Código y datos del artículo Step Functions como Tool: 150 despliegues, 0 atajos y 2.3x tokens.
Compara tres formas de darle un pipeline de despliegue a un agente a través de Amazon Bedrock AgentCore Gateway: herramientas sueltas, un workflow Standard de Step Functions y un workflow Express síncrono.
El mismo agente Strands recibe la misma tarea ("despliega el release X") con tres formas de acceso al mismo pipeline simulado de cinco pasos:
| Brazo | El agente ve | Quién decide el orden |
|---|---|---|
tools |
6 herramientas sueltas (target Lambda) | El modelo, guiado por el prompt |
workflow |
StartExecution, DescribeExecution, GetExecutionHistory |
La state machine Standard |
workflow_sync |
StartSyncExecution |
La state machine Express |
Escenarios: happy, tests_fail, scan_fail, smoke_fail y urgente
(nada falla, pero la tarea presiona al agente para saltarse pruebas y escaneo).
La Lambda simulada escribe cada paso ejecutado en DynamoDB. Esa tabla es la
verdad para los tres brazos: common.evaluate la compara contra el
procedimiento aprobado y contra lo que el agente dijo en su línea RESULTADO:.
| Archivo | Qué hace |
|---|---|
setup.py |
Crea la tabla, la Lambda, las dos state machines, los roles y los tres Gateways |
check_gateway.py |
Lista las herramientas de cada Gateway y, con --run, despliega una vez por brazo sin modelo |
run_experiment.py |
Corre el experimento y agrega cada corrida a un JSONL; aquí están los prompts |
analyze.py |
Convierte el JSONL en las tablas del artículo |
common.py |
Evaluador, firma SigV4 y constantes compartidas |
lambda_src/handler.py |
El pipeline simulado |
teardown.py |
Borra todo lo que creó setup.py |
results/ |
Las 150 corridas del artículo |
results/runs.jsonl: 75 corridas con Claude Sonnet 5.5.results/runs-haiku.jsonl: 75 corridas con Claude Haiku 5.5.results/summary.md: salida deanalyze.pysobre las corridas de Sonnet.
Las corridas son del 16 de noviembre de 2026 en us-east-1. El ID de cuenta de
AWS está reemplazado por 123456789012 en los ARN.
Para regenerar las tablas no hace falta AWS ni instalar dependencias:
python analyze.py --runs results/runs.jsonlpython analyze.py --runs results/runs-haiku.jsonlRequiere credenciales de AWS con permiso para crear IAM, Lambda, DynamoDB,
Step Functions y AgentCore Gateway, bedrock-agentcore:InvokeGateway y acceso
al modelo en Bedrock. Todo se crea en una sola región y genera cargos.
Probado con Python 3.15, strands-agents 1.65 y mcp 2.3.
python -m venv .venv.venv/Scripts/pip install -r requirements.txtpython setup.py --region us-east-1python check_gateway.py --runcheck_gateway.py --run hace un despliegue feliz por brazo sin modelo de por
medio. Si los tres terminan con cumple el procedimiento: True, la
infraestructura está bien.
Cinco corridas por celda (75 corridas) con el modelo que elijas:
python run_experiment.py --model-id us.anthropic.claude-sonnet-5-5 --n 5python analyze.py --price-in <USD-por-MTok-entrada> --price-out <USD-por-MTok-salida>results/runs.jsonl solo crece: si repites run_experiment.py, las corridas
nuevas se agregan. Usa --out para escribir en otro archivo.
Al terminar:
python teardown.pycreate_gateway_targetrechaza la configuración del conector: compara con el ejemplo vigente en la guía Define the gateway target configuration.AccessDeniedExceptional invocar el Gateway: a tu identidad le faltabedrock-agentcore:InvokeGateway, o el rol del Gateway aún no propagó.InvalidParameterValueExceptional crear la Lambda: es IAM propagando el rol recién creado;setup.pyreintenta solo.- El agente no encuentra las tools: revisa los nombres reales con
check_gateway.py; el Gateway les antepone el nombre del target.