编排模型：从基于规则到人工智能原生 - AWS 规范性指导
基于规则的编排 AWS Step Functions使用亚马逊 Bedrock Agents 进行人工智能原生编排基于规则还是人工智能原生：何时使用哪个？事件驱动的编排战略视角

本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

编排模型：从基于规则到人工智能原生

在事件驱动的无服务器 AI 系统中，编排是决定事件如何触发和塑造系统行为的连接逻辑。在中 AWS，编排可以遵循两个主要模型：

  • 基于规则的编排由开发人员使用工作流程和状态机定义。

  • AI 原生编排由代理和大型语言模型 (LLMs) 提供支持，这些模型基于意图和情境进行推理、计划和行动。

每种模型在构建灵活、反应式和智能系统方面都扮演着不同的角色。它们共同使开发人员能够从程序自动化过渡到自主的、以目标为导向的系统。

基于规则的编排 AWS Step Functions

Step Fun ctions 提供了一个可视化工作流程引擎，用于编排亚马逊、亚马逊 Bedrock AWS Lambda SageMaker、亚马逊 DynamoDB 和亚马逊简单存储服务 (Amazon S3) Simple Storage Service 等服务。逻辑是确定性的，因为步骤是明确定义的，过渡是基于条件的。

使用 Step Functions 进行基于规则的编排的主要优势包括：

  • 通过可视化工作流程控制台实现强大的可审计性和可见性

  • 内置错误处理、重试和并行性

  • 非常适合具有明确定义路径的线性或分支控制流

下图显示了文档摄取和处理示例用例的工作流程。

基于规则的文档摄取和处理编排示例。

在此示例中，一家律师事务所通过以下步骤自动分析已上传的合同：

  1. 事件触发器 — 法律文件上传到 Amazon S3 存储桶，这会触发亚马逊 EventBridge 事件，该事件会路由到 Step Functions 工作流程。

  2. 工作流程 — Step Functions 执行以下步骤：

    1. 文档处理 — Lambda 函数对文档进行清理和执行初始光学字符识别 (OCR)。

    2. 文本提取 — Amazon Textract 从文档中提取关键文本和数据。

    3. 分析 — Amazon Comprehend 分析文本，对风险等级和情绪进行分类。

    4. 摘要 — Amazon Bedrock 会生成一份简明的合同摘要。

    5. 数据存储-将结果写入 Amazon OpenSearch 服务进行索引。

  3. 检索 — 法律团队可以通过仪表板搜索、筛选和可视化合同分析。

该架构利用 Step Functions 的 AWS SDK 集成功能，直接与工作流程 AWS 服务 中的每个人进行交互。这种方法降低了复杂性，并且无需在每个处理步骤之间使用单独的 Lambda 函数。对 OpenSearch 服务的最终写入也通过 SDK 集成来处理。因此，Step Functions 可以将文档分析结果、风险分类、情绪分析和 AI 生成的摘要直接索引到 OpenSearch 服务中。法律团队可以通过仪表板访问信息，用于搜索、筛选和可视化合同分析。

每个任务都是具有内置错误处理功能的已定义状态。人工智能不会做出任何决定，而且编排是明确的。

使用亚马逊 Bedrock Agents 进行人工智能原生编排

在 Step Functions 管理事情如何发生的地方，Amazon Bedrock 的代理会根据用户目标决定应该发生什么。A mazon Bedrock 代理或在 Amazon Bedrock 上构建的代理 AgentCore 结合了以下内容：

代理解释自然语言输入及其原因，并自主调用工具来实现用户的意图，将编排逻辑转移到模型中。

使用 Amazon Bedrock Agents 进行人工智能原生编排的主要优势包括：

  • 语义灵活性 — 解释各种自然语言输入。

  • 工具自主权-在运行时选择正确的工具。

  • 情境基础-准确引用知识库内容。

  • 最少的开发人员维护-定义工具，而不是流程。

下图显示了使用 Amazon Bedrock Agents 实现客户支持自动化的示例用例的工作流程。

通过 Amazon Bedrock Agents 使用人工智能编排的工作流程。

在此示例中，零售网站上的用户在支持聊天机器人中键入一条消息。将出现以下工作流程：

  1. 事件触发器操作如下：

    1. 用户发送一条消息：“我需要退回上周订购的鞋子。你能帮忙吗？”

    2. 消息被接收并通过 EventBridge路由。

    3. EventBridge 触发 Amazon Bedrock 代理。

  2. 代理推理过程如下：

    1. 意图提取-代理将意图标识为 “退货订单”。

    2. 数据检索-代理使用 GetOrderHistory Lambda 函数查询 CRM 系统。

    3. 资格检查-代理调用 ProcessReturn Lambda 函数来验证退货资格。

    4. 响应生成-代理制定适当的响应。

  3. 当代理回应 “您的退货正在处理中” 时，就会发生买家沟通操作。预计很快就会收到一封确认电子邮件。”

整个工作流程演示了 Amazon Bedrock Agents 如何通过定义的操作组来协调复杂的业务逻辑。通过将客户意图与后端系统和流程联系起来，它可以提供自动化但符合情境的客户服务体验。

Amazon Bedrock AgentCore 将 Amazon Bedrock 生态系统扩展到单个代理之外，为自主、事件驱动的人工智能系统提供完整的运行时和内存架构。

Amazon Bedrock Agents 专注于为单个任务或域编排推理和操作序列。 AgentCore 提供底层基础架构，用于在分布式无服务器环境中编写、协调和保留多代理工作流程。

下图显示了使用实现客户支持自动化的示例用例的工作流程 AgentCore。

使用 EventBridge、 AgentCore和 Lambda 实现客户支持自动化的工作流程。

此示例遵循与之前的 Amazon Bedrock Agents 示例相同的操作：零售网站上的用户在支持聊天机器人中键入消息。将出现以下工作流程：

  1. 用户发送一条消息：“我需要退回上周订购的鞋子。你能帮忙吗？”

  2. 消息被接收并通过 EventBridge路由。

  3. EventBridge 触发 AgentCore 运行时端点。

AgentCore 引入了三项关键功能，可补充现有的编排模型：

  • AgentCore 运行时 — 用于在其中运行自定义代理逻辑的托管执行环境 AWS。它与 Amazon ECS 原生集成，可按需扩展代理行为，无需手动管理容器或函数基础设施。 AWS Lambda

  • AgentCore 内存-为上下文、状态和任务历史记录提供持久的结构化存储。这使代理能够在调用和工作流程之间保持连续性，同时支持短暂和长期内存模式。内存数据可以与 DynamoDB 或亚马逊简单存储服务 (Amazon S3) 同步，以实现可观察性和合规性。

  • AgentCore 网关 — 用于安全调用的托管接口， AWS 服务 以及 APIs 通过模型上下文协议 (MCP) 进行外部调用的托管接口。这些连接器允许代理直接与企业数据、工具和应用程序交互，无需自定义集成代码即可实现更丰富的编排。

这些组件共同构成了构建跨无服务器、事件驱动架构运行的自适应多代理系统成为可能。例如， AgentCoreRuntime 可以托管多个通过 EventBridge 或 Step Functions 进行协调的专业代理，使用 AgentCore 内存共享上下文并确保确定性、可审计的结果。

通过将客户意图与后端系统和流程联系起来， AgentCore 提供自动化且符合情境的客户服务体验。

编排不是硬编码的。LLM 动态确定工作流程，使系统对输入的变化和模糊性更具弹性。

基于规则还是人工智能原生：何时使用哪个？

AWS Step Functions 和 Amazon Bedrock Agents 在不同的编排场景中都表现出色。最佳做法是，使用 Step Functions 进行受控流程，使用 Amazon Bedrock Agents 进行自然语言交互和灵活实现目标。下表比较了不同用例类型的这些服务。

用例类型

Ste@@ p Func ti ons（基于规则）

亚马逊 Bedrock Agents（人工智能原生）

确定性工作流程

理想

不需要。

非结构化用户输入

刚性

解释和改编。

复杂的业务规则

使用条件建模

可以使用语义推理进行推断。

需要精细的审计跟踪

完整状态跟踪

跟踪有限，具体取决于代理日志。但是，权重、偏差和模型调用日志等工具可以缓解这种限制。

延迟敏感型自动化

实时协调

实时，尽管由于 LLM 处理而略高。

以目标为导向的用户体验

需要明确的设计

代理可以推断目标并撰写流程。

事件驱动的编排

无论是使用基于规则的编排还是 AI 原生编排，事件都是在无服务器系统中激活智能的机制。在这两个编排模型中，都会出现以下顺序：

  1. 事件通过 EventBridge发出。事件的示例包括用户输入、文档上传和交易。

  2. 该事件会触发相应的协调器：

    • 如果逻辑是确定性的，则为 Step Functions

    • AWS Lambda 或者订阅 AWS 原生运行时的 Amazon ECS 任务以 EventBridge 进行精心编排的设计

    • Amazon Bedrock Agents（如果逻辑是动态的还是对话式的）

  3. AgentCore 代理可以使用 SDK 在本地发出和订阅 EventBridge 事件。AgentCore 通过这种方法，代理可以直接参与无服务器工作流程，同时通过 AgentCore内存维护长期上下文。这种集成形成了双重通信层：

    • EventBridge 提供确定性、可审计的事件路由。

    • AgentCore Memory plus Agent2Agent 协议 (A2A) 提供语义状态共享和能力发现。

  4. 每个协调器都会协调 AI 服务并发出更多事件，例如完成、错误和下游触发器。

这种反应式模型可确保可扩展性、弹性和模块化设计，使系统的各个部分能够独立发展。

战略视角

EDA 既支持基于规则的编排模型，也支持人工智能原生编排模型，它使这两个模型能够共存。Step Functions 提供可靠、可重复的自动化，Amazon Bedrock Agents 引入了动态的情境感知情报。

它们共同为组织提供了执行以下操作的能力：

  • 自动执行重复的大批量流程

  • 提供智能、自适应的面向用户的助手

  • 在没有瓶颈或架构僵化的情况下扩展 AI

编排不再仅仅是规则，而是意图解释、工具选择和自主执行。Serverless on AWS 组合 AWS Step Functions 用于结构化工作流程，Amazon Bedrock Agents 用于语义编排。这个统一的框架支持构建下一代代理式无服务器 AI 系统。