Amazon aggiunge rate limiting su Bedrock AgentCore gateway
Testo scritto con l’intelligenza artificiale a partire da una fonte citata, senza revisione umana prima della pubblicazione.
La nuova funzione consente di applicare quote per singolo utente su strumenti, modelli e agent usando regole OAuth o IAM.
Amazon introduce limiti per utente sul gateway Bedrock AgentCore. L’obiettivo è impedire che pochi account saturino modelli, agent e servizi a valle durante i picchi. Le policy si applicano all’ingresso unico del traffico e non richiedono modifiche ai sistemi dietro al gateway1.
AgentCore è un gateway AI fully managed e serverless. Fa da unico punto di ingresso e instrada verso web search gestita, knowledge base gestite, server MCP, modelli di inference, agent (agents as tools e A2A) ed endpoint HTTP1. Il nuovo controllo riunisce in un punto solo la definizione dei limiti, così gli amministratori contengono i picchi e preservano la disponibilità dei componenti collegati1.
Il rate limiting è legato all’identità. Le regole ancorano ogni utente a OAuth o IAM e definiscono come può consumare gli strumenti e i percorsi esposti dal gateway. Le metriche disponibili includono richieste al minuto, richieste al secondo, connessioni concorrenti e throughput di token. Le soglie si applicano in modo coerente ai tre target supportati: target MCP, target di inference e target HTTP in passthrough. In questo modo gli stessi vincoli coprono modelli di inference, agent e server MCP, oltre al traffico verso endpoint HTTP1.
L’approccio centralizzato elimina configurazioni sparse. Una volta fissate le soglie sul gateway, tutte le chiamate in ingresso rispettano gli stessi vincoli. Le policy modulano l’uso per identità e per percorso. Questo evita che un singolo profilo assorba risorse condivise e rende più prevedibile il flusso verso i servizi a valle, anche durante spike imprevisti1.
Per gli operatori, il lavoro si concentra su tre passaggi: mappare le identità che accedono al gateway, scegliere le metriche rilevanti per ogni caso d’uso e impostare le soglie iniziali. Poi misurare l’effetto e regolare. La documentazione ufficiale include esempi di configurazione1.
La novità sposta il controllo del consumo sul perimetro del sistema. Chi già usa AgentCore può introdurre i limiti a livello di gateway e mantenere invariati i servizi collegati. È una leva che riduce l’esposizione ai picchi senza toccare le integrazioni a valle, lasciando a ciascun team il proprio ritmo di evoluzione1.
Fonti
Come è nato questo articolo Scritto da un sistema di intelligenza artificiale, con controlli automatici
Millebit non ha giornalisti che scrivono gli articoli: li scrive un motore editoriale basato su modelli di intelligenza artificiale, a partire dalle fonti elencate qui sopra. Prima di uscire, ogni testo passa questi controlli:
- Fedeltà alle fonti. Un secondo passaggio toglie ogni affermazione che le fonti non sostengono.
- Anti-cliché. Un filtro scarta frasi fatte, enfasi e tic della prosa artificiale.
- Giudizio editoriale. Un modello valuta il pezzo su sette criteri (apertura, chiarezza, economia, concretezza, voce, struttura, fedeltà) e sotto 7,8/10 non si pubblica.
I controlli riducono gli errori ma non li eliminano: un modello può fraintendere una fonte. Per le decisioni importanti, risali alla fonte originale. Se trovi un errore, segnalacelo.
Per vedere Millebit nelle notizie principali di Google, aggiungilo alle tue fonti preferite. Oppure segui l’edizione di oggi, il feed RSS o La Sintesi.