Análise aprofundada · Cerca de 5 min de leitura
AWS adiciona saídas estruturadas do Claude ao Bedrock
JSON e parâmetros de ferramentas podem seguir esquemas; validar fatos e regras não cobertas continua sendo responsabilidade da aplicação.
- Data da fonte
- Publicado aqui
- Fonte verificada
O anúncio da AWS de 19 de outubro amplia as saídas estruturadas para modelos Claude disponíveis nos endpoints runtime e mantle do Bedrock. A novidade atende integrações de software, sem criar uma assinatura de chat para consumidores.
Ouça as notícias
Ouça este artigo ou continue ouvindo as notícias.
Preparando a leitura…
Voz do dispositivo
O navegador ou dispositivo processa a voz. O AISubHub não envia o texto a uma API de áudio. As vozes e a reprodução com a tela bloqueada variam conforme o dispositivo.
Ao continuar, uma frase curta pode se repetir.
Resumo
- JSON Schema define a estrutura da resposta; o uso estrito de ferramentas limita os argumentos enviados pelas aplicações com agentes.
- A AWS descreve compilação inicial e cache de 24 horas por conta, mas algumas restrições ainda exigem validação na aplicação.
Duas garantias em camadas diferentes
O anúncio da AWS de 19 de outubro oferece saídas estruturadas do Claude em bedrock-runtime e bedrock-mantle, onde o modelo estiver disponível. A decodificação restrita limita os tokens por uma gramática durante a geração, em vez de reparar depois uma resposta arbitrária. Isso altera o contrato com o software, sem garantir interpretação factual correta.
JSON Schema controla o objeto recebido pela aplicação; ferramentas estritas controlam os argumentos enviados pelo agente. Extrair interesse em um plano e um pedido de demonstração é o primeiro caso; passar localização e unidade Celsius/Fahrenheit a uma ferramenta é o segundo. Formato válido não concede autorização para executar uma ação.
Como configurar a chamada
No exemplo InvokeModel, o esquema é um objeto JSON em output_config.format, não uma string codificada novamente. Ele define tipos, required e additionalProperties:false em cada objeto. A AWS diz que a ausência dessa opção faz o esquema ser recusado. Nomes e descrições claros continuam indicando o conteúdo de cada campo.
A configuração de ferramentas usa strict:true e input_schema; enum restringe valores permitidos. Análise AISubHub: o esquema deve ter controle de versão como qualquer interface. Renomear um campo pode quebrar o consumidor mesmo com JSON válido, portanto testes de compatibilidade continuam necessários.
Compilação, cache e latência
Bedrock verifica um subconjunto de JSON Schema Draft 2020-12 e compila uma gramática para um esquema novo. A primeira chamada pode demorar mais. Segundo a AWS, o cache é restrito à conta e dura 24 horas desde o primeiro acesso. Mudar a estrutura recompila; alterar somente name ou description mantém a gramática.
Análise: meça separadamente chamadas com esquema novo e reutilizado. Gerar uma estrutura para cada documento difere de manter um catálogo pequeno e estável. O texto também descreve processamento em lote, eventos tipados de streaming e inferência entre regiões em runtime. São escolhas de implantação, não economias de custo ou latência comprovadas para nosso caso.
Nem toda regra aceita é aplicada
A lista inclui tipos básicos, enum, const, anyOf, allOf limitado, referências internas e formatos de strings. minItems aceita apenas 0 ou 1. Algumas palavras-chave são aceitas pela API, mas não impostas na geração: minimum, maximum, multipleOf, minLength e maxLength. Recursão e referências externas também constam como não suportadas.
Um valor de fatura pode ser numérico e exceder o teto de negócio; um identificador pode ser string e ter comprimento incorreto. Análise: mantenha essas verificações na aplicação e separe seus resultados de falhas de JSON ou campos ausentes. Sucesso HTTP não comprova todas as condições do esquema.
Recusas e limites de saída
Recusas de segurança e esgotamento de max_tokens podem produzir respostas não conformes. O exemplo verifica stop_reason antes de analisar o texto, distinguindo end_turn de max_tokens. Mais tokens podem corrigir truncamento, mas não transformar uma recusa em extração bem-sucedida.
Documentos financeiros, notas clínicas, catálogos e roteamento de chamados são casos ilustrativos, não avaliação independente de precisão. Análise: meça correção factual separadamente da estrutura, incluindo evidência vazia, ambígua e resultados cortados. Um diagnóstico, valor ou categoria com formato correto ainda pode estar errado; gravar dados e acionar ferramentas exige critérios adicionais.
Quando testar a integração
Uma equipe que tenta corrigir JSON inválido pode iniciar com um tipo documental, um esquema e uma operação posterior. Nossa proposta é comparar falhas de formato, erros factuais, latência inicial e revisão humana com o fluxo atual. Isso é um plano de avaliação, não uma medição publicada pela AWS.
A função pertence à API Bedrock, não a uma assinatura pessoal do Claude. Modelo, região, credenciais e cobrança exigem verificação própria. O formato limita os dados recebidos; validação e responsabilidade determinam o que é seguro acreditar ou executar. AISubHub não chamou as APIs nem mediu confiabilidade, latência ou custos.
Por que importa
Extração de documentos e classificação de chamados podem sofrer menos erros de formato antes de gravar dados. Equipes devem testar exemplos reais, medir a primeira requisição e definir quando uma ação exige aprovação humana.
Limites e disponibilidade
JSON válido não garante fatos corretos. Continuam existindo recusas, truncamento por limite de tokens e regras não aplicadas na geração. Modelos, regiões, credenciais e custos da AWS precisam ser conferidos separadamente dos planos pessoais do Claude. Não reproduzimos um teste de confiabilidade.
Fontes e evidências
Data da fonte: 19 de out. de 2026 · Fonte verificada: 20 de out. de 2026
Conteúdo editorial com apoio de IA, verificado em fontes primárias. Alegações dos fornecedores são atribuídas; inclusão não é recomendação.