AWS lanca Web Search no Bedrock AgentCore: agentes de IA com busca a US$ 7 por 1.000 consultas e zero data egress

Resumo: A AWS anunciou em junho de 2026 a disponibilidade geral do Web Search no Amazon Bedrock AgentCore, ferramenta totalmente gerenciada que permite a agentes de IA buscar e citar conteúdo da web sem sair do ambiente seguro da Amazon. O serviço usa o Model Context Protocol (MCP), é cobrado a US$ 7 por 1.000 consultas, começa em US East (N. Virginia) e promete “zero data egress” do ambiente do cliente. Para quem constrói agentes corporativos, é uma das primeiras alternativas oficiais de busca embutida com governança, sem precisar contratar SerpAPI, Bing, Brave ou similares.

O que a AWS lançou

O Bedrock AgentCore é o módulo da Amazon para construir agentes de IA em escala corporativa. Até agora, dar acesso à web para esses agentes envolvia integração com fornecedores externos, gestão de chaves, faturamento separado e dores de compliance entre múltiplas regiões. O Web Search resolve isso entregando uma “ferramenta” pronta, ligada nativamente ao Gateway do AgentCore via MCP.

O fluxo é simples: o agente envia uma consulta em linguagem natural; o Web Search retorna trechos relevantes, URLs de origem, títulos e datas de publicação; o modelo raciocina sobre isso e gera uma resposta fundamentada (grounded), com citações. Tudo sem precisar provisionar API, gerenciar credenciais ou contratar contrato separado com mecanismo de busca.

Por baixo do capô: MCP, busca da Amazon e privacidade

O Web Search do AgentCore é construído sobre a infraestrutura de busca da Amazon — a mesma que já alimenta Alexa+, Amazon Quick e o Kiro. A AWS combina o índice próprio com dados de grafos de conhecimento estruturados, em uma abordagem multi-fonte.

Tecnicamente, dois pontos chamam atenção. Primeiro, a integração via MCP, que vem se consolidando como padrão de fato para conectar agentes a ferramentas e dados (foi criado pela Anthropic e adotado, ao longo do último ano, por OpenAI, Google, Microsoft e agora AWS). Segundo, a promessa de zero data egress: a consulta e a resposta ficam dentro do perímetro de rede do cliente na AWS, o que reduz o risco de vazamento de informações sensíveis que poderia ocorrer ao chamar provedores externos de busca.

Preço, regiões e quem usa o quê

• Preço: US$ 7 por 1.000 consultas. É próximo do que provedores premium de busca SaaS cobram, mas inclui infra gerenciada, citações estruturadas e integração nativa com o AgentCore.
• Disponibilidade: hoje apenas em US East (N. Virginia). Para clientes brasileiros, isso significa latência e, mais importante, decisão sobre onde os dados de consulta serão tratados — algo que precisa entrar no relatório de impacto à proteção de dados (LGPD).
• Integração: qualquer agente no AgentCore que use Bedrock como modelo (incluindo Claude, Nova, Llama e outros disponíveis) ganha a ferramenta como mais um target do Gateway.

Por que importa — e o status no Brasil

O mercado brasileiro está cheio de agentes “piloto” que esbarram em três pontos: busca atualizada, compliance e custo previsível. O AgentCore Web Search ataca os três:

• Atualização: agentes deixam de depender do cutoff de treinamento do modelo. Para suporte ao cliente, pesquisas regulatórias ou monitoramento de mercado, a diferença é gritante.
• Compliance: “zero data egress” e processamento dentro da AWS reduzem a superfície de risco frente a LGPD, ANS, BACEN e CVM. Para muitos comitês de risco, era esse ponto que travava a implantação.
• Custo previsível: US$ 7 por mil consultas é caro? Depende. Para um agente que faz, digamos, 50 mil consultas/mês, são US$ 350 — bem dentro do orçamento médio para um produto interno. Para agentes de massa atendendo público, a conta precisa ser refeita.

Empresas brasileiras que já usam Bedrock — bancos, varejo, indústria, healthtechs — devem testar a ferramenta agora, mesmo com latência de N. Virginia, justamente porque a economia de tempo de integração é grande.

Riscos e limitações

Quatro pontos pedem atenção. Primeiro, lock-in: ao consumir Web Search nativamente, seu agente fica mais acoplado ao AgentCore; sair depois custa. Segundo, opacidade do índice: a AWS não detalha quais fontes entram no índice nem como prioriza. Para casos jurídicos ou médicos, é prudente combinar com bases curadas próprias. Terceiro, region scope: só US East por ora; clientes brasileiros precisam avaliar se isso é compatível com sua política de soberania de dados. Quarto, custo em escala: agentes mal projetados podem fazer dezenas de buscas por interação; sem caching e limites, a fatura sobe rápido.

Para qualquer uso em áreas sensíveis — saúde, finanças, jurídico, privacidade —, a recomendação é mesma de sempre: profissional especializado revisando saída e nunca substituindo aconselhamento qualificado.

Cenário e o que esperar

O lançamento confirma o movimento de “agente como produto”: provedores de cloud estão internalizando ferramentas que antes eram compradas de terceiros (busca, navegação, execução de código, computação visual) e empacotando como serviços gerenciados sob MCP. Espere ver, ainda em 2026, equivalentes da Google (Vertex AI Agent Builder), Microsoft (Azure AI Foundry) e Oracle integrando suas próprias buscas. Vão pressionar para baixo os preços de SerpAPI, Brave Search e similares. E vão acelerar o domínio do MCP como protocolo padrão de ferramentas para agentes.

Análise SWOT econômica

Conclusão prática: o que muda e como usar

Se você tem um agente em Bedrock e ele precisa de informação atualizada, vale rodar piloto do Web Search no AgentCore ainda este mês: troque sua integração externa de busca pelo serviço gerenciado, coloque limite de chamadas por interação, ative caching e meça custo real por sessão. Use as citações retornadas para mostrar fontes na interface — isso reduz alucinação percebida e melhora confiança do usuário. Em projetos críticos, faça avaliação de impacto LGPD antes de subir para produção. E, como sempre em saúde, finanças e jurídico, mantenha humano qualificado no laço.

Fonte original: AWS Machine Learning Blog — Introducing Web Search on Amazon Bedrock AgentCore.