工程 / 工程
用 Amazon Connect 构建餐厅电话 AI 接待系统
许多餐厅仍有大量订单通过电话进入,而接听电话的往往是正在忙于柜台服务的员工,由此造成等待、手写记录等效率问题。AWS 机器学习团队近期发布技术方案,展示如何利用 Amazon Connect、Amazon Connect Agentic Voice、Amazon Connect AI Agent 以及 Amazon Bedrock AgentCore Gateway,构建一套完整的电话语音点餐系统。顾客拨打电话后,AI 接待员自动问候、解答菜单问题、推荐附近取餐地点并确认订单,全程无需任何 App 或账号登录。系统通过 Model Context Protocol(MCP)将 AI 代理与餐厅后端服务连接,实现通话渠道与业务逻辑的解耦,后端可独立迭代而无需改动 AI 代理层。整套方案通过 AWS CDK 一键部署,涵盖电话接入、实时语音识别与合成、对话编排、内容安全过滤及后端工具调用等完整链路。
在餐饮行业,电话订单至今仍占相当比例,但传统处理方式依赖人工接听,高峰期极易造成顾客等待和订单出错。增设 App 或网站只能服务偏好线上下单的用户,对习惯打电话的顾客毫无帮助。AWS 此次发布的方案正是针对这一痛点:让 AI 全程接管来电,从问候到订单确认一气呵成,员工无需介入。
系统架构分为三个独立模块:Amazon Connect 负责电话接入与通话管理,Amazon Connect AI Agent 负责对话编排与推理,餐厅后端则承载菜单、购物车、订单及门店位置等业务数据。来电进入 Amazon Connect 后,联络流自动开启 AI 代理会话,并将来电号码注入会话上下文,使 AI 能够识别来电顾客身份,无需任何登录操作。
语音层由 Amazon Connect Agentic Voice 提供,集成了高级自动语音识别(Advanced ASR)和富有表现力的文本转语音(TTS)能力,支持基于置信度的轮次切换检测,使对话更加自然流畅。Amazon Lex V2 语音机器人承载实时语音交互,每个对话轮次均路由至 AI 代理进行推理,由 Anthropic Claude Haiku 4.5 模型驱动。Amazon Connect AI Guardrails 则通过内容过滤、话题限制和不雅词过滤,确保对话安全且聚焦于点餐场景。
后端服务通过 Amazon Bedrock AgentCore Gateway 以 MCP 工具形式暴露给 AI 代理。Gateway 在部署时读取后端 REST API 的 OpenAPI Schema,将每个端点注册为可按名称调用的 MCP 工具,并通过自定义 JWT 授权机制验证来自 Amazon Connect 实例的请求。由于 MCP 是开放标准,后端服务可以独立演进,无需修改代理层逻辑,大幅降低了系统维护成本。
基础设施层面,方案使用 AWS Lambda 运行菜单查询、购物车管理、订单处理和门店位置推荐等业务逻辑,Amazon DynamoDB 存储全部业务数据,Amazon Location Service 提供地理编码和路线计算能力,Amazon API Gateway 以 IAM 授权方式对外暴露 REST 接口。整套系统通过 AWS CDK 按依赖顺序自动部署,开发者只需关注 AgentCore Gateway 和餐厅后端的集成配置,其余电话、语音和 AI 代理组件均由 Amazon Connect 统一管理。
这一方案的核心价值在于将电话渠道与 AI 能力深度融合,同时保持各层解耦。餐厅无需改造现有电话号码,顾客无需下载任何应用,AI 接待员即可 7×24 小时稳定运行。对于希望在不增加人力成本的前提下提升电话订单处理效率的餐饮企业,这套基于 AWS 全托管服务的架构提供了一条可快速落地的技术路径。
要点
- 系统通过 Amazon Connect 统一管理电话接入、实时语音识别与合成、AI 对话编排,无需单独搭建各组件服务。
- MCP 协议实现 AI 代理与餐厅后端的松耦合连接,后端可独立迭代升级而不影响对话逻辑。
- 来电号码自动注入 AI 会话上下文,实现免登录的来电顾客身份识别。
- Amazon Connect AI Guardrails 提供内容安全与话题过滤,确保 AI 接待员始终聚焦于点餐场景。
- 整套方案通过 AWS CDK 一键部署,涵盖电话、语音、AI 代理、后端及安全授权全链路。
原始标题:Building a restaurant telephony AI host with Amazon Connect
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。