واكب
→العودة للمقالات

أمازون تحوّل مكتب الدعم التقني الخاص بها إلى وكيل ذكاء اصطناعي مبني على Bedrock AgentCore

AI AgentsDeveloper Tools
صورة توضيحية مُولّدة بالذكاء الاصطناعي: Editorial image for AWS Turns Its Own Support Desk Into an AI Agent Built on Bedrock AgentCore

الزبدة

  • أمازون تكشف عن مساعد دعم فني ذكي مبني على Bedrock AgentCore يقلّص وقت التحقيق في الأعطال من 30-45 دقيقة إلى محادثة واحدة تجمع السجلات والوثائق وفتح التذاكر في مكان واحد
  • النظام يعتمد على نموذج Nova Pro وثلاثة خوادم MCP للوصول إلى الوثائق والدعم الفني وخدمات AWS، وينشر بالكامل عبر نص برمجي واحد فقط من CloudFormation
  • بالتوازي، كشفت أمازون عن وكيل لتحرير الصور يجمع بين نماذج Claude ونماذج Stability AI بذاكرة تدوم 30 يومًا، في إشارة واضحة لتوحيد بنية الوكلاء عبر خدماتها المؤسسية

ما بين ثلاثين وخمسة وأربعين دقيقة، هذا هو المتوسط الذي يقضيه مهندسو أمازون الويب (AWS) في التحقيق بحادثة تقنية واحدة قبل أن يبدأوا فعليًا في حلّها. الوقت يذهب في تصفح سجلات "كلاود ووتش" (CloudWatch)، ومطابقة الوثائق التقنية، وتجميع السياق من مصادر متفرقة. ولحل هذه المشكلة بالتحديد، نشرت AWS مخططًا مرجعيًا جديدًا لنظام أسمته "مساعد الدعم" (Support Companion)، مصمم لضغط هذه العملية كاملة في واجهة محادثة واحدة.

يقوم النظام على منصة "بيدروك أجنت كور" (Amazon Bedrock AgentCore)، ويُنسَّق عبر "سترانذز أيجنتس" (Strands Agents)، إطار عمل أمازون المخصص لتنظيم سلوك الوكلاء متعددي الخطوات. وبدلًا من إضافة روبوت محادثة بسيط فوق لوحات التحكم الحالية، يوجّه "مساعد الدعم" الطلبات عبر "بروتوكول سياق النموذج" (Model Context Protocol - MCP)، ليتصل بثلاثة خوادم مخصصة من نوع MCP: الأول لوثائق AWS، والثاني لواجهات برمجة تطبيقات الدعم (Support APIs)، والثالث لواجهات خدمات AWS العامة. هذا يعني عمليًا أن الوكيل قادر على البحث في الوثائق الرسمية، واستعلام قاعدة معرفة مجتمع "ري:بوست" (re:Post)، وتحليل سجلات CloudWatch، وفتح تذاكر دعم فني، كل ذلك دون أن يغادر المهندس واجهة واحدة أو يتنقل بين أدوات متعددة.

يعمل نموذج "أمازون نوفا برو" (Amazon Nova Pro) كنموذج أساسي (Foundation Model) يشغّل بيئة تنفيذ الوكيل عبر Bedrock. أما "أجنت كور" فيتولى المهام التشغيلية التي تعطّل عادة نشر الوكلاء: عزل الجلسات (Session Isolation)، والتوسع الآلي (Auto Scaling)، وضوابط الأمان، والقابلية للرصد (Observability). وتقول AWS إن النظام كاملًا يُنشر عبر نص برمجي واحد من "كلاود فورميشن" (CloudFormation)، مع واجهة أمامية مبنية على "AWS Amplify" يتفاعل المهندسون من خلالها مع الوكيل.

جزء من دفعة أوسع لـ AgentCore

"مساعد الدعم" ليس إطلاقًا منفردًا. فقد صدر بالتوازي مع منشور آخر لأمازون يشرح وكيل تحرير صور بدون خوادم (Serverless) مبنيًا على "هارنس" (Harness) خاص بـ Bedrock AgentCore، وهو مكون على مستوى الخدمة يدير حلقات التنسيق، وتوجيه الأدوات، والذاكرة، وبيئات الحوسبة للتطبيقات الوكيلية. هذا المثال يجمع بين نموذج "كلود سونيت 4.6" (Claude Sonnet 4.6) لمهام التحرير، ونموذج "كلود هايكو 4.5" (Claude Haiku 4.5) الأخف للمحادثات الأساسية، مع دمج ثلاثة نماذج من "ستابيليتي أيه آي" (Stability AI) عبر Bedrock لتنفيذ عمليات التحرير الفعلية على الصور. وتحتفظ "ذاكرة أجنت كور" (AgentCore Memory) بسجل المحادثات لمدة 30 يومًا، كما تدعم البنية التبديل بين النماذج أو الشخصيات (Personas) مع كل استدعاء، دون الحاجة لإعادة نشر النظام.

كلا المثالين يعتمدان على "أجنت كور غيتواي" (AgentCore Gateway)، الذي يعرض الأدوات عبر MCP باستخدام توجيه دلالي (Semantic Routing)، وهو نمط تصميم يبدو أن AWS تعمل على تعميمه عبر أدواتها للوكلاء بدلًا من التعامل معه كخاصية استثنائية.

لماذا البنية أهم من مثال الاستخدام نفسه

الأهمية التقنية هنا لا تكمن في حالة استخدام مكتب الدعم بذاتها، بل في النمط الأساسي الذي تعمل AWS على تقنينه: النماذج الأساسية تتولى الاستدلال (Reasoning)، وخوادم MCP تتولى الوصول إلى الأدوات، و"أجنت كور" يستوعب التعقيد البنيوي الذي كان تاريخيًا يجعل الوكلاء في بيئات الإنتاج هشّين. لفرق الهندسة التي تقيّم خيار بناء وكلائها داخليًا أو الاعتماد على خدمات مُدارة، يشكّل هذان التطبيقان المرجعيان مخططًا واضحًا للاحتذاء به.

من المهم التوضيح بشفافية أن رقم توفير الوقت (30 إلى 45 دقيقة من العمل اليدوي لكل حادثة) هو تقدير خاص بأمازون وليس معيارًا مستقلًا موثّقًا، والمكاسب الفعلية ستتفاوت تبعًا لحجم المؤسسة وتعقيد الحادثة. ومع ذلك، فإن البنية نفسها، توجيه الأدوات القائم على MCP مع بيئة تشغيل وكيلية مُدارة، تعكس بوضوح الاتجاه الذي تقود AWS عملاءها من الشركات إليه: وكلاء قابلون للتركيب والتدقيق (Composable & Auditable)، بعيدًا عن نماذج روبوتات المحادثة الأحادية الجامدة.

التغطيات والأبحاث الأصلية التي استند إليها هذا المقال.

  1. 1CUDA-L2: Surpassing cuBLAS Performance for Matrix Multiplication through Reinforcement Learningarxiv.org
  2. 2Transforming Rank: How Architecture Navigates the Spectral Pathologies of Deptharxiv.org
  3. 3PFAdapter: Hierarchical LoRA Decomposition for Personalized Federated MLLMsarxiv.org
  4. 4Build an AI-powered AWS support companion with Amazon Bedrock AgentCoreaws.amazon.com
  5. 5Inverse-LLaVA: Rethinking Multimodal Alignment via Text-to-Vision Mappingarxiv.org
  6. 6Kaleido: Algorithm-Hardware Co-Design for Video Diffusion Transformers by Exploiting Latent Space Correlationsarxiv.org
  7. 7Function-Aware Fill-in-the-Middle as Mid-Training for Coding Agent Foundation Modelsarxiv.org
  8. 8Encoder-Side Neuron Identification and Amplification for Acoustic Perception in Large Audio-Language Modelsarxiv.org
  9. 9DIVE: Embedding Compression via Self-Limiting Gradient Updatesarxiv.org
  10. 10PersGuard: Preventing Malicious Personalization in Text-to-Image Diffusion Models via Model Backdoorsarxiv.org
  11. 11Sparse Inter-Layer Dependencies of Transformer FFN Neuronsarxiv.org
  12. 12Mitigating Early Training Collapse in CTR Modelsarxiv.org
  13. 13CMSL: Constructive Multi-Sequence Learning for Recommendation Systemsarxiv.org
  14. 14Federated Explainable Artificial Intelligence: Roles, Architectures, Evaluation, and Open Challengesarxiv.org
  15. 15AnchorMoE: Interpretable Time Series Classification via Anchor-Routed MoEarxiv.org
  16. 16Consensus as Privileged Context for Label-Free Self-Distillationarxiv.org
  17. 17SMetric: Rethink LLM Scheduling for Serving Agents with Balanced Session-centric Schedulingarxiv.org
  18. 18TuxBot: Semantic-Aware Online OS Tuning with Large Language Modelsarxiv.org
  19. 19LoKA: Low-precision Kernel Applications for Recommendation Models At Scalearxiv.org
  20. 20Reassessing Muon for Matrix Factorizationarxiv.org
  21. 21Full-Pipeline Inference Optimization for MiMo-V2.5 Series: Pushing Hybrid SWA Efficiency to the Limitarxiv.org
  22. 22ReGen: Hierarchical Multi-Prompt Representation Generation for Efficient Waveform Diffusion Modelsarxiv.org
  23. 23Continual Learning with Elastic Regularization and Synthetic Replay for Federated MLLM Fine-Tuningarxiv.org
  24. 24RippleBench: Capturing Ripple Effects Using Existing Knowledge Repositoriesarxiv.org
  25. 25FAIR GraphRAG: A Retrieval-Augmented Generation Approach for Semantic Data Analysisarxiv.org
  26. 26Audio-Native Speech Recognition with a Frozen Discrete-Diffusion Language Modelarxiv.org
  27. 27NSNQuant: A Double Normalization Approach for Calibration-Free Low-Bit Vector Quantization of KV Cachearxiv.org
  28. 28Accelerating Masked Diffusion Large Language Models: A Survey of Efficient Inference Techniquesarxiv.org
  29. 29ExTernD: Expanded-Rank Ternary Decomposition Ternary LLM PTQ with Accuracy Approaching Any Quantization Levelarxiv.org
  30. 30Unified Backbone Refinement for Diffusion Models via Internal-Latent Analysisarxiv.org
  31. 31Oracle Agent Memory as an Enterprise Memory Substrate for Long-Horizon AI Agentsarxiv.org
  32. 32GRID: Grammar-Railed Decoding for Enterprise SQL Generationarxiv.org
  33. 33A Coding Guide to NVIDIA’s Tile-Based GPU Programming: From cuTile and Triton Kernels to Flash Attentionmarktechpost.com
  34. 34Cost-Optimal Foundation Model Deployment Portfolio for Transportation Managementarxiv.org
  35. 35Rethinking Multimodal Fusion for Time Series: Text Modalities Need Constrained Fusionarxiv.org
  36. 36ML in a Box: Analyzing Containerization Practices in Open Source ML Projectsarxiv.org
  37. 37Structured Pruning of Large Language Models via Power Transformation and Sign-Preserving Score Aggregation with Adaptive Feature Retentionarxiv.org
  38. 38Different Teachers, Different Capabilities: Sub-1B On-Device Distillation for Structured Text Enrichmentarxiv.org
  39. 39Towards the Explainability of Temporal Graph Networks via Memory Backtracking and Topological Attributionarxiv.org
  40. 40Build a serverless image editing agent with Amazon Bedrock AgentCore harnessaws.amazon.com
  41. 41On-Device Adaptive Battery Power Prediction for Electric Vehiclesarxiv.org
  42. 42PluRel: Synthetic Data unlocks Scaling Laws for Relational Foundation Modelsarxiv.org
  43. 43How Far Can Root Cause Analysis Go on Real-World Telemetry Data?arxiv.org
  44. 44ShortOPD: Recovering Pruned LLMs with Short-to-Long On-Policy Distillationarxiv.org
  45. 45WaterMoE: Expert-Routing-based Watermarking for High Fidelity and Efficiencyarxiv.org
  46. 46Self-Consistent Flow: Unifying Velocity and Endpoint Prediction for Rectified Flow Modelsarxiv.org
  47. 47Less Experts, Faster Decoding: Cost-Aware Speculative Decoding for Mixture-of-Expertsarxiv.org
  48. 48Listen to the Features: Voice Anonymization Driven by Content Embedding Matching over Signal Reconstructionarxiv.org
  49. 49DeepLoop: Depth Scaling for Looped Transformersarxiv.org
  50. 50Efficient Text-to-Audio Generation via Pruningarxiv.org
  51. 51Accepted Prefixes Are Not All You Need: A Negative Result on PEFT-Based Block-Diffusion Draftingarxiv.org
  52. 52Disaggregated prefill and decode for LLM inference on SageMaker HyperPodaws.amazon.com
  53. 53Uncertainty-Aware Sequential Decision Rules for Event-Triggered LLM Invocation in Streaming Systemsarxiv.org
  54. 54Handling Imbalanced Classification: What Works Better Than SMOTEanalyticsvidhya.com
  55. 55From Critic to Confidence: PPO for Language-Based Quantitative Prediction with Confidence Estimationarxiv.org
  56. 56MixFlow Training: Alleviating Exposure Bias with Slowed Interpolation Mixturearxiv.org
  57. 57Rethinking Reward Models for Multi-Domain Test-Time Scalingarxiv.org
  58. 58Discrete Diffusion Models: A Unified Framework from Tokenization to Generationarxiv.org
  59. 59Scaling Point-in-Time Language Modelsarxiv.org
  60. 60Are we Merging the Right Models? Impact of Expert Training Duration on Model Merging for LLMsarxiv.org
  61. 61CoCo-Fed: A Unified Framework for Memory- and Communication-Efficient Federated Learning at the Wireless Edgearxiv.org
  62. 62Data-Efficient Adaptation of LLMs via Attention Head Reweightingarxiv.org
  63. 63Gefen: Optimized Stochastic Optimizerarxiv.org
  64. 64On-Device Deep Research at 4B: Exposure Bounds Faithfulness, Retrieval Bounds Coveragearxiv.org
  65. 65Self-EvolveRec: Self-Evolving Recommender Systems with LLM-based Directional Feedbackarxiv.org
  66. 66Representation-Based Exploration for Language Models: From Test-Time to Post-Trainingarxiv.org
  67. 67Accelerating GPU Inference of Large Language Models with Moderately Unstructured Sparse Weight Matricesarxiv.org
  68. 68Towards demystifying the creativity of diffusion modelsresearch.google
  69. 69How to Build a T4-Friendly Autonomous Data Science Agent with DeepAnalyze-8B, Sandboxed Code Execution, and Iterative Analysismarktechpost.com
  70. 70SAFETY SENTRY: Context-Aware Human Intervention via EXECUTE-ASK-REFUSE Routingarxiv.org
  71. 71Enhancing enterprise inference on Amazon SageMaker HyperPod with data capture, Hugging Face, NVMe, and Route 53 integrationaws.amazon.com
  72. 72EMAGN: Efficient Multi-Attention Graph Network via Learned Clustering for Scalable Traffic Forecastingarxiv.org
  73. 73Follow the Latent Roadmap: Navigating Revocable Decoding for Diffusion LLMs with Anchor Tokensarxiv.org
  74. 74Efficient and Privacy Aware Edge Cloud Collaborative Inference for Large Language Modelsarxiv.org
  75. 75ReLope: KL-Regularized LoRA Probes for Multimodal LLM Routingarxiv.org
  76. 76dMX: Differentiable Mixed-Precision Assignment for Low-Precision Floating-Point Formatsarxiv.org
  77. 77CARE-LoRA: Compressed Activation REconstruction for Memory-Efficient LoRAarxiv.org
  78. 78Inference Economics of Enterprise Coding Agents: A Case Study of Cloud vs. On-Premise LLMsarxiv.org
  79. 79Attention-Discounted Adaptive Sampler for Masked Diffusion Language Modelsarxiv.org
  80. 80FixItFlow: Automated Troubleshooting Guide Generation from Cloud Incidentsarxiv.org
  81. 81LLT: Local Linear Transformer for PDE Operator Learningarxiv.org
  82. 82Improving Text-to-Audio Instruction Following via Fine-Grained Feedback from Audio-Aware Large Language Modelsarxiv.org
  83. 83How Inference Compute Shapes Frontier LLM Evaluationarxiv.org
  84. 84Cost-Governed RAG: Unified Per-Tenant Cost Attribution Across Retrieval and Generation in Multi-Tenant LLM Systemsarxiv.org
واكب

فريق تحرير واكب

تم إعداد هذه المراجعة وتلخيصها بواسطة محرك الذكاء الاصطناعي الخاص بواكب ومراجعتها وتدقيقها من قبل فريقنا التحريري لضمان الدقة والموثوقية.

اشترك في النشرة البريدية

احصل على ملخص أسبوعي لأبرز أبحاث وأدوات الذكاء الاصطناعي مباشرة في بريدك.

قناة التليجرام

تابع تغطيتنا اللحظية ونقاشاتنا حول آخر مستجدات وأنظمة الذكاء الاصطناعي.

انضم إلينا على تليجرام

المزيد من الأبحاث

عرض الكل في الأبحاث