使用 Amazon Bedrock AgentCore 构建可自改进的文档处理系统
AWS 博客演示如何用 Amazon Bedrock AgentCore 构建可自改进的文档处理系统,8 个 Agent 协作的多智能体方案通常可在 20 分钟内部署。
AWS 博客演示如何用 Amazon Bedrock AgentCore 构建可自改进的文档处理系统,8 个 Agent 协作的多智能体方案通常可在 20 分钟内部署。
Anchor Browser 集成 Amazon Bedrock AgentCore payments,让 AI agent 在遇到 HTTP 402 Payment Required 时可自动通过 x402 协议完成 API 与网页付费。
ShipStation Global 基于 Amazon Bedrock AgentCore 为 Slack 构建了 AI IT 帮助台 Agent "Deckhand",上线后 3 个月内解决 97.5% 频道咨询并获得 96% 员工正面反馈。
Cornerstone OnDemand 基于 Amazon Bedrock 与 Strands Agents 构建多智能体系统 Orion AI,将数据库故障诊断时间从 45 分钟压缩到 10 分钟,缩短 78%。该系统由 3 人团队历时 6 个月交付,手动生命周期操作步骤从 10 多个降至 1 次交互,SRE 与数据团队间报告延迟由 15 分钟降至实时,冗余告警中位数减少 65%。
Amazon Bedrock AgentCore、Amazon Nova 2.5 Sonic 与 Amazon Bedrock Knowledge Bases 可组合构建航空语音助手,支持行程查询、座位变更、政策问答与人工转接。系统通过 AgentCore Gateway 以 MCP 协议对接后端 API,配套 AWS CDK 脚本与 React 前端。
Amazon SageMaker AI 通过 Agent Toolkit for AWS 推出 aws-ai-ml skill,让 Kiro、Claude Code、Codex 等支持 MCP 的编程 agent 获得推理优化与基准测试能力,可测试 endpoint、推荐部署配置、对比性能并生成 SageMaker Python SDK v3 代码。
Anthropic Claude Opus 5.5、Sonnet 5.5 与 Sonnet 5 已在 Amazon Bedrock 的 AWS GovCloud (US) 区域上线,其中 Sonnet 5 获 FedRAMP Class D 和 DoD IL4/IL5 认证,可覆盖 ITAR 等合规场景。
Amazon Bedrock AgentCore Evaluations 为多智能体系统提供托管评估能力,内置评估器覆盖帮助性与任务完成度,自定义评估器可校验决策依据、约束满足与 SQL 正确性。文章以 AnyCompany Retail 供应链场景为例,使用 Strands Agents SDK 构建编排智能体与优化、分销、路由、分析四个子智能体,并支持按需和在线两种评估模式。
Amazon Bedrock AgentCore 的 Web Search 可通过 AgentCore Gateway 为 Claude Desktop 接入实时检索,补齐训练数据的知识截止问题。
AWS 博客提出 Adjudicated Query 设计模式,将 Amazon Quick 聊天界面与确定性规则引擎结合:模型只把自然语言翻译为对固定操作集的调用,合规判定由规则引擎执行,并产出 completeness receipt 保证可证明完备性。
AWS Professional Services 在 Amazon Bedrock AgentCore 上构建四智能体迁移模式(Intake、IaC、Migration Intelligence and Governance、SRE),把每应用 IaC 开发从 3-4 周压缩到分钟级,覆盖 300+ 应用项目;该模式与 AWS Transform、AWS DMS 互补运行。
ProvenanceGuard 是为 MCP 智能体设计的生成后验证层,在不重训智能体的前提下保留工具输出的来源身份,识别事实成立但归属错误的「跨来源混淆」。在医疗智能体的 281 条真实轨迹上,专家判定应拦截的 139 条断言被它拦下 138 条,来源匹配准确率约 86%,另有 67 条被专家认为有据的断言被送交审查或修复。
H company 发布 Holo4 系列通用计算机操作智能体模型,包含 27B dense 与 35B-A3B MoE 两个尺寸,可在 H Models API 调用,权重已在 Hugging Face 以 BF16、FP8、NVFP4 和 4-bit GGUF 形式提供。
AWS 多账号架构中,平台账号的 AgentCore Gateway 以单一 MCP 端点统一发现和调用各业务线账号的 MCP server 工具,数据保留在原账号、仅在查询时按需流出。
荷兰零售商 HEMA 基于 MCP 与 Amazon Bedrock AgentCore 构建内部 AI 助手 HAL,把门户与 wiki 里分散的知识集中到一处。知识经 MCP 送进 Kiro、Claude 等既有工具,安全基于 Microsoft Entra ID。此前需跳三四个门户、耗时一下午的查询,如今在 IDE 或聊天窗口数秒可得。
GitHub Podcast 最新一期逐条拆解 AI 热门观点:AI 生成的代码仍需阅读与审查,RAG 并未"已死",Skills 也没有杀死 MCP。MCP 为智能体连接工具与数据提供标准,Skills 更接近打包好的专业知识,两者解决不同问题、可共存于同一工作流。节目还提到,越来越多团队会问候选人如何使用 AI,但更关键的信号是判断力。
Google Research 提出 ToolGrad,用文本“梯度”迭代生成工具使用数据集:先生成真值 API 工作流,再反向标注用户提示,数据生成通过率接近 100%。
Gradio 团队用 73 个节点、11 条媒体管线在 Workflow1111 中复刻了 AUTOMATIC1111 的核心功能集,涵盖文生图、高清修复、图生图、提示词矩阵、VLM 反推、检测生成 inpaint 掩码、ControlNet 预处理器、背景移除、PNG Info 与图生视频。
推荐理由:原文以 73 节点重建 AUTOMATIC1111 为例,展示 gr.Workflow 在多模型编排上与 ComfyUI 的差异,以及每个输出自动成为 REST 端点和 MCP 工具的能力。
Google 发布 Gemini 3.5 Transcribe 语音转文字模型,Artificial Analysis 测得流式场景平均 WER 为 4.0%,非流式场景为 2.6%。
推荐理由:相比 Chirp 3,原文给出 WER 与延迟的具体对比,并说明它在 Gemini API 和多款产品中的可用入口。
IBM 发布 Granite 4.2 推理模型家族,包含 3B/8B/30B 三个 dense decoder-only 模型,基于 Granite-4.1 基模型后训练并以 Apache 2.0 开源。
Mistral Studio 为 Prompts 和 Skills 推出 system of record 管理能力,支持不可变版本、回滚、分类标签与审计日志,每项资产有明确负责人。
Mistral 在 Connectors 中推出分级管控(GA)、范围化 API key(GA)、多账号连接(GA)以及用于 MCP 根因分析的 Connectors Debugger(Public Preview)。
Mistral AI 在 Studio 发布 Connectors,支持内置连接器与自定义 MCP 通过 API/SDK 接入所有模型与智能体调用。新增直接工具调用能力,以及通过 requires_confirmation 暂停执行、由应用端确认后继续的人工审批流程。
Mistral 发布面向 Lean 4 的开源代码证明智能体 Leanstral,模型权重以 Apache 2.0 协议开源,可通过 Mistral Vibe 智能体模式和 labs-leanstral-2603 API 端点使用。
Mistral 在 Le Chat 中推出 MCP 连接器目录(beta)与 Memories(beta)两项新功能。
Mistral 发布 Agents API,把代码执行、网页搜索、图像生成与 MCP 工具封装为开箱即用能力,并支持持久记忆、流式输出与多智能体编排。网页搜索连接器在 SimpleQA 上把 Mistral Large 与 Mistral Medium 的得分从 23% / 22.08% 提升到 75% / 82.32%,文档库连接器支持基于上传内容的 RAG。