使用 Amazon Quick 和 NVIDIA NeMo Agent Toolkit 为您的业务构建专业化代理工作流

AWS ML Blog 2026-07-21T05:11:42.298973

快速发展的公司以及企业的供应链团队，往往能通过数据发现问题所在，但没时间逐个去排查每个异常。比如供应商出现延误，计划员就得查看采购订单、库存、客户承诺、合同规则、物流选项和审批策略，才能决定下一步该怎么走。仪表盘能帮团队看清“发生了什么”，但更难的，是把这些信号转化为一个可靠的决策工作流——它不仅能推荐下一步行动，还能展示推荐背后的依据。本文中，我们将展示如何用 Amazon Quick 作为业务用户访问专用代理工作流的入口，并借助 NVIDIA NeMo Agent Toolkit 搭建一个供应链风险示例，帮助计划员从 Amazon Quick 仪表盘和知识上下文，逐步导向一个引导式的风险缓解建议。

解决方案概述

为了解决这个问题，我们把 Amazon Quick 和 NVIDIA NeMo Agent Toolkit 结合起来。其中，Amazon Quick 为业务用户提供了一个单一会话式工作空间，用于处理结构化数据和企业的非结构化知识。知识来源可以包括 Amazon Simple Storage Service (Amazon S3)、Google Drive、Microsoft SharePoint、Atlassian Confluence，以及内部网页内容。在这个工作空间里，用户能连接超过 100 个预建的动作连接器，在第三方系统中执行操作，比如 Microsoft Outlook、Slack、Jira 和 Asana。此外，他们还可以调用通过 Model Context Protocol (MCP) 暴露的代理工作流。

而 NVIDIA NeMo Agent Toolkit 是一个开源的、与框架无关的库，用于连接、评估、性能分析和优化代理工作流。它可以与 LangChain、LlamaIndex、CrewAI、Microsoft Semantic Kernel、Google ADK 以及自定义 Python 代理等主流框架协同工作。

在这个方案中，供应链分析师通过 Amazon Quick 的聊天代理，借助 Amazon Quick Sight 中的 NeMo Agent Toolkit 工作流来诊断问题。该工作流会调查异常事件、调用供应链工具、验证推荐结果，最终向计划员返回一个排序后的缓解方案。

利用 Amazon Quick 与 NVIDIA NeMo Agent Toolkit 构建专属业务代理工作流

如果你是供应链运营主管、分析师或开发者，读完这篇文章后，就能学会如何在 Amazon Quick 中从仪表盘场景跳转到制定缓解方案。如果你是技术主管或开发人员，可以看到如何用 NVIDIA NeMo Agent Toolkit 搭建后端代理工作流，同时让 Amazon Quick 成为业务用户的入口。如果你是创业团队的一员，也可以借助这套方案在不增加庞大规划团队的情况下扩展运营。当订单量、供应商数量和客户承诺不断增长时，同样的架构能帮助你的团队更快、更可重复地做出供应链决策。你还可以使用 NVIDIA NeMo Agent Toolkit 配合遥测、每步延迟和评估结果来检查和优化代理工作流。这些信号能帮你调整工作流本身、它所使用的工具以及编排逻辑。当团队从简单的聊天助手转向代理工作流时，这种可观测性会变得越来越重要。

架构概览

在这个架构中，Amazon Quick 提供了业务用户界面、仪表盘上下文、知识访问和动作触发。Amazon Bedrock AgentCore 提供了 MCP 网关和运行时的托管路径。NeMo Agent Toolkit 负责后端代理工作流：注册工具、编排供应链调查、捕获执行轨迹，并支持评估和性能分析，以便开发者在投产前优化工作流。图 1 展示了 Amazon Quick、AgentCore Gateway、AgentCore Runtime 和 NeMo Agent Toolkit 之间的协作方式。

图 1 — 解决方案架构。Amazon Quick 提供仪表盘、知识上下文和动作触发。AgentCore Gateway 暴露 MCP 动作，AgentCore Runtime 托管 NeMo Agent Toolkit 工作流容器

该方案包含两种用户模式。首先，分析师可以提出诊断性问题，Amazon Quick 通过仪表盘和 Amazon S3 知识源来回答。

图 2 — 诊断流程。在触发后端动作之前，Amazon Quick 利用仪表盘和知识上下文回答“发生了什么？”的问题

其次，当分析师询问接下来该怎么做时，Amazon Quick 会调用基于 NeMo 的 MCP 动作。

用 Amazon Quick 和 NVIDIA NeMo Agent Toolkit 为业务构建专属的智能体工作流

图 3 — 动作流程。Amazon Quick 调用 MCP 动作，AgentCore 调用运行时，NeMo 执行后端决策工作流，返回缓解方案。

对于刚接触 NeMo Agent Toolkit 的读者，后端工作流由三层代码构成：注册函数、工作流配置文件、以及编排器（orchestrator）。

注册函数是一些可复用的能力模块，例如：采购订单风险分析、库存风险敞口、客户影响评估、策略查询、物流方案选择、以及缓解建议生成。
工作流配置文件把这些函数的名字列出来，并按逻辑串联成一个完整的决策流程。
编排器接收请求后，依次调用这些函数，最终返回带证据链、追踪路径、耗时指标和评估元数据的缓解方案。

步骤 3 将深入这些实现细节，讲解 NeMo Agent Toolkit 工作流容器内部具体运行了什么。

实现步骤

配套代码仓库包含以下内容：AWS CloudFormation 模板、部署脚本、示例数据、NeMo Agent Toolkit 工作流插件、以及 Quick 设置说明。

先决条件

要部署并测试这个示例，你需要：

一个 AWS 账户，拥有 Amazon Quick、Amazon Bedrock AgentCore Runtime 和 Amazon Bedrock AgentCore Gateway 的访问权限。
AWS 命令行界面（AWS CLI）v2。
Python 3.11 或更高版本（用于在本地验证 NeMo 的可选步骤）。
不需要本地 Docker，因为快速启动方案会用 AWS CodeBuild 来构建并推送 AgentCore Runtime 容器镜像。
相应的 IAM 权限，以部署 AWS CloudFormation 堆栈——这些堆栈会创建 IAM 角色、S3 存储桶、Amazon ECR 仓库、AWS CodeBuild 项目、Lambda 函数以及 Amazon Bedrock AgentCore 资源。
一个 Amazon Quick 或 Amazon Quick Sight 用户，且拥有创建分析、数据集、知识集成、聊天智能体和 MCP 动作集成的权限。

步骤 1：克隆仓库

将仓库克隆到本地，这样部署脚本、AWS CloudFormation 模板、示例数据以及 NeMo Agent Toolkit 工作流代码就都能直接使用了。

git clone https://github.com/aws-samples/sample-amazon-quick-nvidia-nemo-agent-toolkit

为你的业务构建专属 Agent 工作流：Amazon Quick 与 NVIDIA NeMo Agent Toolkit 实战

cd amazon-quick-nemo-supply-chain-risk

步骤 2：认证 AWS 账号

在部署基础设施之前，先让 CLI 认证到你要使用的 AWS 账号。下面这些命令会配置 IAM Identity Center（SSO）配置文件，启动浏览器登录流程，设置当前 CLI 配置文件，并验证账号身份。

Mac 或 Linux：

aws configure sso
aws sso login --profile <your-profile-name>
export AWS_PROFILE=<your-profile-name>
aws sts get-caller-identity

Windows PowerShell：

aws configure sso
aws sso login --profile <your-profile-name>
$env:AWS_PROFILE="<your-profile-name>"
aws sts get-caller-identity

aws sso login 命令会在浏览器中启动认证流程。如果你已经有活跃的 AWS SSO 会话，可直接用那个浏览器会话完成认证。务必检查返回的 AWS 账号是否是你想要部署示例的账号。

步骤 3：部署示例方案

运行部署脚本前，先设置 AWS 区域（Region）和堆栈名称（Stack Name）。区域决定示例基础设施创建的位置，堆栈名称则用于将生成的资源分组，方便后续清理。

Mac 或 Linux：

export AWS_REGION=us-east-1
export STACK_NAME=sc-risk-copilot-dev
./scripts/deploy.sh

Windows PowerShell：

$env:AWS_REGION="us-east-1"
$env:STACK_NAME="sc-risk-copilot-dev"

为你的业务构建专用智能体工作流：Amazon Quick与NVIDIA NeMo Agent Toolkit

.\scripts\deploy.ps1

该部署脚本会执行以下任务：
- 部署基础的 AWS CloudFormation 堆栈。
- 将示例数据集和知识文档上传到 Amazon S3。
- 利用 AWS CodeBuild 构建 NeMo 后端容器镜像并推送到 Amazon ECR，因此本地无需安装 Docker。
- 更新 CloudFormation 堆栈，以部署 Amazon Bedrock AgentCore Runtime。
- 创建一个 Amazon Bedrock AgentCore Gateway MCP Lambda 目标。
- 将手动设置 Amazon Quick 的参数写入 outputs/quick-setup.txt。

脚本使用 AWS CloudFormation 来管理 AWS 基础设施。关于如何配置 Amazon Quick 仪表盘、知识源、聊天智能体以及 MCP 动作连接的详细指引，请参考第 5 到第 7 步。

NeMo Agent Toolkit 工作流内部运行机制

NeMo Agent Toolkit 工作流运行在 Amazon Bedrock AgentCore Runtime 容器内部。Amazon Quick 通过 Amazon Bedrock AgentCore Gateway 调用 MCP 动作。Gateway 会调用一个 Lambda 目标适配器，该适配器再调用运行时端点。在容器内部，FastAPI 接收 /invocations 请求，并加载 NeMo Agent Toolkit 工作流。

supply_chain_risk_orchestrator 将以下注册函数组合为一个工作流，并返回排序后的缓解方案，同时附带证据、追踪信息、延迟和评估元数据：

po_risk_tool：查找已延迟的采购订单及受影响的 SKU。
inventory_exposure_tool：计算可用天数（days of supply）和缺货风险。
customer_impact_tool：将受限 SKU 映射到客户订单、收入、优先级及 SLA 暴露风险。
contract_policy_tool：检查合同、寻源、运费审批及替代规则。
logistics_options_tool：寻找加急、调拨或替代供应商选项。
mitigation_recommendation_tool：对缓解方案进行排序，并返回评估检查结果。

图 4 — 运行时容器内的 NeMo Agent Toolkit 工作流

图 4 展示了运行时容器内的 NeMo Agent Toolkit 工作流。supply_chain_risk_orchestrator 协调各注册的供应链函数，并将缓解决策包和可靠性元数据返回给 Amazon Quick。

NeMo Agent Toolkit 工作流配置

后端决策逻辑被定义为一个 NeMo Agent Toolkit 工作流配置。

用 Amazon Quick 和 NVIDIA NeMo Agent Toolkit 为企业构建专用智能体工作流

YAML 中为每个注册的函数赋予一个本地名称，编排器随后在其 Python 注册代码中解析这些配置好的函数。更详细的说明，请参见 NeMo Agent Toolkit 文档中关于自定义函数的部分。

# functions 下的每个条目都配置了一个工作流可用的函数

# The _type value maps to a registered NeMo function in the plugin code.

functions:

po_risk:

_type: po_risk_tool

inventory_exposure:

_type: inventory_exposure_tool

customer_impact:

_type: customer_impact_tool

contract_policy:

_type: contract_policy_tool

logistics_options:

_type: logistics_options_tool

mitigation_recommendation:

_type: mitigation_recommendation_tool

# The workflow section defines the entry point and wires in the functions.

workflow:

_type: supply_chain_risk_orchestrator

po_risk_fn: po_risk_tool

inventory_fn: inventory_exposure_tool

customer_impact_fn: customer_impact_tool

contract_policy_fn: contract_policy_tool

logistics_fn: logistics_options_tool

mitigation_fn: mitigation_recommendation_tool

这样就把工作流变得明确且可测试：这些函数可以被监控、测试、复用，并且能纳入 NeMo Agent Toolkit 的评估与性能分析流程中。到了生产环境，可以把示例中基于 CSV 的函数换成受管控的数据工具，比如 Amazon Athena 查询、RDS 查询、ERP 接口、WMS/TMS 接口，或者其他 MCP 工具。

步骤 4：审查输出结果

查看生成的设置文件：
amazon-quick-nemo-supply-chain-risk/outputs/quick-setup.txt

这个文件里包含了以下信息：
- 仪表盘 CSV 文件在 Amazon S3 上的位置
- 知识文档的 S3 前缀
- 评估数据的 S3 前缀
- AgentCore Gateway MCP 端点 URL
- 演示身份验证指引
- 以及建议的 Quick 测试提示词

步骤 5：创建 Amazon QuickSight 仪表盘

使用仓库里已经准备好的扁平化 CSV 数据集：
amazon-quick-nemo-supply-chain-risk/sample-data/quick/supply_chain_risk_view.csv

部署过程中也会把这个文件放到 AWS CloudFormation 创建的 S3 存储桶中。你可以在 outputs/quick-setup.txt 里找到对应的路径，标记为 Quick dashboard CSV。如果想用部署后的副本而不是本地仓库文件，可以先把文件下载下来：

aws s3 cp s3://<data-bucket>/quick/supply_chain_risk_view.csv ./supply_chain_risk_view.csv

在 Amazon QuickSight 中，依次选择 Analyses → Generate analysis → Add data → Create a dataset，然后上传 supply_chain_risk_view.csv。下图展示了“Generate analysis”界面以及示例的仪表盘提示词。

图 5 — 生成分析提示词
图 5 — Generate analysis 提示词示例。示例提示词要求 Amazon QuickSight 根据上传的 CSV 数据集创建一份高管级别的供应链风险仪表盘。

请使用以下提示词：

创建一份面向高管的供应链风险仪表盘，重点关注供应商延迟和缺货风险。可视化内容应包括：按供应商统计的逾期采购订单、按客户优先级统计的风险收入、按配送中心统计的高风险 SKU、各 SKU 的可供应天数、缓解措施类型、是否需要审批、以及供应商准时交货率。添加供应商、SKU、风险等级和配送中心的筛选器。整体仪表盘设计要面向供应链负责人，能直观呈现哪些环节有风险、应该优先在哪里采取行动。

为你的业务构建专用智能体工作流：Amazon Quick 与 NVIDIA NeMo Agent Toolkit 实战

选择 预览分析大纲，核对大纲内容，然后点击生成。图 6 和图 7 展示了生成的仪表板页面示例。

图 6 — 仪表板概览
该仪表板汇总了收入风险、延迟订单、关键 SKU 以及供应商风险敞口等信息。

图 7 — 供应商与缓解措施视图
该仪表板帮助计划员对比供应商的延迟表现以及可选的缓解方案。

步骤 6：为 Amazon Quick 创建知识源

知识源让聊天智能体能够访问非结构化上下文信息，例如供应商通知、合同摘录、物流审批政策、SKU 替换规则以及客户 SLA 摘要。

在 Amazon Quick 中：
1. 选择知识。
2. 在 Amazon S3 下，选择添加。
3. 如果 S3 存储桶与 Amazon Quick 在同一个账户中，选择该 Quick 账户。
4. 输入从 outputs/quick-setup.txt 中 DataBucketName 输出获取的 S3 存储桶 URL。
5. 在 创建知识库 页面，为其命名（例如 Supply Chain Risk KB）。
6. 选择 添加特定内容，输入 kb/ 作为内容过滤器（注意区分大小写）。
7. 点击创建，等待同步完成。

将创建好的知识源添加到你在步骤 8 中创建的聊天智能体中。

步骤 7：将 NeMo Agent Toolkit 工作流注册为 Amazon Quick 中的 MCP 动作

重要提示： 本示例部署的 AgentCore Gateway 使用 AuthorizerType=NONE，即不执行任何身份验证或授权。仅限在私密、隔离的演示环境中使用，且数据必须为模拟的非敏感数据。请将该端点视为未认证状态，任何获得其 URL 的人均可访问。切勿在共享环境、预发布环境或生产环境中使用此配置。
对于非演示部署，请配置支持的入站授权器（例如 CUSTOM_JWT），并使用 Amazon Quick 用户或服务 OAuth 进行认证。对于衍生的部署，应将认证访问设为默认，并需要用户明确选择启用 AuthorizerType=NONE，以用于私有演示测试。

MCP 动作是 Amazon Quick 与运行在 AgentCore Runtime 上的 NeMo Agent Toolkit 工作流之间的桥梁。以下截图显示了已注册的 MCP 集成，其中启用了供应链风险动作。

图 8 — MCP 动作集成

为您的业务构建专用智能体工作流：Amazon Quick 与 NVIDIA NeMo Agent Toolkit 集成

Amazon Quick 发现由 AgentCore Gateway 暴露的供应链风险行动
在 Amazon Quick 中，选择集成，添加一个模型上下文协议（Model Context Protocol，MCP）行动集成。
将从 outputs/quick-setup.txt 中获取的 AgentCore Gateway URL 粘贴为 MCP 服务器端点。
在身份验证步骤中，使用与 AgentCore Gateway 匹配的身份验证模式。
本演示中，Gateway 以 AuthorizerType=NONE 部署。如果控制台要求身份验证设置，请选择 用户身份验证，将 身份验证配置 设置为 自定义标头，然后输入：
- 标头名称：x-quick-demo-auth
- 标头值：quick-demo
这些仅为演示占位值，演示 Gateway 不会校验它们。生产环境中，请为 AgentCore Gateway 配置生产级授权器（例如 CUSTOM_JWT），并在 Amazon Quick 中要求基于 OAuth/OIDC 的用户或服务身份验证。
查看已发现的行动，启用供应链风险行动，并将集成共享到正确的 Quick 空间或用户。

步骤 8：在 Amazon Quick 中创建供应链风险聊天智能体
创建一个聊天智能体，让分析师能够在一个界面中同时使用仪表板、知识源和基于 NeMo 的行动。
图 9 展示了聊天智能体创建体验及其简短摘要。
图9 — 创建聊天智能体。一段简短摘要告诉 Amazon Quick 该助手的作用以及它应该使用的资源
使用以下简短摘要：

为计划人员和运营领导者创建一个供应链风险助手。该助手帮助用户了解供应商延迟、库存风险、受影响的客户订单、收入影响、缓解方案以及所需审批。
将其连接到“供应链风险概览”仪表板、用于供应商通知和策略的 Amazon Quick S3 知识源，以及由 NVIDIA NeMo Agent Toolkit 驱动的供应链风险调查 MCP 行动。
对于诊断类问题，使用仪表板和知识源。当用户询问下一步该做什么、哪些客户订单有风险、应采取哪些缓解措施或需要哪些审批时，使用 NeMo 行动。

使用 Amazon Quick 和 NVIDIA NeMo Agent Toolkit 为你的业务构建专业智能体工作流

创建完智能体后，需要确认它具备以下访问权限：供应链风险概览仪表盘、Amazon Quick S3 知识源以及供应链风险 MCP 动作。如果知识源没有关联到智能体，请通过对话智能体配置面板添加：
打开对话智能体配置 → 选择 知识源 → 点击创建来创建一个空间。
在空间创建页面的左侧导航菜单中，选择 仪表盘，然后添加你在第 5 步创建的仪表盘。
在同样的空间创建页面左侧导航菜单中，选择 知识库，然后添加你在第 6 步创建的知识库。
回到对话智能体，点击 链接空间，将仪表盘和知识库与对话智能体关联起来。

步骤 9：在 Amazon Quick 中测试最终用户流程

使用三条提示来展示诊断性问题与 NeMo 支持的动作之间的区别。分析师首先了解当前状态，然后查看策略上下文，最后请求动作建议。

提示 1：查询仪表盘
哪些供应商的延迟采购订单最多且风险收入最高？
预期结果： Amazon Quick 使用 Amazon Quick Sight 仪表盘汇总供应商延迟绩效、库存暴露程度以及面临风险的收入。图 10 展示了一个基于仪表盘的示例响应。

图 10 — 仪表盘响应。Amazon Quick 从仪表盘数据给出答案，未调用 NeMo 动作

提示 2：查询知识源
供应商 A 的延迟通知说了什么？关于紧急空运，物流审批政策是怎么规定的？
预期结果： Amazon Quick 使用 Amazon S3 知识源来汇总供应商通知和物流审批标准操作流程（SOP）。图 11 展示了基于知识的响应。

图 11 — 知识源响应。Amazon Quick 概述了供应商 A 延迟通知和紧急空运审批政策

提示 3：触发 NeMo 动作
供应商 A 延迟了 7 月份的进港货物。哪些客户订单面临风险，我们该怎么办？
预期结果： Amazon Quick 调用 NeMo 支持的 MCP 动作。

用 Amazon Quick 和 NVIDIA NeMo Agent Toolkit 为你的业务构建专用智能体工作流

响应内容应包含风险概要、收入影响、受影响的客户、推荐的应对措施、所需的审批信息，以及来自采购订单、库存、客户订单、政策依据和物流方案的证据。图 12 展示了 MCP 工具运行前的行动审批提示。

图 12 — MCP 行动审批。Amazon Quick 要求用户在调用 NeMo 支持的供应链风险行动前进行审批

一个成功的 NeMo 支持响应，针对示例中的 Supplier A 场景，应识别出三项汇总风险项：SKU-1044 为高风险，需部分空运并经过财务审批；SKU-8831 为高风险，需进行库存调拨并经过运营审批；SKU-7177 为中等风险，需持续监控并复核。图 13 展示了 NeMo Agent Toolkit 工作流的响应结果。

图 13 — NeMo Agent Toolkit 工作流响应。该工作流调查干扰事件、调用供应链工具、验证建议，并向规划人员返回一个按优先级排序的应对方案

步骤 10：检查 NeMo 调用链路、延迟和评估结果

Amazon Quick 行动执行完毕后，可以查看后端 NeMo Agent Toolkit 工作流内部发生了什么。这个可选步骤对开发者和审查者都很有帮助。调用链路（trace）展示了工作流的执行路径，延迟数据（latency）则显示了每个工具花费了多长时间。评估框架（eval harness）会检查工作流针对已知样本案例，是否返回了预期的风险等级、应对措施和审批流程。

NeMo Agent Toolkit 提供了该本地评估框架所需的工作流运行时环境，同时还支持官方的 nat eval 评估路径、自定义评估器、数据集加载器以及性能分析输出，帮助进行更深层的工作流评估与优化。

重要提示： 这一步检查的是后端工作流，而非完整的 Amazon Quick 聊天智能体体验。调用链路和延迟输出展示了在 MCP 行动被调用后，AgentCore Runtime 和 NeMo Agent Toolkit 工作流内部实际发生了什么。评估框架则测试了专用的 NeMo Agent Toolkit 工作流是否返回了预期的风险、应对措施、审批和证据决策。

要全面了解 Amazon Quick 的使用量、采用情况、操作调用和仪表盘性能监控，你可以借助 Amazon Quick 管理监控和 Amazon CloudWatch 指标，具体可参考相关博客文章。如需检查已部署的运行时追踪和延迟，请在仓库根目录下运行以下命令：

export AWS_REGION=us-east-1

执行以下命令导出环境变量：

export STACK_NAME=sc-risk-copilot-dev

然后运行脚本检查运行时：

查看原文