Bayer 如何用 LangGraph 与 AgentCore 构建多智能体决策引擎并解决运维难题

Bayer Crop Science 在 Amazon Bedrock AgentCore 上构建了 Agentic Decision Engine (ADE)，这是一个基于自然语言的多智能体接口，用于解释和管理其底层的 Connected Decision Engine (CDE) 工作流。该系统由一个 Supervisor Agent 路由请求至 22 个 Specialist Agents，首阶段解决了约 80% 的用户问题，无需人工介入。该方案利用 AgentCore 的托管运行时进行会话隔离，并通过 IAM 作用域的工具访问层（AgentCore Gateway）将认证授权逻辑从 Agent 代码中剥离。

文章详细阐述了五个关键的设计决策：首先，将 LangGraph 的检查点状态写入 DynamoDB 以确保持久化，避免依赖无状态的运行时；其次，分离企业级身份（Microsoft Entra ID）、网关访问和下游授权，防止令牌在不同信任边界间复用导致的安全漏洞；第三，将模型选择视为接口契约而非简单的替换，强调工具调用和结构化输出兼容性对模型版本的约束；第四，通过注册 OpenAPI 规范暴露 MCP 工具，而非为每个 API 部署专用服务器，从而降低集成开销；最后，将复杂能力（如可视化）从工具升级为独立 Agent，使其拥有状态管理和重试逻辑。

在运营层面，ADE 实现了任务级可观测性，区分传输成功与任务成功，并结合账单属性与请求级遥测数据来归因推理成本。通过缓存稳定的提示词前缀，输入 Token 成本降低了 20–30%。此外，系统实施了严格的权限最小化原则，仅允许只读工具访问，并计划引入 Guardrails 增强安全性。事实：ADE 已上线并服务超过 100 名用户，通过 AgentCore Gateway 暴露 API 使每 API 集成开销减少 99% 以上。推断：这种架构模式适合需要处理复杂上下文且对审计有严格要求的企业级 AI 应用。猜测：随着混合云互操作性的探索，跨环境 Agent 通信可能成为后续优化的重点。