AWS запустив сервіс Agent Registry — централізований реєстр, який дозволяє компаніям реєструвати, версіювати та керувати AI-агентами, інструментами й навичками (skills) у масштабах усієї організації. Замість того щоб кожна команда тримала власний набір агентів і tools у своєму репозиторії, компанія отримує один каталог, де видно, що саме розгорнуто, хто це створив і яка версія працює в проді.

Проблема, яку вирішує сервіс, знайома будь-якій команді, що серйозно взялася за агентну автоматизацію. Коли агентів будують п'ять-десять команд паралельно, інструменти дублюються, версії розходяться, а хто саме користується якою навичкою — з'ясувати важко без окремого журналювання. Agent Registry пропонує єдину точку правди для цього шару інфраструктури.

По суті AWS переносить у світ AI-агентів логіку, яку індустрія софту вже проходила з пакетними реєстрами на кшталт npm чи PyPI, — тільки замість бібліотек тут агенти, tools і skills зі своїми версіями та власниками.

Що саме запустила AWS?

За даними AWS ML, Agent Registry дозволяє реєструвати три типи артефактів — агентів, інструменти й навички — як окремі версійовані сутності, доступні для всієї організації, а не лише команди-автора. Це означає, що платформна чи ІТ-команда отримує повний каталог того, що розгорнуто в компанії:

Навіщо організації окремий реєстр для агентів?

Без централізованого реєстру агентна екосистема компанії росте стихійно. Одна команда пише інструмент для роботи з CRM, інша — майже такий самий, бо не знала про перший. Коли автор оригінального tool оновлює його логіку, агенти інших команд, що на нього спираються, можуть тихо зламатися — ніхто не бачив залежності. Для служби безпеки це ще й питання аудиту: без каталогу неможливо швидко відповісти, який агент має доступ до якого інструменту і чи використовує він застарілу навичку з відомою вразливістю.

Це особливо відчутно в регульованих індустріях — фінансах чи медицині, — де служба безпеки має вміти пояснити, які автоматизовані рішення приймає кожен агент і на основі яких інструментів. Без реєстру відповідь на таке питання займає дні ручного пошуку по репозиторіях; з єдиним каталогом — це запит до одного місця.

Чим це відрізняється від того, як команди керують MCP-серверами зараз?

У більшості команд, з якими ми стикаємось, конфігурації MCP-серверів живуть як розрізнені JSON- чи YAML-файли в репозиторіях або дотфайлах розробників. Немає єдиного каталогу, немає версіювання інструментів на рівні організації — новий співробітник дізнається про доступні MCP-сервери зі спільного документа чи усно від колег. AWS Agent Registry формалізує саме цей шар: реєстр стає обов'язковою точкою входу, а не необов'язковою домовленістю команди.

Практичний висновок для тих, хто не на AWS: інструменти й навички варто трактувати як версійовані артефакти вже зараз — окремий git-репозиторій з семантичним версіюванням і мінімальним внутрішнім каталогом закриває більшість тих самих проблем, поки немає 50 частково дубльованих tools у продакшені.

Висновок AiiN

Поява окремого сервісу для каталогізації агентів — це сигнал, що proliferation агентних інструментів в enterprise-командах досягла масштабу, який вимагає інфраструктури рівня пакетного менеджера, а не просто хорошої дисципліни в репозиторії. За нашою оцінкою, найближчим часом подібні реєстри з'являться і в конкурентів AWS у хмарі, а інтерес до відкритих альтернатив на кшталт спільнотних MCP-реєстрів також зросте. Для AI-білдерів практичний висновок такий: проєктуйте інтерфейси інструментів і навичок з версіюванням і власником з першого дня, незалежно від того, на якій платформі ви працюєте, — переносити недисципліновану купу tools у формальний реєстр значно дорожче, ніж вести версіювання одразу.

Що таке AWS Agent Registry?

AWS Agent Registry — сервіс Amazon Web Services для централізованої реєстрації, версіювання та управління AI-агентами, інструментами й навичками на рівні всієї організації.

Чи потрібен такий реєстр малій команді?

Для команди з одним-двома агентами централізований реєстр — оверкіл. Цінність зростає, коли кілька команд паралельно будують агентів і потрібно уникнути дублювання інструментів та контролювати, яка версія навички працює в проді.