AWS beschreef op 6 oktober 2026 een patroon voor een AI-assistent met context die gesprekken kan overstijgen. Het voorbeeld, Sprout, is een tuinassistent die OpenClaw combineert met Amazon Bedrock AgentCore Runtime en AgentCore Memory. Het laat zien hoe Telegram-berichten en geplande taken één agent bereiken, en hoe gesprekservaringen later als langetermijngeheugen kunnen worden gebruikt. AWS publiceerde de technische beschrijving.

Wat je nodig hebt

Voor de beschreven aanpak zijn toegang tot AgentCore Runtime en AgentCore Memory, toegang tot de gekozen modellen in Amazon Bedrock en een Telegram-bottoken nodig. AWS noemt daarnaast vertrouwdheid met orkestratie en CloudFormation. Bouw je zelf een containerimage, dan zijn Docker met ondersteuning voor linux/arm64 en een geconfigureerde AWS CLI nodig.

Van binnenkomend verzoek naar antwoord

Telegram-berichten en geplande taken nemen verschillende routes, maar komen uit bij dezelfde AgentCore Runtime-agent:

  1. Een Telegram-bericht gaat via Amazon API Gateway naar een webhookfunctie in AWS Lambda. Een geplande taak begint bij Amazon EventBridge Scheduler en loopt via een afzonderlijke Lambda-functie.
  2. Beide functies roepen dezelfde agent aan in AgentCore Runtime.
  3. De server.py-wrapper start en controleert de OpenClaw-gateway. De container luistert op poort 8080 en gebruikt GET /ping voor de gezondheidscontrole en POST /invocations voor agentverzoeken. AWS beschrijft het HTTP-contract van AgentCore Runtime.
  4. Bij een verzoek zoekt het voorbeeld relevante langetermijngegevens op en voegt geselecteerde herinneringen toe aan de systeemprompt. Daarna genereert het model een antwoord.
  5. Het voorbeeld slaat de beurten van zowel de gebruiker als de assistent op als gesprekgebeurtenissen. AgentCore Memory kan daar later langetermijngegevens uit halen.

Hoe AgentCore Memory gesprekken bewaart en terughaalt

Zo combineert AWS AgentCore en OpenClaw voor een AI-assistent

Het voorbeeld bewaart gebeurtenissen voor het lopende gesprek en gebruikt die als basis voor langetermijngeheugen. AgentCore Memory haalt die gegevens niet meteen op hetzelfde moment uit het gesprek: de extractie verloopt asynchroon. Een nieuw genoemd feit kan daardoor pas in een latere sessie beschikbaar komen.

AWS beschrijft drie extractietypen: USER_PREFERENCE, SEMANTIC en SUMMARIZATION. Bij een volgend verzoek haalt het voorbeeld maximaal 50 records op binnen een budget van 3 seconden. Expliciet genoemde voorkeuren krijgen voorrang op afgeleide gegevens wanneer de assistent de systeemprompt samenstelt. Mislukt het ophalen of loopt het vast, dan kan het voorbeeld alsnog antwoorden zonder opgehaalde herinneringen.

Het voorbeeld gebruikt Telegram-chat-ID’s om geheugenruimten af te bakenen. Dat is een inrichting van deze implementatie, geen algemene eigenschap van OpenClaw of AgentCore.

Tekst en afbeeldingen volgen verschillende modelroutes

Voor tekst gebruikt Sprout Claude Haiku 4.5 via de OpenClaw-gateway. Afbeeldingsverzoeken stuurt de beschreven implementatie vanuit server.py rechtstreeks naar Amazon Bedrock, met Claude Sonnet 4.5. Die aparte route is een oplossing voor de OpenClaw-build in het voorbeeld: die build liet onderdelen met image_url vallen. AWS beschrijft de directe route dus voor deze implementatie. Beide routes gebruiken dezelfde persona- en geheugenprompt.

Kiezen tussen de Launch Stack en een eigen image

AWS beschrijft twee manieren om het voorbeeld uit te rollen. De Launch Stack gebruikt een publieke image; de aangepaste route bouwt en pusht zelf een ARM64-image en registreert de Telegram-webhook.

RouteImageWat je nodig hebtWat de route doet
CloudFormation Launch StackPublieke image uit Amazon ECREen Telegram-bottokenZet de stack op met de publieke image.
Eigen imageZelfgebouwde linux/arm64-image, naar een private ECR-repository gepushtEen Telegram-bottoken, Docker met linux/arm64-ondersteuning en een geconfigureerde AWS CLIscripts/deploy.sh controleert de CloudFormation-template, bouwt en pusht de image, rolt de stack uit en registreert de Telegram-webhook.

De Launch Stack is de route met de publieke image. Bij de aangepaste route bouw je de image zelf; juist daarvoor noemt AWS Docker en de AWS CLI als vereisten.

Ondersteunende diensten en opruimen

In de beschreven opzet gebruikt Sprout Amazon S3 voor de werkruimte, AWS Key Management Service (KMS) voor versleuteling, AWS Secrets Manager voor het Telegram-bottoken en Amazon CloudWatch voor logs en meetgegevens. Bij het opruimen van de implementatie verwijdert de beschreven procedure ook de geheugenopslag en de bijbehorende geheugenruimten.