AI实践 6小时前 更新于 2小时前 52

使用Amazon Bed

WHI与AWS GenAIIC合作,基于Amazon Bedrock AgentCore开发通勤津贴代理和浏览器操作代理,以自动化HR任务。通过重构架构,将子代理部署在AgentCore Runtime上,解决单体配置和多租户问题,实现成本降低97%并提升操作效率。

65
热度
82
质量
78
影响力

深度分析

背景与问题

WHI作为日本主要HR系统“COMPANY”的提供商,客户需处理频繁的HR任务,如组织变更系统修订员工信息更新。自动化这些任务面临挑战:现有AI代理开发使用LangGraphAmazon ECS,但存在单体架构限制,所有组件运行在同一任务中,导致灵活性差;同时需支持多租户,并降低操作监控成本,如托管Langfuse的运营开支。

核心内容

合作构建了两个AI代理:

  1. 通勤津贴代理:自动化通勤津贴审批,处理员工搬迁等事件。迁移自LangGraph和Amazon ECS到Amazon Bedrock AgentCore,架构重构为子代理在AgentCore Runtime上独立运行,使用Amazon DynamoDBAmazon Cognito管理多租户,提升扩展性。
  2. 浏览器操作代理:代客户访问HR系统“COMPANY”,执行检查、操作和证据收集。
    解决方案强调架构优化:Slack作为入口,集成认证后由子代理处理请求;AgentCore GA版本启用后,减少Langfuse托管负担,转向AgentCore Observability进行监控。

意义与影响

AI代理显著减少HR部门工作量,提高生产力;成本降低高达97%,通过AgentCore迁移简化运维和监控;架构变更支持未来扩展,如考虑使用Strands Agents替换监督代理;为类似HR任务自动化提供参考,增强业务支持效率。

免责声明:以上内容由 AI 生成,仅供参考。