How Bayer Crop Science built an agentic decision engine on Amazon Bedrock AgentCore with AWS Unified Operations

22 个智能体覆盖育种 ML 运维，自动解答约 80% 提问

Bayer Crop Science 构建 CDE 编排育种 ML 工作流后，瓶颈转向理解结果，遂在 Amazon Bedrock AgentCore 上开发多智能体自然语言接口 ADE：supervisor 路由 22 个专业代理，经 AgentCore Gateway 以 MCP 工具访问 CDE，状态存 DynamoDB、RAG 用 OpenSearch Serverless。五项设计包括：外置 LangGraph 检查点以便恢复；分离 Entra ID、IAM 与网关下游授权；把模型选择当接口契约并保留现模型；用 OpenAPI 注册并按代理限定 MCP 工具；可视化升为专门代理。生产准备增加任务级 CloudWatch 警报和按代理/请求的成本归因，官方称缓存稳定前缀使输入 token 成本降 20–30%；安全以最小权限只读、结构化输出校验，并经 Well-Architected 审查修复镜像可追溯等缺口。官方称分阶段启动后已有 100 多用户、22 个专业代理，网关方式使单 API 集成开销降超 99%，约 80% 问题无需工程师；后续接入 AWS 事件响应并探索混合云代理互操作，CDE 仍是受治理执行层。

1. 1AgentCore 托管会话隔离与工具访问
2. 2LangGraph 检查点写入 DynamoDB
3. 3OpenAPI 经 Gateway 变成 MCP 工具

为什么重要　对做智能体平台的读者，示范企业数据闭环中托管运行时、MCP 工具、状态持久化与任务监控的取舍。适合　做企业智能体平台、MCP 工具与数据闭环的工程师

来源

aws.amazon.com

发布

2026/10/24

作者

Subbu Dandamudi