从跳转门户到即时获取答案：HEMA 借助 MCP 和 Amazon Bedrock 的实践之旅

英文原标题：From portal-hopping to instant answers: HEMA’s journey with MCP and Amazon Bedrock

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

• HEMA 是一家拥有百年历史的荷兰零售商，在多个国家拥有超过 750 家门店，其技术组织面临内部知识碎片化问题：工程师需要跳转多个门户、wiki 和服务目录才能找到答案。
• HEMA 构建了内部 AI 助手 HAL，基于 Amazon Bedrock AgentCore 和 Model Context Protocol (MCP)，将分散的知识整合为统一治理的真相来源，并通过 MCP 将知识传递到人们日常使用的工具中。
• HAL 的发展分为两步：先构建独立的聊天助手（使用 Next.js 前端和 Strands 代理），再通过 MCP 开放给 Kiro、Claude 等现有工具，实现跨角色使用。
• 安全方面，HAL 使用 Microsoft Entra ID 进行身份验证，客户端不存储 AWS 凭证，目前为只读访问，访问控制由现有 Active Directory 组驱动。
• AgentCore 的关键能力包括：Gateway 将 OpenAPI 规范和 Lambda 函数直接转为 MCP 工具，Identity 提供 JWT 入站认证和 OAuth2 出站认证，Runtime 托管代理容器，Memory 和 Guardrails 提供对话记忆和内容过滤，支持欧盟推理区域和荷兰语。

关键数据

• HEMA 拥有超过 750 家门店，分布在多个国家。
• HAL 使用 Next.js 构建 Web 聊天 UI，代理基于 Strands 框架打包为 Linux/ARM64 容器。
• 知识库基于 Amazon Bedrock Knowledge Bases，涵盖 IT 文档、API 规范、Kafka 主题、DCL 数据交换渠道和服务目录。

引语

• “从门户跳转到即时答案”
• “HAL 将知识集中在一处，MCP 将知识传递到人们已经使用的工具中”

为什么值得看：HEMA 的案例展示了如何利用 MCP 和 Amazon Bedrock AgentCore 将碎片化的内部知识转化为跨角色的即时答案，为大型企业构建 AI 助手提供了可复用的架构参考。