借助 Agentforce 和 AWS 扩展公共部门智能

英文原标题：Extending public sector intelligence with Agentforce and AWS

本文为英文原文的机器翻译摘要，原文见：AWS Machine Learning Blog ↗

• 公共部门机构处理大量非结构化证据（如随身摄像头录像、监控视频和扫描文档），需要先提取洞察才能采取行动。
• 文章展示如何结合 Amazon Bedrock Data Automation 与 Model Context Protocol (MCP)，将非结构化数据转化为结构化洞察，并通过 AI agent（如 Salesforce Agentforce）以自然语言查询方式呈现。
• 解决方案包含两个主要流程：一是通过 External Storage of Files with Amazon S3 连接器将非结构化媒体文件存入 Amazon S3；二是事件驱动架构异步处理数据，使用 Amazon Bedrock Data Automation 提取结构化洞察，并通过 MCP 提供给 Agentforce。
• 技术实现上，文件到达 S3 后触发 Lambda 生成文档 ID 并存入 DynamoDB，同时启动 Bedrock Data Automation 任务；任务完成后 EventBridge 触发第二个 Lambda 将结果保存到输出桶。Agentforce 中的用户聊天通过 MCP 调用 AWS，经 Amazon Bedrock AgentCore Gateway 认证并调用运行在 Lambda 上的 MCP 服务器，查询 DynamoDB 并返回结果。
• 该架构模块化且可扩展，每个组件独立运行，可定制以满足机构需求，例如添加自定义处理逻辑或存储额外元数据，也可通过 MCP 连接不同 agent 前端而不改变底层数据管道。

关键数据

• Amazon Bedrock Data Automation 针对文档提取文本、识别关键字段并生成结构化摘要；针对图像生成描述并识别对象或文本；针对视频和音频生成转录和场景级摘要。
• 注册外部 MCP 服务器适用于 Developer、Enterprise、Performance 和 Unlimited 版本。
• AWS CloudFormation 的 McpGatewayStack 输出包括 CognitoClientId、CognitoTokenEndpoint 和 GatewayMcpEndpoint。

为什么值得看：该方案展示了如何利用 Amazon Bedrock Data Automation 和 MCP 将公共部门海量非结构化证据自动化转化为可查询的洞察，提升调查效率。