I racconti sugli agenti AI di solito sono demo greenfield. Il post di AWS su come monday.com fa girare agenti in produzione parte dal punto opposto: un code base con dieci anni di storia, milioni di utenti paganti, centinaia di microfrontend e microservizi. Ogni PR aperta da un agente finisce in un sistema che deve continuare a funzionare al prossimo deploy. I numeri arrivano dai dati di produzione interni di monday: nove Builder su dieci usano tool di AI coding ogni mese (da circa la metà un anno fa) e il throughput di PR per engineer è cresciuto di oltre la metà.
L’architettura è meno interessante delle scelte operative. Ogni trigger esterno (una @mention su Slack, un’assegnazione su monday, una review di PR su GitHub) entra in Amazon SNS, si diffonde su code SQS per team e arriva al pod dell’agente su EKS. Sessioni e memoria vivono su EFS come filesystem POSIX reale; lo stato “vivo” sta su ElastiCache; i record durevoli su S3. Amazon Bedrock gestisce le model call. La SDK dell’agente è un wrapper sottile: “il runtime è una commodity, l’harness è dove vivono le nostre opinioni”.
Cinque retrofit, non tecnologie esotiche
La parte onesta del post sono i cinque retrofit che hanno reso gli agenti utili dentro un code base maturo. Le eval prima degli upgrade di modello (tra versioni di “Atlas” hanno cambiato solo le eval, non il modello, e i punteggi sono saliti). La memoria come file: un MEMORY.md e un diario giornaliero in markdown, dopo aver provato e scartato context stuffing e vector retrieval. Un sandbox remoto prima della review umana. Le PR Guardrails che trasformano ogni standard di engineering in un reviewer automatico. E le monday board come shared state layer.
Il dato più citato: Morphex, il primo agente pienamente autonomo, vede 19 PR su 20 mergiare in automatico — non saltando la review, ma passando ogni gate. Sull’insieme dei top agenti, circa tre PR su dieci vengono mergiate, di cui circa tre quarti senza edit umani, con un revert rate a singola cifra bassa; Guardrails intercetta circa un quarto delle PR prima che arrivino a un umano. È su quella popolazione pre-filtrata che diventa sensato il merge automatico basato su confidence, che combina esito Guardrails, traiettoria delle eval, revert rate storico per agente/repo/tipo di modifica ed esito del sandbox.
In sintesi
- Il valore non è il runtime (un harness attorno alla Claude Agent SDK) ma tutto ciò che monday ha cablato attorno: stato, identità e infrastruttura condivisi con gli umani.
- I retrofit decisivi sono banali sulla carta: eval, memoria come file markdown, sandbox remoto, Guardrails automatici, board condivise.
- Il merge automatico basato su confidence sposta l’umano fuori solo dai casi in cui il segnale del sistema è già abbastanza forte.
Fonte: AI Teammates: how monday.com runs production AI agents on Amazon Bedrock — aws.amazon.com
Hai qualcosa da aggiungere? Unisciti alla discussione.