新闻 · AWS Machine Learning Blog
使用 Amazon Bedrock AgentCore 评估多代理系统的可解释性和有用性
多代理系统需要比流畅响应更深入的保障：它们必须选择正确的工具、遵守约束并解释其决策。了解如何构建基于 Strands 的多代理供应链决策系统，并使用内置、自定义和可解释性评估器通过 Amazon Bedrock AgentCore Evaluations 对其进行评估。
en
英文原标题：Evaluating multi-agent systems for explainability and helpfulness with Amazon Bedrock AgentCore
本文为英文原文的机器翻译摘要，原文见：AWS Machine Learning Blog ↗
- 企业正采用多智能体系统处理供应链规划、财务分析等复杂任务，但需确保智能体可靠遵循指令、正确选择工具、遵守约束并给出清晰推理。
- Amazon Bedrock AgentCore Evaluations 是 Amazon Bedrock AgentCore 的全托管评估能力，可在开发和生产中衡量智能体的准确性、任务成功率和多维度行为。
- 传统仅关注模型响应质量的评估不足以应对智能体系统，因为正确性还取决于工具选择、工作流执行和业务约束的遵守。
- Amazon Bedrock Guardrails 提供内容过滤、拒绝主题检测和接地验证等可配置防护措施，在执行期间强制安全约束，与执行后评估互补。
- 文章以虚构零售商 AnyCompany Retail 为例，使用 Strands Agents SDK、Amazon Bedrock AgentCore MCP Server 和 AgentCore Evaluations 构建并评估多智能体供应链决策系统。
关键数据
- 在线评估模式可指定采样率，例如生产追踪的 1–10%。
- 解决方案包含一个编排智能体和四个专业子智能体：优化、分销、路由和分析智能体。
为什么值得看：文章展示了如何利用 Amazon Bedrock AgentCore Evaluations 和 Guardrails 构建可解释、可评估的多智能体系统，为企业级部署提供结构化评估框架。