AWS detalha skill para agentes de código ajudarem a testar inferência no SageMaker
O aws-ai-ml, do Agent Toolkit for AWS, faz agentes como Kiro, Claude Code e Codex gerar código para benchmark, comparação e recomendação de configuração no SageMaker AI.
A AWS detalha o aws-ai-ml, um skill do Agent Toolkit for AWS que adiciona a agentes de codificação como Kiro, Claude Code e Codex conhecimentos para otimizar inferência no Amazon SageMaker AI. Em vez de exigir que a pessoa escolha a ação certa, o agente recebe o objetivo em linguagem natural, faz perguntas quando necessário e gera código executável do SageMaker Python SDK v3.
O skill funciona com agentes que suportam o Model Context Protocol (MCP). A publicação mostra duas formas de uso: instalação local no computador do usuário ou execução em um espaço JupyterLab do Amazon SageMaker Studio com imagem já preparada. No Studio, a própria AWS diz que o espaço leva de 5 a 10 minutos para subir na primeira vez.
Entre as tarefas cobertas estão testar um endpoint já em produção, comparar duas execuções de benchmark e avaliar opções de instância e configuração para um modelo. Os resultados incluem métricas como throughput, latência, tempo até o primeiro token e concorrência, sempre com base em medições reais.
A AWS também diz que o agente confirma antes de testar um endpoint ativo, porque o teste envia tráfego real. Para usar o skill, as credenciais AWS precisam ter permissão para chamar as APIs do SageMaker AI; a empresa afirma que não há configuração adicional de IAM para o skill em si.