基于亚马逊云科技 Agentic AI 构建企业级应用.pdf

1、基于亚马逊云科技Agentic AI构建企业级应用沈金Partner Solutions ArchitectAgentic AI 发展趋势与应用Agentic AI 的发展历程提升自主性和业务影响力AI/ML AssistantGenAI AgentAgentic AI 遵循一系列规则自动执行预编程任务实现单一目标处理多种任务自动执行整个工作流完全自主多 Agent(Multi-agent)系统模仿人类思维和推理更多的人工干预更少的人工干预全行业 Agent 使用场景 AI 赋能的开发与验证 智能联络中心 供应链优化汽车行业 多 Agent 协同视频分析 媒体方案与营销活动优化 多 Agent

2、 协同广告销售数据分析媒体与娱乐行业 AI 在游戏制作中的应用 游戏开发编程助手 游戏内置 AI游戏行业 能源交易 可再生能源规划 上游生产优化能源与公用事业 Agent 购物助手 供应链资源调配 智能定价 Agent零售和消费品行业 智能研究与发现 设备维护管理 供应链优化制造行业 保险承保优化 智能化客户体验 投资研究助手金融服务 临床自动化工作流 预授权自动化 患者和会员参与医疗保健与生命科学 客户体验优化 企业效率提升 网络自动化电信行业业界全力推进 Agent 技术落地预计到 2028 年，企业软件应用中将有 33%集成 Agentic AI 功能，相比之下，2024 年这一比例还不

3、到 1%。来源：Gartner 研究报告2025 年顶级战略技术趋势，2024 年 10 月发布。预计到 2028 年，日常工作决策中的 15%将由 Agentic AI 系统自主完成。来源：Gartner 研究报告顶级战略技术趋势：Agentic AI用户体验的演变，2025 年 2 月发布提供实用的 AI Agent 构建服务，赋能企业与组织大规模部署安全可靠的 Agent我们的愿景企业级Agentic AI应用构建要素安全和治理身份和访问控制数据安全/质量可观测性基础设施大模型LLM集成能力Agent框架协作模式智能记忆推理引擎编程工具标准化接口（API/MCP）第三方产品链接计算资源（

4、弹性/扩缩）数据库和分析服务企业级Agentic AI应用构建全景蓝图新一代开发工具：Kiro IDEAgentic AI行业应用全托管Agent构建：AgentCore自行构建Agent：服务组合LLM 模型:Bedrock轻量级AI Agent框架:Strands部署运维：Lamda/EKS身份验证：Cognito日志监控：CloudWatch/Prometheus记忆管理：S3 Vector/DynamoDBData Infra:DB|AnalyticsMCP 集成：fastMCPAgentic AI应用Quick SuiteAmazon Quick Suite产品能力从多个数据源收集数

5、据，整合数据与信息。因缺乏工程开发能力，开发集成新的 Agentic AI 工作流或应用需与平台部门反复沟通，等待排期。咨询专家做数据分析和理解。业务人员往往浪费大量的时间：手动跳转到各种 GenAI 提效软件中进行整体内容优化，报告生成和结果转发。产品能力Amazon Quick Suite 为亚马逊自己和我们的客户打造一组Agent同事，它们能够快速 并且帮助将这些 N E W自定义聊天智能体自动化重复性任务节省时间和精力 结合外部和内部数据自动生成专业分析报告基于自然语言的高级数据分析产品能力用户无需在各种工具和界面之间来回切换，而是在一个统一环境中即可：-快速简单构建Agent并进行自

6、然语言问答 -访问企业数据，分析并生成富有洞察的分析报告-联网Deep Search补充行业知识-定义工作流自动化重复性任务-与主流应用原生集成，同时利用MCP拓展-支持作为插件与办公软件和浏览器集成-支持多部门团队协作Quick Suite Quick Suite 融合团队与智能体融合团队与智能体Demo:Agent chat基于Tidb构建dashboard进行分析AI 编码工具擅长处理小任务，但在复杂的项目中可能会失败AI 工具的扩展性在保持质量控制的同时将项目从概念验证到生产变得越来越困难代码质量现有工具与 Agent 协作变得困难，开发者难以控制 Agent 的输出控制有限AI 研发