In einer am 9. Oktober 2026 veröffentlichten technischen Darstellung beschreibt Postman, wie Agent Mode Amazon Bedrock für die Modellinferenz nutzt: Werkzeuge werden passend zur Aufgabe ausgewählt, Kontext wird gezielt zusammengestellt und Änderungen am Anwendungszustand benötigen eine Nutzerfreigabe. Die Zahl von 40 Millionen bezeichnet Postmans Entwicklergemeinschaft, nicht die Zahl der Agent-Mode-Nutzenden.
Was Postman Agent Mode ist
Postman ist eine Plattform für die Arbeit mit APIs; Agent Mode ist eine darin integrierte KI-Funktion für Aufgaben wie Tests, Dokumentation, Entdeckung und Implementierung. Amazon Bedrock übernimmt in der beschriebenen Architektur die Inferenz – also die Verarbeitung einer Anfrage durch ein Modell. Agent Mode koordiniert dagegen die Postman-Werkzeuge und den passenden Arbeitskontext.
Das englischsprachige Tutorial zeigt Agent Mode beim Erzeugen von API-Tests, bei der Fehlersuche und beim Erstellen eines CI/CD-Workflows. Das englischsprachige Tutorial zeigt Agent Mode beim Erzeugen von API-Tests, bei der Fehlersuche und beim Erstellen eines CI/CD-Workflows.
Werkzeuge gezielt pro Aufgabe auswählen
Postman beschreibt einen Auswahlprozess, der einen Katalog mit mehr als 170 Werkzeugen durchsucht und ungefähr 15 passende Werkzeuge an einen kontextisolierten Sub-Agenten weitergibt. So muss der Agent für eine einzelne Aufgabe nicht den gesamten Werkzeugbestand berücksichtigen.
In eigenen Tests nahmen Auswahlfehler nach Postmans Darstellung zu, wenn mehr als etwa 40 Werkzeuge gleichzeitig sichtbar waren. Größere oder neuere Modelle verringerten die Fehler laut Postman, beseitigten sie aber nicht vollständig. Für die Architektur ist die Begrenzung des sichtbaren Werkzeugbestands damit ein eigener Baustein – nicht bloß eine Frage der Modellgröße.
Kontext und API-Daten passend aufbereiten
Postman unterscheidet zwischen automatisch erfasstem, breitem Hintergrundkontext und fokussiertem Kontext, den Nutzende gezielt auswählen. Spezialisierte Handler bereiten die jeweilige Information für die Anfrage auf. Umfangreiche Request-Beschreibungen, OpenAPI-Spezifikationen und Payloads können laut Postman das Kontextfenster füllen; die Auswahl und Kürzung des Kontexts gehört deshalb zu den beschriebenen Architekturproblemen.
Für strukturierte Daten im API Catalog beschreibt Postman schema-basierte Abfragen über ClickHouse, statt für jede einzelne Frage ein eigenes Werkzeug vorzuhalten. Eine Beispielabfrage betrachtet sieben Tage, berechnet die p95-Latenz – das 95. Perzentil – und filtert auf Werte unter 100 ms.
Inferenzprofile, Regionen und Freigaben
Postman beschreibt die Auswahl eines Amazon-Bedrock-Inferenzprofils je nach Arbeitslast. Geografische Profile können Anfragen über unterstützte Regionen innerhalb eines festgelegten Gebiets verteilen; globale Profile können unterstützte Regionen weltweit einbeziehen.
Agent Mode kann Anfragen auch im Hintergrund senden, ohne dass ein Tab geöffnet ist. Aktionen, die den Zustand der Anwendung verändern, benötigen laut Postman weiterhin die Freigabe der nutzenden Person. Die Funktion verbindet damit Hintergrundverarbeitung mit einer Zustimmungsschranke für Änderungen.
Datenaufbewahrung und Prompt-Caching
Postman setzt data_retention_mode für unterstützte Agent-Mode-Modelle auf none. Verfügbarkeit und Verhalten dieser Einstellung hängen vom jeweiligen Modell ab.
Für das Prompt-Caching beschreibt Postman einen einstündigen Cache-Checkpoint für stabile Prompt-Inhalte und einen fünfminütigen für variableren Kontext. Auch die Unterstützung dieser Cache-Einstellungen ist modellabhängig. In frühen Entwicklungsiterationen empfand Postman lange Ketten kleinteiliger Werkzeugaufrufe als langsam.
Postmans Produktionsimplementierung ist proprietär und steht nicht als öffentliches Beispiel-Repository bereit.
