AWS 发布基于 AgentCore 的四智能体云迁移模式,IaC 生成时间缩短至分钟级
Scaling cloud migrations with agentic AI on Amazon Bedrock AgentCore
AWS Professional Services 在 Amazon Bedrock AgentCore 上发布了一套针对企业级云迁移的四智能体架构,旨在解决 AWS Transform 和 DMS 等托管服务无法覆盖的组织特定需求。该方案通过 Model Context Protocol (MCP) 连接内部系统,将基础设施即代码(IaC)的开发时间从每应用 3-4 周减少到分钟级,并在 300+ 应用的组合中实现了零手动聚合的实时治理报告。
该架构包含四个核心智能体:Intake Agent 负责读取文档和依赖关系;IaC Agent 根据组织批准的模块库生成代码;Migration Intelligence and Governance Agent 在 Jira、Confluence 等内部工具中执行自动化报告和合规性检查;SRE Agent 则负责割接后的持续监控与自动修复。所有智能体均通过 AgentCore Gateway 调用 MCP 工具,利用 AgentCore Identity 进行身份验证,并通过 Policy in AgentCore 强制执行 Cedar 规则以限制变更范围。代码示例展示了如何使用 Strands Agents SDK 定义智能体,并将安全策略作为版本化文档通过 MCP 工具注入上下文,确保生成的 IaC 始终符合最新的安全标准。
在商业与技术推论上,该模式明确了 AI 代理在复杂工程中的定位是增强而非替代现有托管服务。其单位经济模型显示,Token 消耗主要取决于文档大小和工具调用次数,而非应用数量,这意味着对于拥有大量小型应用或复杂配置的组织,边际成本可能低于预期。然而,架构引入了额外的运行时计费项(Gateway、Memory、Policy),且必须维持人类审批网关以防止生产事故,这要求企业在追求速度的同时重新评估安全审计流程。事实层面,该方案已在特定项目中验证了效率提升;推断层面,这种基于 MCP 的模块化设计可能成为未来混合云迁移的标准范式;猜测层面,若 Token 成本随规模线性增长过快,可能会促使更多组织转向本地部署的推理引擎。
材料通过四智能体模式将 IaC 开发周期从数周压缩至分钟,并明确 Token 消耗与运行成本结构,为大规模迁移的 ROI 测算提供基准。
来源:AWS Machine Learning Blog · aws.amazon.com