AI资讯 / 工程

工程 / 工程

用 Amazon Bedrock AgentCore 与 Nova Sonic 构建语音旅行礼宾助手

AWS Machine Learning

AWS 机器学习团队发布了一套完整的工程方案,演示如何在现有航空公司应用中接入语音旅行礼宾助手。方案以三项托管服务为核心:Amazon Bedrock AgentCore 负责安全托管 AI 智能体并按需扩缩容;Amazon Nova Sonic 提供实时语音转语音能力;Amazon Bedrock Knowledge Bases 则将航司政策文档转化为可检索的知识库,确保回答有据可查。旅客只需开口,助手便能调取行程、更换座位、修改餐食偏好、解答政策问题,或在需要时转接人工客服。整套架构通过模型上下文协议(MCP)将 AI 智能体与后端系统松耦合,前端、智能体层与后端服务各自独立部署,开发者可按需复用各模块。项目使用 AWS CDK 一键部署,后端数据存储于 DynamoDB,前端由 AWS Amplify 托管,整体方案可直接适配真实航司系统。

航空公司的应用和网站已经能让旅客查询航班、选择座位和管理预订,但这些操作仍依赖屏幕点击。AWS 此次发布的方案在现有界面之上叠加了一层自然语音交互,旅客无需离开应用、无需逐级导航,只需开口说话即可完成换座或查询延误。语音层与现有界面并行运行,旅客可在同一会话中自由切换点击与语音两种方式。

方案架构分为四个独立层次:后端基础设施、AgentCore Gateway、AgentCore Runtime 以及前端。后端由五个 CDK 栈部署,涵盖 DynamoDB 数据表、Lambda 函数、API Gateway 端点、Bedrock Knowledge Bases 和 Amazon Cognito 身份验证。AgentCore Gateway 通过 MCP 协议将每个后端端点暴露为智能体可按名称调用的工具,实现智能体与后端的松耦合。

实时语音能力由 Amazon Nova 2.5 Sonic 提供,该模型以 WebSocket 方式双向流式传输音频,并在多轮对话中保持上下文连贯。智能体运行在 AgentCore Runtime 之上,每个会话拥有独立的微虚拟机隔离环境,保障安全性。用户发起请求后,Nova Sonic 处理音频并触发工具调用,AgentCore Gateway 将请求转发至 API Gateway,再由 Lambda 函数查询 DynamoDB 中的预订、座位图、常旅客状态等数据。

政策类问题由 Amazon Bedrock Knowledge Bases 处理。AgentCore Gateway 通过 MCP 知识库连接器直接查询知识库,将航司政策文档中的相关段落以引用形式返回给智能体,确保回答准确且可溯源。当旅客请求转接人工客服时,Lambda 函数将升级记录写入 DynamoDB 并返回参考编号,AWS Amplify 前端随即从用户设备发起通话连接。

整套方案使用 AWS CDK 通过单一脚本完成部署,构建流程将智能体源码上传至 S3,由 AWS CodeBuild 生成 ARM64 Docker 镜像并存入 Amazon ECR。后端附带合成数据的示例航司系统,便于开发者快速验证方案并适配自有系统。项目按模块拆分,各模块可独立复用,工程团队可将精力集中在用户体验设计上,而非底层基础设施的运维。

要点

  • 方案以 Amazon Bedrock AgentCore、Nova Sonic 和 Knowledge Bases 三项托管服务为核心,覆盖智能体托管、实时语音和文档检索三大能力。
  • MCP 协议将 AI 智能体与后端系统松耦合,智能体通过工具名称调用后端接口,无需感知底层实现细节。
  • 每个用户会话在 AgentCore Runtime 中拥有独立的微虚拟机隔离环境,兼顾安全性与多租户扩展能力。
  • 政策问答通过 Bedrock Knowledge Bases 实现检索增强生成,回答附带原文引用,可追溯性强。
  • 整套架构使用 AWS CDK 一键部署,附带合成数据后端,可直接作为真实航司系统的适配起点。
查看原始来源

原始标题:Build a voice travel concierge with Amazon Bedrock AgentCore, Managed Knowledge Base and Nova Sonic

本文由 DataHub 基于公开来源整理,用于信息发现与摘要阅读;具体事实、数据和后续更新以原始来源为准。