Bedrock AgentCore Web Answer Rilis: Jawaban Web Rapi Sekali Panggil

Apa itu Bedrock AgentCore Web Answer?

Secara sederhana, bedrock agentcore web answer adalah managed connector di Amazon Bedrock AgentCore Gateway yang bertugas menerima pertanyaan bahasa alami, mencari fakta di internet secara mandiri, lalu membalasnya dengan ringkasan padat bersitasi. Agen kamu nggak cuma disodori daftar link mentah, melainkan rangkuman utuh yang tiap klaimnya ditempeli tautan rujukan valid.

Di balik layar, sistem ini bekerja layaknya periset cerdas (agentic search). Dia menyusun strategi pencarian sendiri, mengeksekusi beberapa kueri secara paralel, membaca halaman web terkait buat memverifikasi fakta, dan bakal mencari ulang kalau bukti yang didapat dirasa belum cukup. Modelnya juga dibekali informasi tanggal hari ini, jadi hasil temuannya beneran segar dan kontekstual.

Selain itu, seluruh jawaban dikembalikan memakai format standar Model Context Protocol (MCP). Format ini memudahkan integrasi dengan berbagai pustaka agen populer masa kini tanpa kamu harus mengubah fondasi kode aplikasi secara drastis.

Perbedaan Web Answer vs Web Search di AgentCore

Banyak developer sempat bingung memilih antara fitur baru ini dan fitur Web Search yang sudah ada sebelumnya di AgentCore. Bedanya ada pada siapa yang memegang kendali atas model AI dan proses perangkumannya.

Menariknya, AWS menyebut banyak perusahaan bakal mengombinasikan keduanya. Agen utamamu bisa saja memakai Web Search pas butuh eksplorasi data yang sangat luas, lalu melempar pertanyaan faktual spesifik ke Web Answer biar urusan sitasi beres otomatis.

Keamanan Enterprise dan Perlindungan Data di AWS

Bagi perusahaan besar atau perbankan, melempar kueri pencarian internal ke mesin pencari pihak ketiga sering kali jadi momok keamanan. Untungnya, fitur web answer aws mewarisi kontrol enterprise yang ketat layaknya ekosistem Bedrock lainnya:

1. Kueri Tetap di Ekosistem AWS: Web Answer mencari data lewat web index dan knowledge graph yang dioperasikan sendiri oleh Amazon. Kueri kamu nggak bakal dilempar ke search engine pihak ketiga atau bikin koneksi liar ke situs luar.
2. Zero Data Egress & PrivateLink: Seluruh lalu lintas data bisa dikunci lewat interface Virtual Private Cloud (VPC) endpoint (com.amazonaws.us-east-1.bedrock-agentcore.gateway). Datamu tetap berada di jaringan privat AWS tanpa menyentuh internet publik.
3. Domain Filtering Bertingkat: Administrator Gateway bisa memasang filter domain permanen di level target (misal cuma boleh baca domain resmi pemerintah atau lembaga riset). Agen pemanggil bisa mempersempit filter itu, tapi nggak bakal bisa menembus domain yang sudah diblokir admin.
4. Autentikasi Terpusat: Nggak ada API key pihak ketiga yang perlu kamu rotasi manual. Semua panggilan diamankan memakai AWS Identity and Access Management (IAM) SigV4 atau JSON Web Token (JWT).

Tutorial Bedrock AgentCore: Cara Setup Web Answer

Menyiapkan fitur ini tergolong cepat. Kamu cukup mendaftarkan Web Answer sebagai target konektor di Gateway, mengatur izin IAM, lalu memanggilnya dari kode Python agenmu. Ikuti langkah praktis berikut.

Prasyarat Sebelum Mulai

Pastikan kamu sudah punya akun AWS yang punya akses ke AgentCore Gateway di region us-east-1, kredensial dengan izin bedrock-agentcore:InvokeGateway, serta Python versi 3.10 ke atas. Install dependensi yang dibutuhkan:

pip install boto3 strands-agents mcp mcp-proxy-for-aws

Langkah 1: Pasang Kebijakan IAM Service Role

Service role milik Gateway butuh hak akses bedrock-agentcore:InvokeWebAnswer buat memanggil backend Web Answer yang beralamat di ARN arn:aws:bedrock-agentcore:us-east-1:aws:tool/web-answer.v1. Pasang inline policy berikut ke service role Gateway kamu:

import json
import boto3

iam = boto3.client("iam")

iam.put_role_policy(
    RoleName="<gateway-service-role>",
    PolicyName="WebAnswerGuide",
    PolicyDocument=json.dumps({
        "Version": "2012-10-17",
        "Statement": [
            {
                "Sid": "InvokeWebAnswer",
                "Effect": "Allow",
                "Action": "bedrock-agentcore:InvokeWebAnswer",
                "Resource": "arn:aws:bedrock-agentcore:us-east-1:aws:tool/web-answer.v1",
            }
        ],
    }),
)

Perlu diingat, service role ini murni mengatur panggilan keluar Gateway ke Web Answer. Role ini bahkan nggak butuh izin bedrock:InvokeModel karena model agenmu bakal jalan memakai identitas agen itu sendiri.

Langkah 2: Daftarkan Target Konektor di Gateway

Sekarang buka sesi client control dan buat target konektor bernama web-answer. Di sini kamu juga bisa memasang filter domain kalau pengin membatasi sumber rujukan.

import boto3

gateway_client = boto3.client("bedrock-agentcore-control", region_name="us-east-1")

target_response = gateway_client.create_gateway_target(
    name="web-answer-tool",
    gatewayIdentifier="<gateway-id>",
    targetConfiguration={
        "mcp": {
            "connector": {
                "source": {"connectorId": "web-answer"},
                "configurations": [{"name": "WebAnswer", "parameterValues": {}}],
            }
        }
    },
    credentialProviderConfigurations=[
        {"credentialProviderType": "GATEWAY_IAM_ROLE"}
    ],
)
target_id = target_response["targetId"]

Setelah membuat target, tunggu sebentar sampai fungsi get_gateway_target menunjukkan status READY sebelum lanjut memanggilnya.

Langkah 3: Eksekusi dari Agen Strands

Agen kamu bakal mendeteksi Web Answer secara otomatis lewat protokol MCP tools/list dan mengeksekusinya via tools/call. Berikut contoh skrip Python lengkapnya:

from strands import Agent
from strands.models.bedrock import BedrockModel
from strands.tools.mcp import MCPClient
from mcp_proxy_for_aws.client import aws_iam_streamablehttp_client

gateway_url = "https://gateway-<id>.gateway.bedrock-agentcore.us-east-1.amazonaws.com/mcp"

mcp_client = MCPClient(lambda: aws_iam_streamablehttp_client(
    endpoint=gateway_url,
    aws_region="us-east-1",
    aws_service="bedrock-agentcore",
    aws_profile="<aws-profile-id>",
))

# Memakai model Claude Sonnet di Bedrock
model = BedrockModel(model_id="us.anthropic.claude-sonnet-5", max_tokens=1024)

with mcp_client:
    tools = mcp_client.list_tools_sync()
    agent = Agent(model=model, tools=tools)

result = agent("Berapa batas rasio Tier 1 Capital menurut regulasi Basel III?")
print(result.message)

Saat agen mendeteksi bahwa kueri memerlukan info faktual teranyar, dia otomatis memicu tool web-answer-tool___WebAnswer. Kamu juga bisa menyisipkan parameter tanggal publikasi, kode negara untuk melokalkan jawaban, atau daftar domain khusus per request.

Struktur Respons dan Cara Membaca Sitasi

Respons yang dikembalikan oleh Web Answer sangat memanjakan developer karena menyajikan dua representasi sekaligus: teks Markdown langsung jadi dan data JSON terstruktur.

{
  "content": [
    {
      "type": "text",
      "text": "Berdasarkan aturan Basel III, bank wajib memegang Common Equity Tier 1 paling sedikit 4.5% dari aset berbobot risiko [[1](https://www.bis.org/...)]..."
    }
  ],
  "structuredContent": {
    "answer": [
      {
        "text": "Berdasarkan aturan Basel III, bank wajib memegang Common Equity Tier 1 paling sedikit 4.5% dari aset berbobot risiko [[1](https://www.bis.org/...)]...",
        "citations": [
          { "domain": "bis.org", "url": "https://www.bis.org/..." }
        ]
      }
    ]
  },
  "isError": false,
  "_meta": {
    "latencyMs": 5210
  }
}

Lewat blok structuredContent.answer, aplikasi frontend kamu bisa mengekstrak URL rujukan secara terpisah untuk ditampilkan sebagai tombol sumber rujukan (source badge) yang rapi di bawah kotak obrolan pengguna.

Contoh Prompt untuk Agen Web Answer

Biar agen AI kamu tahu kapan harus memanggil tool Web Answer dan bagaimana merangkai jawabannya buat pengguna akhir, kamu bisa memberikan instruksi sistem seperti ini:

Kamu adalah asisten riset kepatuhan regulasi dan fakta bisnis. Tugas utamamu adalah menjawab pertanyaan pengguna secara akurat. Aturan kerja:1. Jika pertanyaan menyangkut regulasi, data pasar, aturan perbankan, atau kabar faktual terkini, gunakan tool web-answer-tool___WebAnswer.2. Jangan pernah mengarang angka atau dasar hukum jika bukti di internet belum memadai.3. Pertahankan penomoran sitasi inline persis seperti yang diberikan oleh tool agar pembaca bisa menelusuri sumber aslinya.4. Sajikan rangkuman dalam bahasa Indonesia yang lugas dan terstruktur.

Harga, Wilayah, dan Batasan Kuota

Sebelum menerapkannya ke tahap produksi, perhatikan rincian skema biaya dan batasan teknis yang dipatok AWS:

• Biaya: Web Answer dipatok seharga $10 per 1.000 tool calls. Kamu cuma membayar request yang dieksekusi tanpa biaya langganan basis data search terpisah.
• Wilayah (Availability): Saat ini baru tersedia resmi di region US East (N. Virginia) alias us-east-1, dengan rencana ekspansi ke region lain dalam waktu dekat.
• Batas Panggilan (Rate Limit): Terdapat batas bawaan sebesar 10 transaksi per detik (TPS) per akun AWS. Jika skala aplikasimu butuh lebih besar, kamu wajib mengajukan tiket permohonan ke tim AWS Support.

Dampak Nyata buat Developer dan Industri di Indonesia

Bagi ekosistem teknologi di Indonesia, rilisnya fitur ini membawa angin segar bagi beberapa sektor krusial:

• Fintech dan Perbankan: Agen AI untuk audit kepatuhan (compliance) bisa langsung mengecek pembaruan regulasi otoritas keuangan tanpa risiko halusinasi, karena tiap kalimat punya rujukan URL resmi.
• Layanan Kesehatan: Asisten klinis bisa menelusuri pedoman medis dan jurnal terkini di web dengan transparansi sumber yang jelas bagi dokter.
• Customer Support Korporat: Mengubah bot CS yang kaku menjadi agen pintar yang mampu mengutip kebijakan garansi atau pengumuman web terbaru tanpa menyodorkan sepuluh tautan membingungkan ke pelanggan.
• Keamanan Data dan Privasi: Karena pencarian berjalan di indeks AWS dan mendukung VPC endpoint privat, tim kepatuhan enterprise nggak perlu cemas data sensitif bocor ke pihak luar, sejalan dengan prinsip perlindungan data internal.

Bicara soal arsitektur agen, kamu juga bisa membaca ulasan kami tentang Context Engineering AI Agent buat menekan token kueri, atau melihat bagaimana teknologi AWS diandalkan dalam kisah U Mobile AiDaH di Amazon Bedrock.

Alternatif Integrasi Model AI via Classai Router

Kalau kamu lagi merancang arsitektur agen cerdas tapi butuh fleksibilitas berganti model reasoning kelas dunia tanpa terikat satu vendor SDK, kamu bisa melirik Classai Router. Platform ini menyediakan satu API key universal yang kompatibel langsung dengan pustaka OpenAI maupun Anthropic.

Melalui Classai Router, kamu bisa memanggil model penalaran tangguh seperti Claude Sonnet 5 (Rp3.210 input / Rp15.750 output per 1 juta token) atau Claude Sonnet 5.5 (Rp3.600 input / Rp18.000 output) sebagai otak pengendali agenmu. Cukup ubah parameter base URL ke router.classai.id/v1 tanpa merombak alur logika kode. Semua pembayaran memakai rupiah via QRIS atau transfer virtual account bank lokal tanpa kartu kredit luar negeri.

Jika kamu developer yang tertarik mendalami integrasi API, perancangan prompt berantai, dan pembuatan coding agent yang solid, kamu juga bisa mengasah skill lewat program AI untuk Developer di Classai.