Mobileye 如何借助 Amazon Bedrock AgentCore 重塑内部支持运营

Mobileye 是全球自动驾驶领域的先驱，其 EyeQ 系统级芯片已在约1200款车型上累计部署超过2.3亿颗。随着内部数据采集处理流水线规模持续扩大，工程师和数据团队每天需要处理大量驾驶录制会话的状态查询。在此之前，每一张查询工单都需要人工跨越多个系统完成识别会话、交叉比对可视化工具、验证输出结果、审查日志等一系列步骤，整个流程平均需要点击15次才能给出回复，严重占用了工程师处理复杂问题的精力。

面对这一瓶颈，Mobileye 团队首先进行了概念验证，目标是在两分钟内完成工单分类且准确率达到95%以上。智能体以 Anthropic Claude 基础模型为核心，通过 Mobileye 内部的 LLM 网关访问 Amazon Bedrock 上的模型，实现配额管控与合规治理。关键突破来自模型上下文协议（MCP）的引入——它让智能体在推理过程中能够实时调用数据处理平台的 API，查询会话状态、获取处理日志并提取诊断信息，使其从简单的工单分类器升级为真正意义上的智能调查员。

概念验证成功后，Mobileye 将目光投向生产环境部署，并最终选择 Amazon Bedrock AgentCore 作为承载平台。这一决策基于五个核心考量：无服务器基础设施、加速工单响应、内置全面可观测性、支持多种智能体框架，以及能够与本地工单系统无缝集成的混合架构支持。其中最后一点尤为关键——Mobileye 的内部工单系统部署在本地，无法从 AWS 直接访问，任何方案都必须在不牺牲安全性与合规性的前提下跨越这道鸿沟。

最终落地的生产架构清晰划分了本地与云端两套组件的职责边界。本地侧由编排器负责从工单系统提取新工单并将 AI 生成的回复写回系统；云端侧则由 AgentCore 无服务器运行时承载智能体，团队无需预置服务器即可完成部署与迭代，系统可自动扩缩容以应对工单量峰值。一次 API 调用即可触发智能体，与现有系统的集成极为简洁。

在安全与可观测性层面，Mobileye 充分利用了 AWS 的托管能力。AWS Secrets Manager 实现了无人值守的安全认证，调用智能体的团队无需直接接触凭证，所有密钥均以编程方式存储、轮换和检索，在不增加用户操作摩擦的同时严格执行企业安全标准。AgentCore 内置的可观测性功能则让工程团队能够端到端追踪每一次智能体交互——从初始请求、MCP 工具调用到最终响应，详细的日志与调用链路大幅缩短了调试时间，加速了迭代周期。

项目成果验证了这套架构的价值：响应时间缩短90%，准确率超过95%，基础设施管理开销归零。更重要的是，Mobileye 将这套实践提炼为全公司的自助 AI 智能体部署平台，让各业务团队都能在统一的治理框架下快速构建和上线自己的智能体应用。这一案例表明，混合架构结合托管智能体平台，是企业在保持安全合规的同时规模化落地 AI 智能体的可行路径。

要点

• Mobileye 通过 Amazon Bedrock AgentCore 将内部支持工单响应时间缩短90%，准确率超过95%，同时实现零基础设施管理开销。
• 模型上下文协议（MCP）是本次方案的关键技术支撑，它赋予智能体在推理阶段实时调用后端 API 的能力，使其从工单分类器升级为智能调查员。
• 混合架构设计有效解决了本地工单系统与 AWS 云端服务之间的连通难题，为企业级 AI 落地中常见的网络隔离问题提供了参考解法。
• AgentCore 内置的可观测性与 AWS Secrets Manager 的无凭证认证机制，共同满足了企业对安全合规与运营透明度的双重要求。
• 单一项目的成功验证推动 Mobileye 将 AgentCore 演进为全公司的 AI 智能体自助部署平台，展示了从点状试点到规模化推广的可复制路径。