多智能体酒店预订助手
AWS人工智能工程月竞赛作品提交\ *使用Amazon Bedrock AgentCore和AWS Strands构建代理系统*
一个已准备就绪的生产级多智能体系统，通过智能智能体的协调，将复杂的酒店预订工作流程转化为自然对话。
问题
酒店预订涉及复杂的工作流程：搜索、政策评估、预订管理和沟通。传统系统通过僵化的界面强制用户操作，简单的变更也需要多次交互，且当政策事先不明确时，会让客户感到沮丧。
现实中的痛点：
- 凌晨2点的预订变更，需要联系客服
- 发现隐藏取消费用时为时已晚
- 在修改现有预订时重新开始
- 不记得之前的偏好或对话
解决方案
我没有再建立另一个预订表单，而是组建了一支AI专家团队，他们像酒店的后勤工作人员一样协同工作：
架构概述
多智能体编排
- 监督代理（或监管代理）利用持久内存和策略感知路由来协调工作流
- 专业代理每个负责处理一个特定的领域（搜索、预订、政策、通知）
- A2A通信智能体通过智能体到智能体协议进行协作
- 政策感知工作流在进行任何预订操作前自动进行合规性检查
Amazon Bedrock AgentCore 集成
- 内存服务跨会话持久保存对话上下文（7天保留期）
- 网关服务通过模型上下文协议（MCP）安全访问Lambda函数
- 运行时服务生产环境部署，具备自动扩展和可观测性
- 身份服务OAuth2认证结合细粒度访问控制
AWS 基础设施
- Lambda 函数酒店库存、预订及政策管理的业务逻辑
- DynamoDB（注：这是一个专有名词，通常直接保留原样，不进行翻译，但在此提供其含义以作说明：DynamoDB是一种由亚马逊提供的完全托管的云数据库服务，支持文档和键值存储。）酒店库存与预订数据存储
- Cognito（认知）AgentCore网关的身份验证和授权
- 知识库酒店政策与建议信息（Bedrock知识库）
关键能力
智能对话
User: "I need to cancel my booking for next week, but I'm worried about fees."
Traditional System: Navigate → Find booking → Read policy → Call support → Wait → Explain...
Our System:
1. Supervisor identifies policy-sensitive cancellation
2. Guest Advisory Agent retrieves specific policy
3. Reservation Agent calculates exact fees and alternatives
4. Present clear options: "Cancelling now = $50 fee, modifying dates = free until tomorrow"
5. User chooses, system executes, confirmation sent至关重要之记忆
- 跨会话记住偏好设置（“像上次一样选择底层房间”）
- 保持对话上下文（“您之前对取消费用的担忧”）
- 基于历史记录提供智能推荐
生产就绪架构
- 错误处理组件故障时的优雅降级
- 可观测性对智能体交互与性能的深入洞察
- 可扩展性基于需求的独立代理扩展
- 安全端到端的身份验证和授权
📁 项目结构
├── app/ # Multi-agent application
│ ├── src/
│ │ ├── agents/ # Individual agent implementations
│ │ ├── core/ # Supervisor and memory management
│ │ ├── config/ # Configuration management
│ │ └── utils/ # Shared utilities
│ └── scripts/ # Development and deployment tools
│
├── infrastructure/ # AWS CDK infrastructure
│ ├── lib/
│ │ ├── constructs/ # Reusable CDK constructs
│ │ └── config/ # Infrastructure configuration
│ └── lambda/ # Lambda function implementations
│
└── README.md # This file技术栈
人工智能与代理：
- 亚马逊Bedrock AgentCore（内存、网关、运行时、身份）
- AWS Strands 代理系统（多代理框架）
- 工具集成的模型上下文协议（MCP）
- 多智能体通信的Agent2Agent协议（A2A）
基础设施：
- 使用AWS CDK（TypeScript）进行基础设施即代码
- 用于业务逻辑的AWS Lambda
- 使用Amazon DynamoDB进行数据存储
- 使用Amazon Cognito进行身份验证
- Amazon Bedrock 政策知识库
应用：
- Python 3.12 支持 async/await 模式
- 使用 Pydantic 进行配置和数据验证
- 用于依赖管理的UV包管理器
业务影响
运营效率
- 支持交互速度提升至4倍 （12分钟 → 2-3分钟）
- 全天候智能辅助 没有人员成本
- 减少未使用的预订 通过政策明确性
- 提高了客户留存率 通过无缝修改
客户体验
- 对话式预订 而不是填写表格
- 主动的政策指导 防止预订错误
- 情境化推荐 基于实际偏好
- 无缝跨会话连续性
比赛亮点
这个项目展示了：
- 多个AgentCore服务内存、网关、运行时和身份验证协同工作
- 第三方集成AWS 将代理框架与生产环境部署相结合
- 实际商业价值解决实际酒店预订痛点，带来可衡量的影响
- 生产架构错误处理、可观测性和可扩展的基础设施
- 高级人工智能模式政策感知的工作流与智能代理编排
AWS人工智能工程月
这个项目展示了AWS Strands代理和Amazon Bedrock AgentCore在构建生产就绪的多代理系统方面的变革潜力。通过结合内存持久性、网关工具访问、运行时可扩展性和身份安全，我们为解决大规模实际业务问题的AI工作流奠定了基础。
客户服务的未来：打造能够思考、记忆并协同合作的智能代理团队，媲美最优秀的人类客服人员。