AWS liberó el 11 de noviembre AWS Emulator, un emulador local de sus APIs que corre en la laptop, en un servidor de desarrollo o en CI, sin cuenta de AWS y sin costo de servicio. El dato que lo vuelve noticia no es la herramienta, sino quién la escribió: según el ingeniero que lidera el proyecto, cada línea de código salió de agentes autónomos y su equipo "no ha escrito ni revisado" nada. Cientos de agentes corrigen miles de fallas al día, y la única garantía de calidad es un sistema de pruebas y compuertas operado, también, por agentes.
Matthew Goldberg, ingeniero principal sénior de AWS, abre su texto con una anécdota de kínder: el niño que no sabía sostener el crayón y arruinó el mural de sus compañeros. Su conclusión es que a los agentes no les falta intención sino competencia, y que necesitan "libros para colorear": áreas bien delimitadas que puedan llenar sin salirse de la línea.
La metáfora es simpática, pero es una declaración de principios: si tienes una especificación pública, una implementación de referencia y suficientes pruebas, puedes dejar de leer el código. Para quien diseña controles de seguridad, esa idea merece más atención que cualquier cifra de productividad.
Qué pasó
Esto es lo que dicen el blog de noticias de AWS, la entrada de Goldberg y el repositorio en GitHub:
| Dato | AWS Emulator |
|---|---|
| Lanzamiento | 11 de noviembre de 2026, disponible de forma general |
| Costo | Sin tarifa de servicio; solo pagas recursos cuando despliegas en AWS real |
| Lenguaje | Rust, para mantener bajo el consumo de CPU y memoria |
| Instalación | Paquetes RPM y Debian en Linux; en macOS y Windows se construye una imagen de Docker desde un Dockerfile de la documentación (AWS no publica una imagen lista) |
| Cobertura | Las APIs de los servicios con modelo en el repositorio público de modelos de AWS: 438 modelos según Goldberg; más de 400 modelos y más de 200 servicios según GeekWire |
| Red | HTTPS en el puerto local 9297, escuchando solo en el propio equipo por defecto |
| Credenciales | Genera llaves nuevas en cada arranque, con prefijo EMULATOR, y rechaza peticiones firmadas con otras llaves |
| Cuenta | Una sola cuenta emulada (000000000000), sin comportamiento entre cuentas ni entre regiones |
| Licencia | CC0 (dominio público), salvo el directorio de dependencias de terceros, bajo Apache 2.0 |
| Telemetría | Activada por defecto; se puede apagar por opción, variable de entorno o archivo de configuración |
El caso de uso principal son los agentes de programación como Kiro o Claude Code, que escriben código, lo ejecutan y reintentan. Hacer ese ciclo contra la nube real implica despliegues, latencia y costo; con el emulador, el agente crea una tabla de DynamoDB y la consulta sin salir de la máquina. AWS incluso publicó una "skill" para que el agente lo configure solo.
La otra mitad del anuncio es cómo se construyó. El proyecto empezó como un experimento de fin de semana, inspirado en los agentes de Anthropic que construyeron un compilador de C. Goldberg le pidió a Kiro escribir pruebas a partir de la AWS CLI, iterarlas hasta que pasaran contra AWS real y construir una implementación en memoria que también las pasara. En 15 minutos tuvo una primera versión "pasable" de Amazon SQS. Al terminar el fin de semana tenía una versión tosca del resto de AWS, con huecos evidentes, y su equipo empezó a usarla el lunes.
Convertirlo en producto requirió tres equipos de agentes y una compuerta de integración:
- El equipo de pruebas. Escribe "pruebas de fidelidad" a partir de los modelos de API públicos. Cada prueba es un escenario real (crear una cola, enviar un mensaje, recibirlo, borrarlo) y se verifica contra AWS real antes de aceptarse. Goldberg habla de "decenas de miles" de estas pruebas.
- El equipo que busca fallas. Reproduce las pruebas contra el emulador, agrupa las que fallan por causa probable y abre un issue por cada brecha. El blog de AWS añade que también compara estáticamente el código contra los modelos Smithy publicados.
- El equipo que corrige. Cada issue va a un agente que encuentra la causa raíz, edita el código y lo somete a la compuerta. Esa compuerta rechaza lo que no compila e incluye agentes que revisan estándares de código, verifican la seguridad y confirman que no hubo regresión de fidelidad. Si algo falla, el cambio regresa; si todo pasa, se integra a la rama principal.
Los agentes corren en Amazon Bedrock AgentCore; el código vive en AWS CodeCommit, pasa por AWS CodePipeline y solo al final se publica en GitHub, cuyo repositorio no acepta pull requests.
Por qué importa
Hay tres lecturas, y solo una es la del titular fácil.
La primera es práctica. Ya existían emuladores de terceros; el más conocido, LocalStack, este año condicionó su versión gratuita a tener cuenta y la limitó a uso no comercial, según GeekWire. Que AWS publique el suyo gratis y en dominio público cambia la conversación para equipos de plataforma y de CI.
La segunda es de modelo de confianza. "Nuestro equipo no ha escrito ni revisado nada del código", escribe Goldberg. La frase es deliberada. AWS sustituye la revisión humana línea por línea por un contrato verificable: si el emulador responde igual que AWS en el código de estado, el cuerpo, el código y el mensaje de error exactos, y en los recursos que deja creados, el cambio es aceptable. La confianza se traslada del autor al banco de pruebas. Es el mismo argumento que hizo Sivasubramanian en el blog de Werner Vogels, citado por GeekWire: cuando los agentes escriben el código y revisan su propio trabajo, el trabajo del ingeniero es construir las especificaciones, las pruebas y las compuertas que deciden cuándo ese trabajo es correcto.
La tercera es de seguridad, y es la que menos se está discutiendo. Ese modelo funciona muy bien cuando lo que se quiere verificar es comportamiento observable contra una referencia. Funciona peor cuando lo que importa es lo que el código hace y no debería hacer. Una prueba de fidelidad comprueba que crear una cola devuelve lo mismo que en AWS; no comprueba que el binario no abra un puerto adicional, no escriba donde no debe o no tenga una dependencia que nadie eligió conscientemente. Para eso AWS describe un agente de seguridad independiente que revisa los cambios "de forma adversarial", durante la corrección y otra vez en el pipeline de liberación. Es una capa razonable. También es una capa que, por diseño, no incluye a ninguna persona.
El detalle técnico (que no se está discutiendo)
El punto fino está en la documentación, no en el anuncio: el emulador no evalúa las políticas de IAM ni las políticas basadas en recursos como lo hace AWS. El blog lo dice sin rodeos: "una petición que AWS niega podría tener éxito en el emulador". Y el README del repositorio lo resume en una línea: no lo uses para cargas de producción ni para probar seguridad.
La consecuencia para quien lo use con agentes es directa: si el agente construye roles, políticas o permisos entre servicios, recibirá "éxito" donde la nube real respondería AccessDenied. Un agente que optimiza para que las pruebas pasen aprende lo contrario de lo que queremos: que la política estaba bien. El riesgo no es el emulador; es el ciclo de retroalimentación que se construye encima.
Las notas de versión muestran que esa frontera no es estática. La versión 1.0.322, publicada en GitHub la tarde del 10 de noviembre (hora de la Ciudad de México), incluye correcciones con nombres como "iam-sns-sns-performs-no-iam-authorization-publish" y "apigatewayv2-deleteportalproduct-performs-no-authorization". Los agentes cierran brechas puntuales de autorización como cualquier otra falla de fidelidad, lo que confirma que ese comportamiento depende de la versión y del servicio, y no se puede asumir. La numeración había avanzado desde la 1.0.293, publicada esa misma mañana.
Hay otros límites que vale la pena tener presentes:
- Cuenta y región únicas. No hay comportamiento entre cuentas ni entre regiones, justo donde viven muchos errores de arquitectura real.
- Fidelidad desigual. Cada versión publica cuántas pruebas pasan por servicio, en formato "k de n". AWS advierte que el puntaje puede bajar aunque el emulador mejore, porque se agregan pruebas. Las operaciones no implementadas responden HTTP 501 para que las pruebas fallen de inmediato.
- Lo que no simula. Devin Pratt, analista de IDC, dijo a InfoWorld (citado por GeekWire) que no simula límites de tasa, caídas ni diferencias de disponibilidad por región, y que no aísla en sandbox el código que ejecuta.
- Telemetría encendida por defecto. AWS asegura que no incluye contenido de peticiones, código, credenciales ni datos personales. Aun así, en entornos regulados debe ser una decisión explícita, no un valor por omisión.
Queda la pregunta de cadena de suministro. El historial de commits es público y eso ayuda a auditar, pero el proceso que decide qué entra ocurre en infraestructura de AWS, con revisores que son agentes. Para un equipo que mete este binario en su CI, la pregunta no es si confía en AWS, sino qué evidencia de revisión necesita para un componente que nadie, por diseño, leyó antes de publicarlo. Goldberg promete una serie de textos sobre cómo miden fidelidad y aseguran la calidad; conviene leerlos antes de adoptarlo a escala.
Qué hacer
- Úsalo para lo que fue hecho. Pruebas funcionales, desarrollo local y ciclos de agentes de programación. No para validar permisos, aislamiento ni controles de seguridad.
- Separa las pruebas de IAM. Toda prueba que dependa de una política, un rol o un permiso entre cuentas debe correr contra una cuenta real de AWS, idealmente una cuenta sandbox dedicada. Márcalas para que nunca se ejecuten contra el emulador.
- Aísla las credenciales reales. La guía oficial pide quitar del entorno las credenciales reales y desactivar la consulta al servicio de metadatos. Haz que tu CI lo haga de forma explícita.
- Fija la versión. Con varias versiones al día, usa una versión concreta y actualiza de forma deliberada, revisando antes los puntajes de fidelidad de tus servicios.
- Decide sobre la telemetría. Apágala en entornos regulados o documenta por qué la dejas encendida.
- Pon límites al agente. Dale una instancia por tarea y ninguna llave productiva en el mismo entorno. Un agente que puede alternar entre local y nube con las mismas variables es un incidente esperando a ocurrir.
- Trátalo como dependencia de terceros. Aunque venga de AWS, inclúyelo en tu inventario de software y verifica su origen.
AWS demostró con un producto real que la calidad del software escrito por agentes depende de las pruebas que lo rodean. Es una lección útil, pero tiene un lado que conviene mirar con calma. Si la garantía ya no es que alguien leyó el código, sino que el código pasa las pruebas, entonces lo que no está en las pruebas no está garantizado. En tu organización, ¿quién escribe las pruebas que deciden qué es seguro, y quién revisa a ese revisor?
Fuentes
- AWS News Blog: Test your applications against AWS locally with AWS Emulator (11-nov-2026)
- About Amazon: How we built the agents that built AWS Emulator, por Matthew Goldberg (11-nov-2026)
- GeekWire: AWS gives developers a free local stand-in for its cloud, built from scratch by AI agents (11-nov-2026)
#ia #agentes #aws #cloud #desarrollo #cadenadesuministro #devsecops
