AWS Deep Insight 用分层编排和沙箱解决多 Agent 系统生产难题

AWS Solutions Architecture 团队开源了 Deep Insight，一个基于 Strands Agents SDK 构建的多 Agent 系统，旨在解决从原型到生产环境迁移中的核心挑战。该系统通过协调器、规划者、监督者和多个专用执行 Agent（如代码编写、验证、报告生成）的协作，将复杂的数据分析任务自动化。其核心在于利用 Graph 模式定义执行流，并通过 Agents-as-Tools 模式实现动态调用，同时引入人类在环（HITL）机制确保关键步骤可控。

在技术选型上，Deep Insight 展示了精细化的成本与性能权衡策略。它根据 Agent 角色分配不同的 Claude 模型：轻量级的 Haiku 用于路由，具备深度推理能力的 Opus 用于规划，而 Sonnet 则负责执行和报告生成。此外，系统对特定 Agent 启用了 Prompt Caching 功能，据称可将输入 Token 成本降低高达 90%。针对 LLM 生成代码的安全风险，系统采用 AWS Fargate 运行独立的临时容器作为沙箱，并在私有 VPC 内通过 Application Load Balancer 进行会话亲和性路由，从而实现了严格的代码执行隔离。

该方案不仅是一个工具，更是一套经过验证的工程范式。文章指出，LG Electronics 和 TechRecon 等案例已证明这种分层架构在不同领域（如营销洞察和技术侦察）的有效性。事实层面，Deep Insight 提供了三种部署选项（本地自托管、Web 版、Managed AgentCore 版），并完全开源。推断层面，这表明企业级 AI 应用的成功不再单纯依赖模型能力，而是取决于对执行流、上下文管理和基础设施安全的系统性设计。猜测层面，随着 Anthropic 提出的 Context Engineering 理念被广泛采纳，类似的架构可能会成为未来复杂 Agent 系统的标准参考模型。