AWS推AI代理架構 助力企業自動化
Table Of Contents
AI正處於朝 向以AI Agent自動執行的轉型期，估計全球企業AI應用2028年，根據Gartner最新預測，全球33%企業將採用AI代理（Agent）技術，大幅提升運營效率。亞馬遜雲端服務（AWS）推出AI代理方案，重新定義開發流程，為不同行業提供端到端自動化服務，AI技術正從輔助角色邁向自主決策的新階段。
AWS於2025年推出Amazon Bedrock AgentCore服務，專注Agentic AI開發，助力企業大規模部署安全AI代理，處理複雜工作流程。該服務整合記憶管理、可觀測性及MCP伺服器等功能，確保代理穩定運行並兼容多種工具。
AgentCore核心功能
AgentCore提供專屬運行環境（Runtime），支援AI代理執行推理、任務分解及自動化。代理可獨立運算，彈性處理從秒級到8小時任務，包括瀏覽外部網站或內部資源整合。例如，在貸款審批應用中，監督代理接收文件後，拆解為子任務（如支出評估、收入驗證、信用評分），調用工具箱存取數據庫或API，生成最終推薦報告。服務支援多代理協作，適用金融、醫療等行業，預計加速33%企業採用AI代理至2028年。
MCP伺服器整合
利用Agent是未來使用AI的趨勢，以減少人手干執，Agent可執行大部分工作，不過LLM要取用部資源，如連接數據庫，都會使用MCP（Model Context Protocol）開放標準，讓AI Agent與外部數據源、工具及服務的安全雙向通信，並提供統一接口，Agent存取及互動資源。多數AI代理的LLM環境（如Anthropic、OpenAI）支援MCP標準化工具連接，提升互操作性。AWS AgentCore也提供MCP接口，作為Bedrock服務，提供MCP整合外，還包括運行環境、記憶儲存、可觀測性及Gateway轉換API為MCP伺服器，專注企業級代理部署與規模化。 伺服器是AgentCore為MCP提供統一接口與外部工具互動。AgentCore Gateway可將現有API或Lambda函數，轉換為MCP伺服器，作為工具箱「黃頁」，供代理篩選使用。例如企業有400個伺服器，MCP支援過濾（如應用相關），避免直接暴露全部資源，Agent可直接提供MCP端點，或由服務轉換API，提升安全性與效率。MCP適用於數據源存取，快速建置生成AI應用，支援第三方如OpenAI模型。
記憶管理
記憶儲存（Memory Store）為關鍵組件，用於保存中間結果、對話歷史及上下文。代理可選擇性存取短期或長期記憶，避免切換損失，提升多代理協作。例如，子代理分析完畢後，將結果存入記憶體，供監督代理合併，解決上下文遺失問題。記憶依模型大小調整，支援大規模嵌入式知識庫。
可觀測性
AgentCore內建追蹤能力，記錄所有Agent行為，包括推理過程、工具調用（呼叫MCP）、數據存取及瀏覽器互動，可回溯記錄，確保透明度與除錯，避免黑箱決策。這解決AI代理生產環境痛點，提升合規性與可靠性。
其他特有功能
- 工具增強：內建工具箱支援RAG技術、知識庫嵌入，代理可調用瀏覽器研究外部資料，或內部CMS系統。
- 安全性與兼容：每個代理獨立運算，支援OAuth身份驗證；兼容多框架與模型（如Anthropic、Meta），無需重寫代碼。
- 部署控制：提供企業級基礎設施，動態調整代理工作負載；透過Marketplace分享合作夥伴代理，擴大選擇。
- 應用擴展：適用媒體研究（如fact-check、風格分析）或客戶服務，標誌AI從輔助轉向全自動化，潛力巨大。 AWS支持多種模型及開發框架，包括OpenAI及Meta的開源模型，AWS首次提供OpenAI從2019年後首次開源，並開放權重模型的gpt-oss-120b 和 gpt-oss-20b的，120b以少量競賽級編程測試中，gpt-oss-120b 的得分只比OpenAI 目前最先進的推理模型o3略遜一點，而gpt-oss-20b 的成績則介於o3-mini 和o4-mini 之間。這是AWS首次引入OpenAI，不過中國內地開放了多個LLM，gpt-oss-120b（智能指數：58）在數學（96.6% vs 79.8%）和編碼方面優於DeepSeek R1（59），但在整體分數和Aider Polyglot（41.8% vs DeepSeek 56.9%、Kimi-K2 59.1%、Qwen3 32B 40.0%）落後。 在任務上與Qwen3相當，但活躍參數少5倍；在實際使用中落後GLM-4.5。 gpt-oss-20b（48）高效但落後更大的中國模型。
AWS大中華區合作夥伴解決方案主管余廸遜（Dickson）表示：企業正處於從AI到AI agent自動化執行的轉型期，AI agent可自主執行和解決工作難難，AWS的新架構正是為此而設計。」
三層架構破解企業自動化難題
AWS服務涵蓋底層晶片、中層開發工具及應用層服務，構建完整的技術生態。底層方面，除使用NVIDIA成熟的GPU技術外，AWS自研晶片亦獲得Apple和Anthropic採用。中層的Agent Core提供開發功能，此外AWS也推出了Kiro的AI IDE，與Trae、Cursor、Claude、CodeWindsurf、Void競爭。
醫療與金融行業率先落地
余廸遜指香港的金融和醫療行業最先採用AI，因為可供採集的數據最多，如金融領域的貸款審批流程，已逐步由Agent代為審批。AI可自動分析用戶薪資單及銀行流水，通過「費用變異檢測」（Expense Variance Check檢測支出異常）及「收入穩定性評估」（Income Stability Assessment分析收入穩定性）模塊，減少人工審核需求。醫療行業，AI應用則於報告生成和臨床試驗數據分析，提升醫療知識和論文的調用效率。
Memory Store確保AI決策透明度
為解決AI決策透明度，AWS的Memory Store（記憶存儲）功能完整記錄代理器調用工具和存取數據的步驟。例如貸款審批過程，AI保存「瀏覽器訪問外部信用評分網站三次」等操作日誌，確保流程具備追溯性和審計能力。
IDE生態戰略：從草稿到生產環境
最近AI IDE大戰，AWS也推出開源IDE微軟VS Code改良的分支，支援所有VS Code的Extension，不過支援AI編程以外，亦內建 GUI導引設計規格、支援企業協作一致性、處理複雜專案關係、從規格驅動到生產級開發，此外，傳統VS Code也可使用Amazon Q，同樣可引入部分Kiro的性能。Kiro支援「Spec-Driven Development」模式（以規格驅動的開發模式），可引導AI透過規格驅動開發，提示轉換為明確需求、結構化設計及驗證任務，內建GUI導引設計規格，支持企業協作的一致性、以至處理複雜開發流程關係，從軟件規格到生產級開發，優於其他AI IDE即興生成，提升結構化與可維護性。余廸遜指Kiro在團隊協作也更有一致性和易於維護。開發者輸入業務需求（如「生成貸款申請表」），AI會自動生成設計規格及架構圖。通過不斷修改這些規格文件，開發者可以指導AI逐步優化功能模塊，從而實現從原型設計到生產環境無縫銜接。
AWS也推出代理器市場（Agent Marketplace），預計將上線多個由合作夥伴開發的垂直領域代理器。此外，公司還計劃舉辦AI代理器開發競賽，推動技術創新。
