新上线今天0 投票
结合 SageMaker AI 与 Bedrock AgentCore 构建智能体工作流
在构建智能体工作流时，一个常见的挑战是如何在同一个系统中混合使用托管基础模型（FM）和自有的成本优化或领域特定模型，而无需重写整个智能体框架。本文介绍如何将 Amazon SageMaker AI 上的 OpenAI 兼容端点与 Amazon Bedrock AgentCore 运行时相结合，实现多智能体协作，其中每个专业智能体使用最适合其任务的模型。
架构概览
该架构通过一个 Amazon Bedrock AgentCore 容器连接三条模型托管路径：
- 编排智能体（Bedrock 上的 Claude Haiku 4.5）：负责分类用户意图，并通过全局跨区域推理路由任务。
- 预算智能体（Bedrock 上的 Claude Sonnet 4.6）：处理 50/30/20 预算分解，使用结构化 Pydantic 输出。
- 财务分析智能体（SageMaker AI 上的 Qwen 3.5 9B）：执行股票分析和投资组合构建，支持工具调用。
用户请求进入运行在 Bedrock AgentCore 运行时内的编排智能体。编排智能体采用 Strands Agents 的“智能体即工具”模式，将请求路由至预算智能体或财务分析智能体。两个专业智能体分别调用各自的模型：预算智能体通过 Amazon Bedrock 调用 Claude Sonnet 4.6，财务分析智能体通过 SageMaker AI 实时端点（使用 OpenAI 兼容 API）调用 Qwen 3.5 9B。结果流经编排智能体返回给用户。
集成细节
关键在于集成机制，尤其是如何从 SageMaker 端点获取令牌级可观测性，因为 Strands 默认不提供这一功能。通过结合 SageMaker AI 和 Bedrock AgentCore，您可以在一个生产就绪的架构中实现成本优化、数据驻留和模型灵活性。
前置条件
开始之前，您需要具备以下条件：
- 一个 AWS 账户，并具有创建 SageMaker 端点和 Bedrock AgentCore 资源的权限。
- 已部署 Qwen 3.5 9B 模型到 SageMaker AI，并获取 OpenAI 兼容端点的 URL。
- 熟悉 Strands Agents 框架的基本概念。
完整源代码请参阅随附的 GitHub 仓库。
总结
通过这种组合，您可以在不牺牲性能的前提下，利用 SageMaker 上部署的专用模型（如 Qwen）与 Bedrock 上的托管模型（如 Claude）协同工作。该方案特别适合需要数据驻留或成本优化的场景，同时保持了智能体编排的灵活性。
