智客 ZICQ
EN 登录 / 注册
智客前沿 行业动态 #Amazon Bedrock AgentCore #AI智能体 #混合架构 #MCP #Mobileye

Mobileye 基于 Amazon Bedrock AgentCore 部署 AI 支持智能体,响应时间缩短 90%

Mr.Xu 的头像

文 / Mr.Xu 智客前沿编译 · 审校

发布时间: · 4 次阅读

中文阅读 (Chinese) English Version
共读互动 选中正文任意句子即可高亮划线、写下你的技术批注,或一键生成金句引用卡。 直达讨论区 ↓

摘要:Mobileye 利用 Amazon Bedrock AgentCore 构建了生产级 AI 支持智能体,成功将内部工单响应时间从数小时缩短至约 1 分钟,成功率高达 98%。该方案采用混合架构,通过 MCP 协议实时访问本地数据管道,并借助 AgentCore 的无服务器运行时和内置可观测性,实现了零基础设施管理的企业级部署。本文深入解析其架构设计、技术亮点及对企业的启示。


概述

Mobileye 作为自动驾驶领域的先驱,其 EyeQ 芯片已部署超过 2.3 亿颗。随着数据处理管道的扩展,66% 的支持工单变成了常规状态查询,工程师需要手动跨多个系统操作,耗时且低效。为此,Mobileye 基于 Amazon Bedrock AgentCore 构建了 AI 支持智能体,实现了响应时间缩短 90%、成功率 98% 的显著成果。

从手动瓶颈到 AI 驱动

传统自动化方法(脚本、静态工作流、规则决策树)无法应对真实世界支持请求的多样性。Mobileye 选择构建能够理解上下文并适应不同查询模式的 AI 智能体。

概念验证

在概念验证阶段,Mobileye 设定了 95% 准确率和 2 分钟响应时间的目标。智能体使用 Anthropic Claude 基础模型,通过内部 LLM 网关访问 Amazon Bedrock。关键使能技术是模型上下文协议(MCP),它让智能体在推理时实时访问驱动数据处理平台的 API,从而超越简单的工单分类,成为智能调查员。

生产架构:混合架构

Mobileye 最终选择 Amazon Bedrock AgentCore,原因包括:无服务器基础设施、加速解决时间、内置可观测性、支持多种智能体框架,以及能够与本地工单系统集成的混合架构支持。

本地组件

  • 本地编排器:处理本地工单操作,提取新工单并回传响应。
  • 内部工单系统:本地工单管理,作为工单来源和响应目的地。

AWS 云组件

  • AgentCore 运行时:无服务器运行,自动扩展,支持任意智能体框架。
  • AgentCore 可观测性:端到端追踪每次智能体交互,加速调试。
  • AWS Secrets Manager:无面认证,安全存储和轮换密钥。

Mobileye 服务

  • 数据管道 MCP 服务器:实时查询生产数据,提供上下文感知响应。
  • AI LLM 网关:受治理的模型访问。

工作流程

  1. 本地编排器提取新工单并发送给 AI 支持智能体。
  2. 智能体处理工单,通过 MCP 服务器查询实时数据,通过 LLM 网关访问 Claude,生成响应。
  3. 本地编排器将响应回传至工单系统。
  4. AgentCore 可观测性捕获活动指标。

可衡量的结果

  • 成功率:98%(目标 95%)
  • 响应时间:从数小时降至约 1 分钟(提升 90%)
  • 自动化支持量:占总工单量的 66%
  • 月处理量:100+ 工单

战略收益

支持工程师得以专注于复杂问题,且无需自建基础设施。Mobileye 首席工程师 Shay Margalit 表示,AgentCore 使其能够构建生产级 AI 智能体,同时保持企业所需的安全和运营标准。

从单一智能体到企业平台

Mobileye 进一步将 AgentCore 转化为内部自助服务平台,使团队无需 AWS 专业知识即可部署智能体。流程包括:提供代码、指定能力、Cloud Infra 团队配置基础设施、生成配置文件、一键部署。

结论

Mobileye 的成功案例展示了如何利用托管智能体平台快速实现企业级 AI 自动化,为面临类似挑战的企业提供了可复制的路径。


本文基于 AWS Machine Learning Blog 的原始报道编译。


消息来源:AWS Machine Learning Blog (2026-08-05)

—— 完 ——

主题标签: #Amazon Bedrock AgentCore #AI智能体 #混合架构 #MCP #Mobileye

编辑部与事实核查说明:本篇专刊由智客前沿资讯管线根据官方技术公告、学术论文及开源工程文档整理编译,经算法实体核验与人工编辑审校后发布。若发现技术事实纰漏,欢迎依据勘误方针或一键向编辑部发送勘误反馈。

读完这篇,你的第一判断是?
🚀 去【作品】晒出你的相关实践

社区整体评论区

正在加载实时智能评论与划词标注…