou schválených interných modulov a organizačných vzorov. Príspevok tak opisuje generovanie naviazané na podklady a vzory používané v danej organizácii. Pre čitateľa je podstatné, že tvrdenie o automatizácii sa týka konkrétne definovaného kroku: vytvorenia infraštruktúrneho kódu, ktorý nadväzuje na cieľovú architektúru a mapovanie závislostí.

Pred vykonaním volaní nástrojov IaC Agenta ich podľa príspevku vyhodnocuje AgentCore Policy voči pravidlám Cedar. Táto kontrola je súčasťou opísanej implementácie. Spracovanie vstupov, zdieľaný kontext, schválené moduly a vyhodnotenie volaní preto v texte tvoria jeden súvislý postup. Samotný opis však neuvádza všeobecný výsledok pre každú migráciu; hovorí o tom, ako bol usporiadaný uvedený program.

Riadenie programu a obdobie po prechode

Migration Intelligence and Governance Agent zhromažďuje informácie z Jira, Confluence a Webex. Pri opísaných automatizovaných aktualizáciách a vytváraní tiketov sa pred vykonaním vyžaduje schválenie človekom. Takto je v príspevku oddelené zhromaždenie informácií od krokov, ktoré menia záznamy. Pri čítaní tvrdení o automatizácii je preto dôležité zachovať aj túto podmienku schvaľovania.

SRE Agent sa venuje fáze po prechode aplikácie. AWS ho opisuje ako agenta sledujúceho metriky CloudWatch, údaje o výkone aplikácie a historické vzory. Štvorica agentov tak v jednom opise pokrýva vstupné posúdenie, prípravu kódu, informácie pre riadenie migrácie aj sledovanie prevádzky po prechode. Príspevok umiestňuje vlastných agentov vedľa AWS Transform pri práci na migrácii a modernizácii a vedľa AWS DMS pri migrácii databáz.

Ako čítať uvádzaný výsledok

Pre túto konkrétnu implementáciu AWS uvádza, že vývoj infraštruktúrneho kódu klesol z 3 až 4 týždňov na aplikáciu na minúty automatizovaného generovania. Údaj podľa príspevku vychádza z interného sledovania projektu. Vzťahuje sa na vývoj IaC v opísanom programe; čitateľ by ho preto mal spájať s daným postupom, nie s automatickým výsledkom každej migrácie.

Najvýstižnejší obraz príspevku je sled nadväzujúcich úloh. Dokumenty a záznamy o závislostiach slúžia na vytvorenie cieľovej architektúry. Spoločný kontext ju sprístupní agentovi pre infraštruktúrny kód, ktorého volania nástrojov podliehajú pravidlám. Informácie o programe sa zhromažďujú z pracovných systémov, pričom uvedené zápisy potrebujú ľudské schválenie. Po prechode nastupuje sledovanie prevádzkových údajov. Práve tieto väzby vysvetľujú, čo AWS v príklade viac než 300 aplikácií označuje za koordinovanú prácu agentov.