KTern.AI如何在Amazon Bedrock AgentCore上为SAP构建智能体AI

KTern.AI 是一家 SAP 数字化转型平台提供商，近期在 Amazon Bedrock AgentCore 之上构建并部署了可满足企业级 SAP 转型工作负载的 AI 智能体。这些智能体能够自主编排从逆向工程、适配标准、代码分析到财务与销售流程异常挖掘等一系列工作流。最终实现了无需自定义智能体基础设施的自动化。

SAP 数字化转型是企业所能承担的最复杂、风险最高的项目之一。它们通常耗时数月甚至数年，涉及业务流程和自定义代码之间错综复杂的相互依赖关系，并且需要难以仅靠人类顾问规模化的领域专业知识。KTern.AI 多年来一直在构建一个系统，使这些转型更快、更可预测。向智能体 AI 的转变是该使命迄今为止最重大的飞跃。

KTern.AI 从一个传统的软件即服务（SaaS）平台演变为下一代智能体 AI 平台，这意味着要协调多个专业智能体在长期运行的企业项目中进行工作。每个智能体都具备持久上下文、安全工具访问和生产级可靠性。该系统基于 Amazon Bedrock AgentCore 并使用 Strands Agents SDK 构建。

KTern.AI 平台的核心原则是清晰的关注点分离：SAP 领域智能位于 KTern.AI 层，而所有基础设施问题（托管、扩展、内存、工具访问、身份和可观测性）均委托给 AgentCore。每个智能体通过配置部署，无需自定义编排代码。智能体的行为由其提示词、工具绑定和编排模式定义。新智能体在 4-6 小时内即可投入生产，无需基础设施配置或管道工程。KTern.AI 使用 Strands 的多智能体模式来适应不同工作负载：Swarm 用于并行发现，Workflow 用于顺序阶段，Graph 用于条件管道。

架构从客户端层向内流动。企业用户通过 KTern.AI 平台提交转型请求。这些请求路由到智能体编排层，专业智能体在 AgentCore 运行时上运行，具有完全的会话隔离，因此一个客户的上下文不会被另一个客户访问。每个智能体通过 AgentCore 网关模型上下文协议（MCP）层调用外部工具，该层管理对 SAP API、客户 ERP 系统和 KTern.AI 存储库的身份验证连接。智能体通过 AWS PrivateLink 支持的虚拟私有云（VPC）接口端点私下访问 Amazon Bedrock 和 AgentCore，确保流量不经过公共互联网。

随着智能体被调用，AgentCore 内存会检索和更新与项目关联的持久上下文，保留跨会话的流程决策、代码模式和累积洞察。AgentCore 身份对智能体和工具强制执行身份验证和最低权限访问。每个动作和模型响应都被 AgentCore 可观测性捕获，并作为日志、指标和跟踪发送到 Amazon CloudWatch。在基础层，Amazon Bedrock 提供模型访问，包括 Anthropic 的 Claude 系列模型。Amazon Simple Storage Service（Amazon S3）、AWS Lambda 和 AWS Identity and Access Management（IAM）支持整个系统。

转向基于 Amazon Bedrock AgentCore 的智能体 AI 平台改变了 KTern.AI 客户的体验。在生产环境中，KTern.AI 的智能体将整体 SAP 项目时间表缩短了 45%，并将发现和评估时间减少了 60-70%。它们还自主发现了 90% 的财务和销售运营异常，每月收回 480 个工程小时。曾经需要大型顾问团队和数月手动分析的 SAP 转型现在实现了大幅自动化。这些数字反映了 KTern.AI 在其生产 SAP 转型项目中的内部测量结果。

在开发速度方面，在采用 AgentCore 之前，构建一个新的智能体能力需要组装自定义基础设施用于编排、内存、工具访问、身份和监控，每个智能体至少需要 2-3 周。配置驱动的方法消除了这一开销。首个生产智能体在 4-6 小时内部署，仅通过配置，零行自定义编排代码，开发周期缩短了 85%。基础设施设置时间减少了 95%，无需配置或自定义管道工程。新智能体通过配置部署在同一天投入生产。

在运营效率方面，由 AWS 管理基础设施后，运营态势得到改善，同时成本下降。生产部署中智能体正常运行时间持续达到 99.8%。与之前运营的自管理容器堆栈相比，基础设施成本降低了 70%。每月收回 480 个工程小时（相当于三名全职工程师），全部重新投资于智能体智能和新功能。

智能体自动化的复合价值在客户成果中最为明显。整体 SAP 项目时间表平均减少 45%。发现和评估时间减少 60-70%，这一阶段历来消耗大部分早期项目预算。分析阶段对 SME 和顾问的依赖最多减少 60%。自动生成的测试用例首次通过成功率达到 82%。异常挖掘智能体自主识别了 90% 的财务和销售模块运营异常。由于更早、更全面的风险识别，上线后支持事件减少了 40%。

速度提升只有在质量保持时才有意义。智能体 AI 提高了 KTern.AI 支持的转型的一致性和可靠性。逆向工程和自定义代码分析智能体早期发现技术债务和迁移风险，避免其演变为昂贵的下游问题。标准化的智能体驱动方法减少了跨项目的质量差异，与参与哪个顾问团队无关。集中式提示词管理提供版本控制、回滚和跨智能体部署的一致治理。配置驱动的智能体配置、编排模式和模型选择测试支持持续改进，无需部署开销。

KTern.AI 平台使用了 AgentCore 的六项能力：AgentCore 运行时托管智能体，AgentCore 内存保留项目上下文，AgentCore 网关连接工具，AgentCore 身份管理访问，AgentCore 可观测性跟踪行为，AgentCore 评估衡量质量。在 AgentCore 可观测性（配合 Amazon CloudWatch 和 OpenTelemetry）之前，调试多步智能体故障需要手动关联不同系统的日志。现在，在几分钟内即可从初始请求追溯到每个智能体决策和工具调用直至最终响应。这种可见性支持了 99.8% 的智能体正常运行时间。AgentCore 评估解决了质量一致性问题，KTern.AI 使用其特定 SAP 测试用例运行评估循环，确保智能体输出准确可靠。