用 Amazon Bedrock AgentCore 构建 AI 驱动的 AWS 支持助手
从多工具切换到单一对话：AWS 支持助手的 AI 进化
管理 AWS 基础设施时，工程师常常需要在多个控制台、文档和社区之间来回切换。针对每一次事件，工程师需要打开 AWS 管理控制台、检查 CloudWatch 日志、搜索文档、查看 re:Post 社区帖子，再手动创建支持案例。这种上下文切换每次调查平均耗时 30–45 分钟，之后才能开始真正的修复工作。
为什么需要 AI 支持助手？
传统调查流程存在明显的瓶颈：每个步骤依赖不同的工具和界面，信息无法自动流转。AWS 支持与运维团队每天重复着“打开控制台 → 检查日志 → 搜索文档 → 浏览社区 → 创建案例”的循环，效率低下且容易遗漏关键信息。
解决方案：基于 Bedrock AgentCore 的对话式代理
现在，我们可以通过 Amazon Bedrock AgentCore 构建一个 AWS Support Companion，将上述所有步骤整合到一个对话式界面中。AgentCore 负责处理生产级 AI 代理的运营复杂性——包括会话隔离、自动扩缩、安全性和可观测性——让开发者专注于“代理做什么”，而非“代理怎么跑”。
该代理的核心架构包括：
- 代理运行时：基于 Strands Agents 框架的 Python 应用，打包为 Docker 容器并部署到 AgentCore 运行时。代理通过 Amazon Bedrock 调用基础模型（如 Amazon Nova Pro），并根据用户输入编排工具调用。你可以切换到其他支持的模型，无需修改代理代码。
- MCP 服务器：通过 模型上下文协议（MCP），代理连接三个 MCP 服务器，分别访问 AWS 文档、CloudWatch 日志 和 AWS re:Post 社区知识。
- 部署与前端：整个解决方案通过单个 AWS CloudFormation 脚本部署，并包含一个基于 AWS Amplify 的 Web 前端，方便用户与代理交互。
代理能做什么？
在对话界面中，你可以直接要求代理：
- 分析 CloudWatch 日志中的错误模式
- 搜索 AWS 文档获取相关故障排除指南
- 查询 AWS re:Post 上类似问题的社区讨论
- 自动创建支持案例，并附上调查证据和上下文
所有这些操作都在同一个会话中进行，上下文信息无缝传递，无需手动复制粘贴。
行业背景与价值
AI 驱动的支持助手是 AI 运维（AIOps） 领域的典型应用。通过将大语言模型与结构化工具（MCP 服务器）结合，代理不仅能理解自然语言，还能执行实际操作——这比单纯的聊天机器人更进一步。AWS 通过 Bedrock AgentCore 提供了托管运行时，降低了构建此类代理的运维门槛。
对于团队而言，最大的价值在于 减少上下文切换时间。原本需要 30–45 分钟的调查流程，现在可能缩短到几分钟内完成。更重要的是，代理可以保持调查过程的完整记录，便于事后审计和知识沉淀。
小结
AWS Support Companion 展示了如何利用 Bedrock AgentCore、Strands Agents 和 MCP 协议 构建一个实用的 AI 助手。它不是一个概念验证，而是一个可部署的解决方案，能够直接融入现有运维流程。如果你正在寻找提升 AWS 支持效率的方法，这个架构值得参考。