# Arquitectura y navegación

```mermaid
flowchart LR
    S[Cliente de demo] --> A[Runtime onboarding]
    S --> I[Runtime infraestructura]
    K[Cliente HTTP] --> P[Lambda proxy]
    P --> A
    A --> G[Gateway nmpEnterpriseTools]
    G --> C[Lambdas clientes / KYC / PLD / documentos]
    I --> W[Gateway awsInfrastructureTools]
    H[Harnesses] --> W
    W --> L[Lambda infraestructura]
    L --> E[APIs EC2 y Lambda]
```

El script de demo llama directamente a AgentCore. El proxy es una ruta alternativa
para un cliente HTTP; no hace falta para ejecutar los dos escenarios.

| Qué explicar | Dónde mirar |
| --- | --- |
| Escenarios y criterios de revisión | `scenarios/` |
| Entrada, herramientas y streaming | `src/agents/*/main.py` |
| Selección de Claude Sonnet 4.5 | `src/agents/*/model/load.py` |
| Conexión a gateways MCP | `src/agents/*/mcp_client/client.py` |
| Memoria y sesiones | `src/agents/*/memory/session.py` |
| Implementación de consultas AWS | `src/lambdas/aws_infrastructure/` |
| Conversión HTTP/SSE | `src/lambdas/agentcore_proxy/` |
| Parámetros aceptados por las herramientas | `contracts/tools/` |
| Variantes declarativas | `harnesses/` |
| Identidad de recursos y rutas | `agentcore/agentcore.json` |

Cada agente mantiene sus módulos y dependencias dentro de su propio directorio:
AgentCore empaqueta cada `codeLocation` por separado. Las rutas de código,
contratos y harnesses se resuelven desde `demo/`.

El `systemPrompt` de cada `harness.json` está embebido en la configuración. Los
archivos `system-prompt.md` existentes son referencias; editar únicamente ese
Markdown no cambia el prompt embebido.