Mobileye 用 Amazon Bedrock AgentCore 将支持响应时间缩短 90%：混合架构实践
Mobileye 利用 Amazon Bedrock AgentCore 部署 AI 支持代理，响应时间缩短 90%，准确率超 95%。本文解析其混合架构、MCP 集成与可观测性设计，为企业在本地系统与云服务间构建 AI Agent 提供参考。
一句话看懂
Mobileye 用 Amazon Bedrock AgentCore 构建 AI 支持代理，将内部工单响应时间缩短 90%，准确率超 95%，且无需管理基础设施。
详细发生了什么
Mobileye 是自动驾驶领域的先驱，其 EyeQ 芯片已部署超过 2.3 亿颗，覆盖全球约 1200 款车型。随着数据采集管道每天处理数千次驾驶记录，内部支持团队面临大量状态查询工单。此前，工程师需要手动跨多个系统操作，平均 15 次点击才能完成一次查询，导致 66% 的工单成为常规状态询问，占用了熟练工程师的时间。
Mobileye 团队最初尝试了脚本、静态工作流和基于规则的决策树，但这些方法无法应对真实世界查询的多样性。最终，他们决定构建一个 AI 代理，并选择在 Amazon Bedrock AgentCore 上部署。AgentCore 是一个全托管平台，支持任意框架和模型，提供无服务器基础设施、内置可观测性以及混合架构支持。
在概念验证阶段，Mobileye 设定了 95% 的工单分类准确率和 2 分钟内的响应时间目标。代理使用 Anthropic Claude 基础模型，通过内部 LLM Gateway 进行配额管理。关键使能技术是 Model Context Protocol（MCP），它让代理在推理时实时访问驱动数据处理平台的 API，查询会话状态、检索日志和诊断信息。
生产架构采用混合设计：本地组件负责工单操作，包括本地编排器（Local Orchestrator）和内部工单系统；AWS 云组件包括 AgentCore Runtime、AgentCore Observability 和 AWS Secrets Manager。此外，Mobileye 自有的 Data Pipeline MCP Server 和 AI LLM Gateway 提供数据连接和模型访问。整个流程是：本地编排器提取新工单，发送给 AgentCore 上的 AI 代理，代理处理并生成响应，再通过编排器回传至工单系统。
中文圈视角
这个案例对国内企业有直接参考价值。首先，国内云厂商如阿里云、华为云也提供类似的 Agent 托管服务，但 Bedrock AgentCore 的混合架构设计值得借鉴——它解决了本地系统与云服务之间的安全桥接问题，而国内企业同样面临数据合规和本地部署的需求。其次，MCP（Model Context Protocol）作为开放标准，国内开发者可以将其应用于任何模型，不限于 AWS 生态。对于使用 DeepSeek、Kimi 等国产模型的企业，可以借鉴 Mobileye 的架构，通过 MCP 连接内部系统，实现类似的支持自动化。最后，Mobileye 强调的“零基础设施管理”和“内置可观测性”是 AI Agent 落地的关键痛点，国内团队在自建 Agent 时往往忽视这些，导致运维成本高企。
几条值得记住的细节
- Mobileye 的 AI 支持代理将响应时间从数小时缩短至 2 分钟内，准确率超过 95%。
- 代理通过 MCP 实时查询生产数据，包括会话状态、处理进度和错误日志。
- 混合架构中，本地编排器负责工单提取和回传，AWS 侧运行 AgentCore Runtime。
- AgentCore 提供内置可观测性，可追踪从请求到响应的完整链路。
- 使用 AWS Secrets Manager 实现无面认证，团队无需直接处理凭证。
一句话总结
Mobileye 的实践表明，AI Agent 不仅能降本增效，还能通过混合架构安全地融入现有企业系统，值得国内团队参考。