Amazon Bedrock: Cara Pakai Agen OpenAI di AWS

AWS dan OpenAI resmi merilis Amazon Bedrock Managed Agents (BMA) pada 29 September 2026. Ini bukan “ChatGPT di dalam AWS”. Ini Agents API OpenAI yang diubah jadi native AWS — model, harness, dan inference jalan di Bedrock, dengan IAM, CloudTrail, dan kontrol yang sudah dipakai tim cloud.

Artikel ini bedah cara pakai Amazon Bedrock Managed Agents buat teman-teman yang lagi nimbang agen OpenAI di dalam AWS: apa bedanya dari Agents API langsung, langkah mulai lewat AgentCore, soal harga preview, plus catatan praktis dari Indonesia.

Apa itu Amazon Bedrock Managed Agents

Bedrock Managed Agents adalah layanan preview hasil kerja bareng AWS dan OpenAI. Ringkasnya: versi kustom dari OpenAI Agents API yang di-engineering biar AWS-native. Agen pakai model OpenAI, tapi runtime dan inference tetap di dalam batas AWS.

Yang diurus BMA buat tim:

1. State — pesan, tool call, dan hasil sementara disimpan di session tahan lama
2. Tool selection — agen memilih dan memakai tool saat kerja multi-langkah
3. Eksekusi kode — perintah dan sandbox lewat AgentCore Runtime atau compute self-hosted
4. Koordinasi — pekerjaan panjang yang butuh beberapa keputusan

Satu agen punya IAM role sendiri. Ada opsi human approval sebelum aksi berisiko. Aktivitas API yang didukung masuk AWS CloudTrail. Tool eksternal bisa disambung lewat MCP (Model Context Protocol), plus reusable skills untuk prosedur khusus.

Status hari ini: preview di tiga Region AS — US East (N. Virginia), US West (Oregon), dan US East (Ohio). Region Asia (termasuk ap-southeast-1 Singapore) belum diumumkan untuk BMA.

Catatan: BMA beda dari Amazon Bedrock AgentCore murni. AgentCore = platform terbuka (Runtime, Gateway, Memory, dll.) buat banyak framework dan model. BMA = jalur managed yang khusus mengadaptasi Agents API OpenAI di atas AgentCore + Codex harness.

Beda dari OpenAI Agents API langsung

Banyak tim sudah coba OpenAI Agents API (sandbox openai_hosted / self-hosted). BMA pakai konsep mirip — agent, session, environment — tapi tempat eksekusi dan auth-nya beda jauh.

Poin praktis:

• Kalau cuma ganti sandbox jadi self-hosted di OpenAI Agents API, harness dan inference tetap di OpenAI.
• Di BMA, harness Codex + inference model masuk AWS. Data session dan jejak audit mengikuti kontrol cloud yang sudah ada.
• Kontrak API tidak dijamin identik. Jangan copy-paste contoh OpenAI mentah; cek dulu endpoint, model, dan tool yang didukung di docs Bedrock.

Salesforce sudah mengaitkan BMA dengan jalur enterprise mereka (Headless 360 + data/workflow Salesforce). Itu sinyal: targetnya workload kantor yang butuh governance, bukan demo chat.

Cara mulai: dari akun AWS ke agen pertama

BMA diakses lewat API yang didukung di Amazon Bedrock. Di lapangan, jalur paling realistis minggu ini adalah memadukan AgentCore CLI (buat Runtime / harness) dengan dokumentasi BMA terbaru di AWS dan OpenAI.

Prasyarat yang perlu siap

Siapkan dulu:

1. Akun AWS + kredensial (AWS CLI / profile / env)
2. IAM yang boleh panggil Bedrock / AgentCore dan (kalau deploy) role CDK bootstrap
3. Node.js 20+ kalau pakai AgentCore CLI (npm install -g @aws/agentcore)
4. Python 3.10+ untuk kode agen berbasis framework
5. Akses model di Bedrock sesuai kebijakan akun
6. Region preview BMA: us-east-1, us-west-2, atau us-east-2

Alur praktis minggu pertama

Kalau tim sudah di AWS dan mau uji BMA:

1. Baca dua docs resmi — What’s New AWS (29 Sep 2026) + halaman Bedrock Managed Agents + panduan OpenAI “Bedrock Managed Agents”
2. Aktifkan Region preview di akun; jangan asumsikan Singapore otomatis ikut
3. Pasang AgentCore CLI dan buat proyek uji kecil (agentcore create) — pilih harness managed atau agen berbasis kode
4. Samakan identitas — tiap agen dapat IAM role sempit; jangan pakai admin penuh “sementara”
5. Hubungkan satu tool dulu (Lambda / API internal / satu MCP server)
6. Nyalakan human approval untuk aksi tulis (ubah tiket, kirim email, eksekusi bayar)
7. Cek CloudTrail + Observability — pastikan jejak tool call terbaca sebelum scale

npm install -g @aws/agentcore
agentcore --version
agentcore create \
  --project-name BmaPilot \
  --name SupportAgent \
  --language Python \
  --framework Strands \
  --model-provider Bedrock \
  --memory none \
  --build CodeZip
cd BmaPilot
agentcore dev
# setelah oke lokal:
agentcore deploy
agentcore invoke --prompt "Ringkas status order #12345"

flowchart LR
  App[Aplikasi / CLI] -->|SigV4 IAM| BMA[Bedrock Managed Agents]
  BMA --> Harness[Codex harness di Bedrock]
  BMA --> Infer[Inference model OpenAI di Bedrock]
  Harness --> Runtime[AgentCore Runtime / self-host]
  Runtime --> Tools[Tools + MCP + Skills]
  BMA --> Trail[CloudTrail + approval]

Tips: OpenAI menekankan: konsep session mirip bukan berarti fitur 1:1. Sebelum migrasi produksi, uji ulang tool, limit, dan format event di endpoint Bedrock.

Skill, MCP, dan session tahan lama

Tiga fitur yang sering disebut di pengumuman:

• Durable sessions — bisa pause, kasih info baru, lanjut dari progress lama
• Reusable skills — prosedur khusus yang dipakai ulang tanpa rewrite prompt tiap kali
• MCP servers — sambungkan tool eksternal dengan protokol yang sudah umum di ekosistem agen

Itu yang bikin BMA lebih dekat ke pekerjaan panjang (investigasi tiket, riset + eksekusi, modernisasi kode) daripada one-shot chat.

Harga preview: apa yang gratis, apa yang tetap bayar

AWS bilang jelas: selama preview, tidak ada biaya tambahan khusus BMA di luar resource AWS yang dipakai agen. Harga bisa berubah saat GA.

Baca juga Antigravity Agent: Cara Pakai di Gemini API

Yang biasanya tetap kena tagihan (terpisah dari “fee BMA”):

Contoh kasar dari halaman harga AgentCore (bukan janji BMA): sesi support agent 10 menit dengan banyak I/O wait bisa sekitar US$0,007/sesi di Runtime v2 — lalu dikali volume. Tim Indo biasanya konversi ke Rp (kurs fluktuatif; anggap Rp16.000–17.000/US$ sebagai patokan kasar, cek kurs hari itu).

Peringatan: “Preview tanpa fee BMA” ≠ gratis total. Model + Runtime + transfer data + log tetap muncul di bill. Set AWS Budgets / alarm Cost Explorer sebelum pilot ramai.

Keamanan dan governance yang jadi alasan pindah

Alasan enterprise paling sering disebut media: data dan orkestrasi tidak harus keluar ke infrastruktur OpenAI hanya supaya bisa pakai agen model OpenAI. Di BMA:

1. Tiap agen = identitas AWS sendiri (IAM role)
2. Permission bisa dipersempit ke bucket, queue, atau API tertentu
3. Aksi sensitif bisa lewat human approval
4. Jejak API masuk CloudTrail
5. Runtime default di AgentCore (isolasi session, observability, Gateway policy)

Banding cepat jalur agen di cloud besar (bukan tabel “menang kalah”, hanya konteks):

Kalau organisasi sudah “all-in” di AWS (VPC, Lake Formation, GuardDuty, Organizations SCP), BMA lebih mudah masuk review security daripada kunci API OpenAI yang aksesnya melebar.

Cocok dicoba dari Indo minggu ini

Buat tim di sini — software house, startup SaaS, atau IT internal bank/fintech — BMA relevan kalau sudah punya akun AWS dan lagi ditanya: “bisa agen OpenAI tanpa data keluar dari cloud kita?”

Yang perlu diingat praktis:

1. Region preview masih AS — latency dari Jakarta/Singapore ke us-east-1 terasa; untuk POC oke, untuk chat realtime ke user Indo perlu diukur
2. Billing dolar AWS — kartu korporat / invoice AWS; pantau Cost Explorer tiap hari selama uji
3. Compliance lokal — kalau data nasabah/PII, libatkan legal; CloudTrail membantu audit, tapi tidak otomatis “lulus” regulasi
4. Alternatif sementara — kalau belum butuh OpenAI di dalam AWS, AgentCore + Claude/Nova di Region terdekat bisa lebih sederhana
5. Skill lokal — dokumentasi masih banyak bahasa Inggris; tulis runbook internal berbahasa Indonesia biar on-call tidak bingung tengah malam

Pilot yang masuk akal minggu ini: satu agen support internal (baca status order dari API staging + draft balasan), mode approval nyala, limit budget ketat, Region us-east-1.

Contoh use case yang masuk akal di preview

Belum perlu “agen yang mengurus seluruh perusahaan”. Di fase preview, pilih pekerjaan yang:

1. Sudah ada API/internal tool yang jelas
2. Bisa diuji di staging tanpa data produksi sensitif
3. Hasilnya mudah dinilai manusia (benar / salah / perlu revisi)

Tiga pola yang sering cocok:

1. Agen support L1 internal

Baca status order, cek log ringan, susun draft balasan. Tool read-mostly. Approval wajib sebelum kirim ke pelanggan.

2. Agen riset + ringkas dokumen

Ambil feed RSS / Confluence / ticket, ringkas, tag topik, simpan ke channel Slack internal. Cocok uji durable session + skills.

3. Agen coding terbatas

Pakai Code Interpreter / Runtime untuk skrip kecil di repo sandbox. Jangan langsung kasih akses push ke main.

Tips: Ukuran sukses pilot jangan “berapa token hemat”, tapi berapa menit manusia terselamatkan dan berapa insiden permission yang berhasil dicegah approval.

Kalau pola di atas sudah stabil seminggu, baru tambah MCP server kedua atau long-term memory AgentCore. Jangan tumpuk fitur di hari pertama.

Migrasi kasar dari OpenAI Agents API

Tim yang sudah punya kode Agents API di OpenAI biasanya tanya: “tinggal ganti base URL?” Jawab singkatnya: belum sesederhana itu.

Checklist migrasi yang realistis:

1. Inventaris tool — daftar MCP, function, dan permission tiap tool
2. Petakan auth — dari API key OpenAI ke role IAM per agen
3. Samakan environment — sandbox OpenAI hosted vs AgentCore Runtime vs self-host di VPC
4. Uji ulang event stream — format progress / approval / error bisa beda
5. Uji ulang model ID — nama model di Bedrock tidak selalu sama dengan di OpenAI API
6. Uji data residency — Agents API OpenAI saat ini menekankan residency AS; BMA mengikuti Region AWS yang dipilih
7. Parallel run — jalankan 10–20 task yang sama di kedua jalur, bandingkan kualitas + biaya + latency

Jangan janjikan ke manajemen “cutover akhir pekan” sebelum nomor 7 selesai. Preview justru kesempatan buat bukti, bukan buat heroics.

Untuk observability, sambungkan jejak ke CloudWatch sejak awal. Nanti saat volume naik, debugging “agen diam dua puluh menit” jauh lebih gampang kalau span tool call sudah ada.

Baca juga ChatGPT Pro 500 Ultrafast: Harga & Cara Pakai

Checklist

• Akun AWS + IAM sempit untuk Bedrock/AgentCore sudah siap
• Region preview BMA dipilih (us-east-1 / us-west-2 / us-east-2)
• AgentCore CLI terpasang (@aws/agentcore) dan agentcore --version jalan
• Satu use case pilot tertulis (bukan “cobain semua tool”)
• Human approval aktif untuk aksi tulis / bayar / hapus
• CloudTrail + alarm biaya aktif sebelum traffic naik
• Bandingkan BMA vs OpenAI Agents API langsung untuk kasus yang sama
• Catat latency dari Indo dan keputusan Region untuk fase berikutnya

Poin penting

• BMA = Agents API OpenAI yang di-host native di Amazon Bedrock, rilis preview 29 September 2026
• Auth pakai IAM + SigV4, bukan API key OpenAI biasa
• Preview di tiga Region AS; fee khusus BMA nol selama preview, resource AWS tetap bayar
• Default compute: AgentCore Runtime (atau self-hosted)
• Fitur kunci: durable session, skills, MCP, IAM per agen, human approval, CloudTrail
• Dari Indonesia: cocok POC enterprise AWS; ukur latency dan siapkan budget dolar

Referensi

1. Amazon Web Services (2026). Amazon Bedrock Managed Agents, powered by OpenAI, is now available in preview
2. Amazon Web Services (2026). Amazon Bedrock Managed Agents product page
3. OpenAI (2026). Bedrock Managed Agents — Agents API guide
4. OpenAI (2026). Agents API documentation
5. Amazon Web Services (2026). What is Amazon Bedrock AgentCore
6. Amazon Web Services (2026). Get started with Amazon Bedrock AgentCore CLI
7. Amazon Web Services (2026). Amazon Bedrock AgentCore Pricing
8. Inside AI (2026). Amazon Bedrock Managed Agents with OpenAI Now in Preview
9. Amazon Web Services (2026). Amazon Bedrock AgentCore FAQs
10. Salesforce commentary via AWS Bedrock Managed Agents page (2026). Enterprise agent infrastructure quote
11. TechCrunch (2026). OpenAI Dev Day coverage on agents and workplace tools
12. Amazon Web Services (2026). Responses API on Amazon Bedrock (related OpenAI-compatible surface)