Cohere Health用Amazon Bedrock AgentCore数字化临床政策：多租户智能体架构实践

一句话看懂

Cohere Health基于Amazon Bedrock AgentCore构建多租户智能体系统，将临床政策从PDF等静态文档转化为结构化数据，以加速医疗预授权审批流程。

详细发生了什么

预授权是医疗保险公司在覆盖某些医疗服务或药物前要求的审批流程，目前仍是医疗行业中最手工化的环节之一。原因在于管理这些审批的临床政策被困在静态、非结构化的格式中，难以自动化。Cohere Health是一家临床智能公司，其构建的Cohere Policy Studio应用利用Amazon Bedrock AgentCore，实现了政策数字化。

AgentCore提供了多租户隔离能力，满足不同健康计划客户的数据隔离需求。该应用采用灵活的智能体架构，通过AgentCore Runtime的MicroVM隔离、AgentCore Gateway的统一工具访问、AgentCore Memory以及Agent Skills开放标准，加速政策数字化，同时保持透明度、版本控制和人工监督。

Cohere Health面临三大挑战：政府法规要求（CMS规定到2027年1月支持基于API的电子预授权）、行业承诺（AHIP要求80%实时审批率）以及技术架构需求（需处理多种输入格式并为不同下游消费者生成不同表示）。AgentCore通过托管运行时、会话隔离和统一工具访问解决了这些问题。

具体实现上，Cohere Health使用了基于Amazon ECR的基础镜像模式，分离稳定运行时环境和团队特定配置，支持灵活的内存模式、存储策略、提示缓存和模型配置。AgentCore Gateway将Lambda函数和内部API整合到单一认证端点，使团队无需重新部署智能体即可添加新工具。

中文圈视角

对于国内医疗AI和智能体开发者，Cohere Health的实践提供了几个可借鉴的点：

多租户隔离架构：国内医疗数据敏感，多租户隔离是刚需。AgentCore的MicroVM隔离模式值得参考，但国内云厂商（如阿里云、腾讯云）也有类似容器隔离方案，可考虑用Kubernetes + gVisor实现类似效果。
Agent Skills开放标准：Cohere Health使用Agent Skills标准来扩展技能，国内社区对智能体标准（如MCP）关注度上升，但Agent Skills相对较新，中文资料少，这是一个盲点。开发者可关注其与MCP的关系，避免重复造轮子。
合规与监管：国内医疗AI受《数据安全法》和《个人信息保护法》约束，数据出境和患者隐私保护是重点。Cohere Health的架构强调数据隔离和人工监督，符合国内监管趋势，但需注意国内对电子病历数据本地化的要求。
平替方案：国内开发者若无法直接使用AWS，可考虑阿里云百炼或百度千帆的智能体平台，它们也提供类似的多租户和工具调用能力，但成熟度可能不及AgentCore。

几条值得记住的细节

Cohere Health使用AgentCore Runtime的MicroVM隔离，为每个会话提供专用计算、内存和文件系统资源，确保租户间数据隔离。
部署采用两层架构：基础镜像包含LangChain框架和公共依赖，团队特定配置通过COPY命令添加agent_config.yaml。
AgentCore Gateway支持MCP工具，通过Lambda函数路由，工具名称从gateway context中提取，并去除前缀。
支持多种内存模式（NO_MEMORY或AGENTCORE）和存储策略（full_trace或conversation_only），用于不同工作流。
提示缓存可降低成本和延迟，通过缓存系统提示和常用内容实现。

一句话总结

Cohere Health的实践展示了如何用托管智能体架构解决医疗政策数字化难题，对国内医疗AI和智能体开发有重要参考价值。