KTern.AI如何在Amazon Bedrock AgentCore上為SAP構建智能體AI

KTern.AI 是一家 SAP 數字化轉型平台提供商，近期在 Amazon Bedrock AgentCore 之上構建並部署了可滿足企業級 SAP 轉型工作負載的 AI 智能體。這些智能體能夠自主編排從逆向工程、適配標準、代碼分析到財務與銷售流程異常挖掘等一系列工作流。最終實現了無需自定義智能體基礎設施的自動化。

SAP 數字化轉型是企業所能承擔的最複雜、風險最高的項目之一。它們通常耗時數月甚至數年，涉及業務流程和自定義代碼之間錯綜複雜的相互依賴關係，並且需要難以僅靠人類顧問規模化的領域專業知識。KTern.AI 多年來一直在構建一個系統，使這些轉型更快、更可預測。向智能體 AI 的轉變是該使命迄今為止最重大的飛躍。

KTern.AI 從一個傳統的軟件即服務（SaaS）平台演變為下一代智能體 AI 平台，這意味着要協調多個專業智能體在長期運行的企業項目中進行工作。每個智能體都具備持久上下文、安全工具訪問和生產級可靠性。該系統基於 Amazon Bedrock AgentCore 並使用 Strands Agents SDK 構建。

KTern.AI 平台的核心原則是清晰的關注點分離：SAP 領域智能位於 KTern.AI 層，而所有基礎設施問題（託管、擴展、內存、工具訪問、身份和可觀測性）均委託給 AgentCore。每個智能體通過配置部署，無需自定義編排代碼。智能體的行為由其提示詞、工具綁定和編排模式定義。新智能體在 4-6 小時內即可投入生產，無需基礎設施配置或管道工程。KTern.AI 使用 Strands 的多智能體模式來適應不同工作負載：Swarm 用於並行發現，Workflow 用於順序階段，Graph 用於條件管道。

架構從客户端層向內流動。企業用户通過 KTern.AI 平台提交轉型請求。這些請求路由到智能體編排層，專業智能體在 AgentCore 運行時上運行，具有完全的會話隔離，因此一個客户的上下文不會被另一個客户訪問。每個智能體通過 AgentCore 網關模型上下文協議（MCP）層調用外部工具，該層管理對 SAP API、客户 ERP 系統和 KTern.AI 存儲庫的身份驗證連接。智能體通過 AWS PrivateLink 支持的虛擬私有云（VPC）接口端點私下訪問 Amazon Bedrock 和 AgentCore，確保流量不經過公共互聯網。

隨着智能體被調用，AgentCore 內存會檢索和更新與項目關聯的持久上下文，保留跨會話的流程決策、代碼模式和累積洞察。AgentCore 身份對智能體和工具強制執行身份驗證和最低權限訪問。每個動作和模型響應都被 AgentCore 可觀測性捕獲，並作為日誌、指標和跟蹤發送到 Amazon CloudWatch。在基礎層，Amazon Bedrock 提供模型訪問，包括 Anthropic 的 Claude 系列模型。Amazon Simple Storage Service（Amazon S3）、AWS Lambda 和 AWS Identity and Access Management（IAM）支持整個系統。

轉向基於 Amazon Bedrock AgentCore 的智能體 AI 平台改變了 KTern.AI 客户的體驗。在生產環境中，KTern.AI 的智能體將整體 SAP 項目時間表縮短了 45%，並將發現和評估時間減少了 60-70%。它們還自主發現了 90% 的財務和銷售運營異常，每月收回 480 個工程小時。曾經需要大型顧問團隊和數月手動分析的 SAP 轉型現在實現了大幅自動化。這些數字反映了 KTern.AI 在其生產 SAP 轉型項目中的內部測量結果。

在開發速度方面，在採用 AgentCore 之前，構建一個新的智能體能力需要組裝自定義基礎設施用於編排、內存、工具訪問、身份和監控，每個智能體至少需要 2-3 周。配置驅動的方法消除了這一開銷。首個生產智能體在 4-6 小時內部署，僅通過配置，零行自定義編排代碼，開發週期縮短了 85%。基礎設施設置時間減少了 95%，無需配置或自定義管道工程。新智能體通過配置部署在同一天投入生產。

在運營效率方面，由 AWS 管理基礎設施後，運營態勢得到改善，同時成本下降。生產部署中智能體正常運行時間持續達到 99.8%。與之前運營的自管理容器堆棧相比，基礎設施成本降低了 70%。每月收回 480 個工程小時（相當於三名全職工程師），全部重新投資於智能體智能和新功能。

智能體自動化的複合價值在客户成果中最為明顯。整體 SAP 項目時間表平均減少 45%。發現和評估時間減少 60-70%，這一階段歷來消耗大部分早期項目預算。分析階段對 SME 和顧問的依賴最多減少 60%。自動生成的測試用例首次通過成功率達到 82%。異常挖掘智能體自主識別了 90% 的財務和銷售模塊運營異常。由於更早、更全面的風險識別，上線後支持事件減少了 40%。

速度提升只有在質量保持時才有意義。智能體 AI 提高了 KTern.AI 支持的轉型的一致性和可靠性。逆向工程和自定義代碼分析智能體早期發現技術債務和遷移風險，避免其演變為昂貴的下游問題。標準化的智能體驅動方法減少了跨項目的質量差異，與參與哪個顧問團隊無關。集中式提示詞管理提供版本控制、回滾和跨智能體部署的一致治理。配置驅動的智能體配置、編排模式和模型選擇測試支持持續改進，無需部署開銷。

KTern.AI 平台使用了 AgentCore 的六項能力：AgentCore 運行時託管智能體，AgentCore 內存保留項目上下文，AgentCore 網關連接工具，AgentCore 身份管理訪問，AgentCore 可觀測性跟蹤行為，AgentCore 評估衡量質量。在 AgentCore 可觀測性（配合 Amazon CloudWatch 和 OpenTelemetry）之前，調試多步智能體故障需要手動關聯不同系統的日誌。現在，在幾分鐘內即可從初始請求追溯到每個智能體決策和工具調用直至最終響應。這種可見性支持了 99.8% 的智能體正常運行時間。AgentCore 評估解決了質量一致性問題，KTern.AI 使用其特定 SAP 測試用例運行評估循環，確保智能體輸出準確可靠。