← Volver al blog
Aiaprox. 7 min de lectura

AWS hizo que unos agentes escribieran 200 servicios en la nube y publicó la libreta de notas

Publicado 13 nov 2026
AWS hizo que unos agentes escribieran 200 servicios en la nube y publicó la libreta de notas

El 11 de noviembre, AWS publicó un emulador local de sus propias APIs. Cubre más de 200 servicios, corre en un portátil o en la CI, no necesita cuenta de AWS y está en dominio público bajo CC0.

También lo escribieron, lo probaron y lo revisaron por completo agentes autónomos. Matt Goldberg, el ingeniero principal sénior que lideró el proyecto, dice que su equipo no escribió ni una línea ni revisó ninguna.

Esa frase es el lanzamiento. Todo lo demás es una herramienta para desarrolladores.

Lo que realmente se publicó

El emulador responde a las llamadas de la API de AWS en un endpoint local, puerto 9297 por defecto, y guarda los recursos en memoria. Apuntas ahí la AWS CLI o un SDK con variables de entorno y tu código corre sin cambios. La compilación parte de 438 modelos de API Smithy públicos, con un crate de Rust por servicio. Las operaciones no soportadas devuelven 501 en vez de fingir.

La instalación es con paquetes RPM o Debian en Linux x86_64 y aarch64, con Docker en macOS y Windows con un límite de 2 GiB de memoria, o con un modo embebido que compila el emulador dentro de binarios de test de Rust. Compilar desde el código fuente pide 100 GB de disco libre, así que casi todo el mundo usará los paquetes. Hay un skill `aws-emulator` para agentes de código y soporte de línea de comandos desde AWS CLI 2.35.0.

El contexto importa aquí. LocalStack, la opción de siempre para probar AWS en local, movió su edición gratuita detrás de una cuenta en diciembre de 2025. Una alternativa gratuita, sin cuenta y del propio proveedor tapa un hueco que muchos pipelines de CI habían notado.

El número que AWS eligió publicar

Las notas de la versión incluyen una libreta de fidelidad, y no es halagadora.

De 42,857 tests puntuados, aprueban 24,243. Eso es un 56.6%. A nivel de paso son 49,810 de 68,007, y los tests entre servicios son 2,752 de 6,569. Por servicio es muy desigual: AWS KMS aprueba 291 de 310, un 93.9%. Amazon SQS aprueba un 89.8%. CloudFormation aprueba 414 de 2,612, un 15.8%.

Esquema del emulador local de AWS, con más de 200 servicios en la nube corriendo en un endpoint local

Publicar eso es la decisión más interesante de todo el lanzamiento. Una empresa segura de su herramienta abre con el número bueno y entierra el resto. AWS abrió con un promedio que incluye un 15.8%, y metió los comportamientos que fallan en una carpeta del repositorio llamada `things-that-do-not-work`.

Conviene leer esas notas como un mapa, no como un veredicto. KMS con 93.9% significa que la superficie de API de criptografía es lo bastante fiable para escribir tests contra ella. CloudFormation con 15.8% significa que cualquier cosa con stacks se va a desviar del AWS real y te va a costar una tarde. Si tu código de infraestructura depende mucho de CloudFormation, esta todavía no es tu herramienta.

Cómo lo construyeron los agentes

El origen es un experimento de fin de semana. Goldberg llevaba tiempo viendo bucles de agentes gastar entre 45 y 120 segundos por ciclo desplegando stacks de prueba en un sandbox de nube solo para comprobar cómo se comporta un visibility timeout de SQS. Le dio a Kiro, el agente de código guiado por especificaciones de Amazon, un prompt de tres pasos: escribir tests basados en la AWS CLI, ejecutarlos hasta que pasen contra AWS real, y luego construir una versión en memoria que pase los mismos tests. Un SQS rudimentario tardó unos quince minutos. El resto de AWS llegó durante el fin de semana, y el lunes su equipo ya estaba probando contra el prototipo.

Convertirlo en producto llevó más tiempo, y la razón es justo la parte que vale la pena copiar. Un agente con la mano libre se desvía. Una versión temprana intentó construir su propio intérprete de Python para ejecutar funciones Lambda, porque esa es una forma localmente coherente de resolver el problema que le habían dado. La metáfora de Goldberg es un libro para colorear: un niño con una hoja en blanco y un lápiz produce caos, un niño con zonas ya delineadas produce algo coherente.

Así que AWS partió el trabajo en tres equipos acotados. Los que escriben tests convierten los modelos de API en escenarios realistas y verifican cada escenario contra AWS real antes de que cuente. Los que buscan problemas reproducen la suite verificada contra el emulador y registran cada divergencia, agrupada por causa raíz probable. Los que arreglan toman un problema cada uno, encuentran la causa y envían un parche.

Cada parche pasa después una puerta de fusión: tiene que compilar, cumplir los estándares de código, sobrevivir a varias revisiones de seguridad adversariales hechas por otros agentes y no causar ninguna regresión de fidelidad. Cientos de agentes trabajan a la vez. AWS dice que arreglan miles de problemas al día. El historial público contaba 29,684 commits en main en el lanzamiento, y hubo setenta versiones numeradas entre el 8 y el 12 de noviembre.

Por qué nadie revisó el código

La ausencia de revisión humana es una consecuencia de la escala, no una postura de marketing. Treinta mil commits en cuatro días no los revisa nadie. AWS sustituyó la revisión por tres cosas que podía automatizar: una especificación que ya era pública, una implementación de referencia que se podía consultar y una suite de tests cuya autoridad venía de haber pasado antes contra la nube real.

Fíjate en que ninguna de las tres es una mejora de modelo. La receta es especificación, referencia, tests verificados, puerta de fusión. Cualquier equipo que tenga una superficie de API ya tiene las dos primeras, y por eso esta es la parte transferible del anuncio. No hacen falta recursos del tamaño de AWS para copiar la estructura. Hace falta una forma de que el agente sepa cuándo se equivoca, y una puerta que se niegue a fusionar cuando se equivoca.

Los límites, según el propio proveedor

Sin simulación de throttling. Sin simulación de caídas ni de regiones. Sin sandbox. No es para producción, ni para tests de seguridad. La telemetría viene activada y se apaga con `--telemetry off`, con la variable `EMULATOR_TELEMETRY=off` o con una línea en `config.toml`. El repositorio no acepta pull requests, solo informes de bugs y de fidelidad, una postura poco habitual en un proyecto CC0 y probablemente la correcta cuando el código se genera a máquina a este ritmo.

Aprobar un test en el emulador no es aprobar en producción. Los permisos, las cuotas, la evaluación de políticas IAM y la latencia son distintos, y la documentación del propio emulador lo dice. Quien apunte ahí un pipeline de CI y tome el verde como certeza lo descubrirá de otra manera.

Lo que esto demuestra en realidad

La afirmación de la que hay que desconfiar es "unos agentes escribieron una nube". Escribieron 200 superficies con forma de API que aprueban el 56.6% de una suite construida a partir de modelos de API públicos. Es un resultado de ingeniería genuino y mucho más estrecho de lo que sugiere el titular.

La afirmación que merece tomarse en serio es la del andamiaje. Cuando una especificación es precisa, una referencia se puede consultar y una puerta es automática, un enjambre de agentes puede producir un artefacto grande, parcialmente correcto y en mejora continua sin ningún humano en la ruta de revisión. El resultado es honesto sobre su propia incompletitud porque la libreta de notas sale con el lanzamiento.

Esa combinación es lo que otras organizaciones de ingeniería deberían copiar este trimestre, no los 200 servicios. La mayoría tiene una API interna y ninguna forma barata de probar contra ella. El emulador demuestra que esa forma barata la pueden construir los mismos agentes que después la van a usar.

Artículos relacionados