【Bedrock AgentCore】Multi-Agent 架构实战：用 6 个 Agent 打通零售供应链数据→洞察→行动全链路
最近接了个零售供应链的需求：运营团队每天 60% 时间花在"帮我查个数"上，从提需求到拿到分析结果平均 3 天。老板的原话是——“能不能让运营自己查？直接问就出结果？”
一开始想做 Text-to-SQL，让运营用自然语言查数据。做完发现不够——查到数据后他们还是不知道异常在哪、为什么异常、该怎么处理。
最后用了 Multi-Agent 架构：6 个 Agent 各管一段，从查数据到出报告到建议行动，全自动。基于 Strands Agents SDK + Bedrock AgentCore 搝管，跑了一个月效果还行。
这篇把架构、代码、踩坑都说一遍。如果你也在做供应链或者类似的数据分析类 Agent 项目，应该能少走点弯路。
痛点拆解
供应链运营的数据分析痛点可以拆成三层：
查询壁垒：运营不会写 SQL，每次想看个数据都得提需求排队。
洞察缺位：数据分析师给了数据，运营也不一定看得出规律——“发货完成率从 95% 掉到 88%”，但这到底严重严重？哪个环节出了问题？
行动脱节：就算分析出来了，从"发现问题"到"落地行动"还有一段路——该调哪个参数？通知谁？发什么邮件？
一个 Agent 搞不定。查数据需要 SQL 能力，分析需要业务知识，出报告需要总结能力，建议行动需要流程知识——每个环节需要的上下文完全不同。
Supervisor-Workers 架构
选了 Supervisor 模式：一个主管 Agent 负责理解意图和编排调用，下挂 5 个专业 Agent：
| Agent | 职责 | 工具 | ||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Supervisor | 理解意图、编排流程 | 调用其他 5 个 Agent | ||||||||||||||||
| Query Agent | 自然语言 → SQL，基础数据查询 | MCP>YAML 配置驱动 所有 Agent 定义在一个 YAML 里，不用写代码： 关键设计：Supervisor 会根据问题复杂度决定调用哪些 Agent。简单查询只走 Query Agent，不浪费其他 Agent 的 token。 语义层设计Agent 要查数据，先得理解业务术语。语义层做了术语到 SQL 的映射： 放在 Query Agent 的 System Prompt 里。运营说"查滝销品"，Agent 就知道对应的 SQL 条件是库存周转天数超过 90 天。 业务规则变了（比如滝销标准从 90 天改成 60 天），改语义层定义就行，不用动代码。 Sub-Agent 封装为 ToolStrands SDK 里，子 Agent 被包装成 Tool 给 Supervisor 调用：
这样 Supervisor 完全不关心子 Agent 内部实现。Query Agent 是直连数据库还是走 MCP，Supervisor 不需要知道。 MCP 协议解耦数据源Query Agent 通过 MCP（Model Context Protocol）调用数据源：
完整技术栈
实战场景：渠道履约分析运营经理在月度回顾时问了一句：“这个月各渠道的履约表现怎么样？有没有需要重点跟进的？” 这是个典型的开放式分析问题——没指定具体指标，没限定维度，需要系统自己判断"怎么看"和"看什么"。传统模式下回答这个问题：登录各渠道系统导出数据 → Excel 合并清洗 → 手动计算指标 → 逐个渠道对比 → 写分析报告，至少半天。 Multi-Agent 系统 30 秒搞定，过程是这样的： Step 1：Supervisor 理解意图，调 Query Agent 查基础数据 Query Agent 自动把"履约表现"映射为语义层中定义的核心指标（发货完成率、平均履约时效），按渠道维度查本月数据，和上月同期对比。结果出来：渠道 B 的发货完成率较上月同期下降超 5%。 Supervisor 判定为异常，自动进入下钻。 第二步：Detail Agent 多维度下钻 按品类和时间维度拆解渠道 B 的数据——发现异常集中在运动鞋品类，其他品类正常。时间维度上看，下降从月中开始。 第三步：Research Agent 排查根因 从多个方向查运动鞋品类在渠道 B 的履约异常原因：查库存水位、查补货记录、查仓库产能。最终定位到：该渠道对应的仓库上周有设备检修，产能降了 30%，导致运动鞋这种高 SKU 量品类积压。 第四步：Summary Agent 生成报告 结构化输出：渠道 B 运动鞋品类履约异常，根因是仓库设备检修导致产能下降 30%，预计本周恢复正常产能。 第五步：Action Agent 执行行动 自动发两个动作：(1) 给渠道 B 运营对接人发通知，告知履约延迟原因和预计恢复时间；(2) 生成临时调货申请摘要，建议从邻近仓库调运动鞋库存补缺。 从提问到出报告加行动建议，30 秒。以前这事至少半天，还得跨三个部门协调。 再看一个简单场景：运营问"上周华东总销量多少"。Supervisor 判断为简单查询，只调 Query Agent，5 秒出结果。Detail/Research/Summary/Action 全跳过——简单问题不浪费 token 和时间。 数据架构底层数据通过 AWS Glue 做 ETL 清洗和标准化，存在 Amazon S3 分层（raw/processed）。Agent 发出的查询通过 MCP Server 转成 SQL 打到数据层。 这套数据架构的好处是 Agent 层和数据层完全解耦。项目中期我们把查询引擎从一个方案换成了云原生查询服务，SQL 方言、连接方式、认证机制全变了。因为走 MCP，Agent 代码一行没改——只换了 MCP Server 的实现。 扩展方向跑了一个月，运营团队提了几个后续需求： 知识库增强（RAG）：目前业务知识通过语义层注入 System Prompt，规则明确、量可控的时候够用。但随着覆盖面扩大——行业知识（品类季节性规律）、历史案例（过去类似异常怎么处理的）、行动模板库（不同异常对应的处理流程）——会超出 Prompt 容量。下一步准备引入知识库作为 Agent 的检索工具，不改现有架构，加一个 MCP 数据源就行。 主动预警：不等用户提问，Agent 定时扫核心指标，异常时自动出报告推到运营群。其实现在已经有个简单版——Supervisor 每天早 8 点跑一遍，但还不够智能，阈值是硬编码的。 跨部门协作：供应链问题经常牵扯财务、销售、物流。未来可以让供应链 Agent 和其他业务域的 Agent 对话，生成跨部门的联合应对方案。 为什么选 Strands + AgentCoreMulti-Agent 框架很多，我们试过几个后选了 Strands + AgentCore：
不足也有：Strands 还比较新，社区生态和文档还在建设中。但对已经在用 Bedrock 的团队，集成成本是低的。 踩坑记录
参考链接
版权声明:
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若内容造成侵权/违法违规/事实不符，请联系邮箱：809451989@qq.com进行投诉反馈，一经查实，立即删除！
网站建设
2026/4/19 1:28:14
Gemini现可接入谷歌相册，生成个性化图像谷歌旗下的Gemini现已支持接入Google Photos，通过"个人智能"功能，根据用户的个人偏好与生活方式生成专属图像。谷歌的"个人智能"功能允许Gemini从Google Photos等应用中提取数据，为用户提供个性化的回应。该功能现已进一… 
李华
网站建设
2026/4/19 1:27:11
STM32 HAL库RTC配置实战：从CubeMX到解决F1系列掉电日期丢失1. STM32CubeMX RTC基础配置实战 第一次用STM32CubeMX配置RTC时，我像发现新大陆一样兴奋——点点鼠标就能生成时钟配置代码，再也不用翻几百页的参考手册了。但很快就被现实打脸：F1系列MCU掉电后日期总会莫名其妙重置到2000年1月1日ÿ… 
李华
网站建设
2026/4/19 1:22:15
在线考试|基于springboot + vue在线考试管理系统(源码+数据库+文档)在线考试管理系统 目录 基于springboot vue在线考试管理系统 一、前言 二、系统功能演示 详细视频演示 三、技术选型 四、其他项目参考 五、代码参考 六、测试参考 七、最新计算机毕设选题推荐 八、源码获取： 基于springboot vue在线考试管理系统 一、… )
李华
网站建设
2026/4/19 1:21:29
5大核心功能揭秘：AKShare财经数据获取的完整实战指南5大核心功能揭秘：AKShare财经数据获取的完整实战指南 【免费下载链接】akshare AKShare is an elegant and simple financial data interface library for Python, built for human beings! 开源财经数据接口库 项目地址: https://gitcode.com/gh_mirrors/aks/aks… 
李华
网站建设
2026/4/19 1:21:27
零食商城|基于springboot + vue零食商城管理系统(源码+数据库+文档)零食商城系统 目录 基于springboot vue零食商城 一、前言 二、系统功能 三、技术选型 四、其他项目参考 五、代码参考 六、测试参考 七、最新计算机毕设选题推荐 八、源码获取： 基于springboot vue零食商城管理系统 一、前言 博主介绍：✌️大厂… )
李华
网站建设
2026/4/19 1:20:45
CTFshow misc入门misc81.工具：010 Editor、VMware（Ubuntu）、foremost2.解题：方法一（手动分离图片）：打开文件，看到如下图片我们正常先用010 Editor，如下我们先用CTRLF搜索ctfshow，如… 
李华
|