新闻 · AWS Machine Learning Blog
在 Amazon Bedrock AgentCore 上以智能体式 AI 扩展云迁移
了解 AWS Professional Services 如何利用基于 Amazon Bedrock AgentCore 构建的多智能体框架,端到端自动化企业云迁移。专用 AI 智能体负责发现、基础设施即代码(IaC)生成、组合治理以及迁移后运维,将 IaC 开发时间从数周缩短至数分钟。
新闻 · AWS Machine Learning Blog
了解 AWS Professional Services 如何利用基于 Amazon Bedrock AgentCore 构建的多智能体框架,端到端自动化企业云迁移。专用 AI 智能体负责发现、基础设施即代码(IaC)生成、组合治理以及迁移后运维,将 IaC 开发时间从数周缩短至数分钟。
英文原标题:Scaling cloud migrations with agentic AI on Amazon Bedrock AgentCore
本文为英文原文的机器翻译摘要,原文见:AWS Machine Learning Blog ↗
本文介绍了一种在 Amazon Bedrock AgentCore 上运行的四智能体模式,用于扩展云迁移项目。该模式通过 MCP 工具连接企业自有系统,将基础设施即代码(IaC)开发时间从每应用 3-4 周缩短至几分钟,并与 AWS Transform、AWS DMS 等托管服务形成互补。
文章开篇提出一个实际问题:在大型迁移项目中,哪些部分应交给托管服务,哪些部分需要自定义自动化。一个企业项目在 300 多个应用和固定财年截止日期下回答了这个问题。
该四智能体模式基于内部项目跟踪数据,将每个应用的 IaC 开发时间从 3 到 4 周缩短到几分钟。该模式与 AWS Transform 并行运行而非替代它,属于混合方案,在项目需要时添加自定义智能体。
该模式包含四个智能体,分别覆盖迁移旅程和运营旅程。迁移旅程智能体处理从发现到部署的工作,运营旅程智能体处理迁移后监控。
每个智能体通过 AgentCore Gateway 暴露的 MCP 工具访问其源和目标。文章还展示了定义智能体、连接工具并应用负责任 AI 控制的代码。
AWS Transform 作为托管服务覆盖服务器、网络、大型机、.NET 和应用代码工作负载的迁移与现代化,AWS DMS 覆盖数据库。该模式为组织特有的需求添加智能体。
在所述项目中,三个条件同时成立:源和目标通过团队自建维护的 MCP 工具连接;生成的 IaC 必须组合安全办公室审查批准的内部模块库;项目范围包括交接后的运营。
该模式在迁移项目的三个点接入:持有迁移输入的系统、IaC 组合、切换后运营,并在每个点应用安全措施。智能体分为迁移旅程和运营旅程两组。
每个智能体是一个 Strands 智能体,由基础模型、系统提示和一组工具定义。Amazon Bedrock AgentCore 运行时以无服务器环境托管它们,提供会话隔离和多智能体编排。Amazon Bedrock 基础模型驱动推理。
文章提供了一个 Python 示例,定义 IaC Agent 并准备其在 Amazon Bedrock AgentCore 运行时上运行。该智能体通过 AgentCore Gateway 访问 MCP 工具,并通过 Amazon Bedrock 调用基础模型,同时附加 Amazon Bedrock Guardrails 策略。
代码中使用 MCPClient 配置 url 和 auth,以便 SDK 执行 client_credentials 授权并在令牌过期时重新获取,避免静态 bearer 令牌失效。