Asystent AI naprawia ciągniki - Amazon pokazuje jak to zbudować

AWS pokazał, jak zbudować agenta AI diagnozującego usterki maszyn rolniczych - krok po kroku, z pełnym kodem i architekturą gotową do wdrożenia na Amazon Bedrock AgentCore.

Kombajn stoi, technik szuka w papierach

Najdłuższe przestoje sprzętu rolniczego zdarzają się podczas żniw, gdy technik nie ma pod ręką odpowiedniej części i musi wracać kilka razy na pole. AWS wycelował w ten problem z rozwiązaniem, które łączy kilka serwisów w jedną całość: AgentCore Runtime jako środowisko wykonawcze agenta, Strands Agents SDK do budowy logiki, Amazon Nova 2 Lite jako model bazowy oraz Bedrock Knowledge Base do przeszukiwania dokumentacji przez RAG.

Agent odpowiada na pytania po polsku lub angielsku - technik pyta głosem albo tekstem, a system przeszukuje zaindeksowane instrukcje producenta, katalogi części i procedury serwisowe przechowywane w Amazon S3. Wyszukiwanie semantyczne zapewnia Amazon OpenSearch Serverless z embeddingami od Amazon Titan.

Jak to działa pod maską?

Architektura podzielona jest na cztery sekcje. Użytkownik uwierzytelnia się przez Amazon Cognito, a aplikacja webowa działa na AWS Amplify zbudowana w React. Frontend komunikuje się bezpośrednio z endpointem AgentCore Runtime przez Bearer token Cognito - bez dodatkowego API Gateway.

Agent wystawia jeden endpoint /invocations, który wewnętrznie routuje żądania: /chat obsługuje zapytania AI, /issues zarządza zleceniami serwisowymi przez CRUD na DynamoDB. Całość monitoruje CloudWatch i AWS X-Ray bez żadnej ręcznej konfiguracji.

Pamięć działa dwupoziomowo. Krótkoterminowa trzyma kontekst w ramach jednej sesji - technik może dopytywać bez powtarzania, że chodzi o kombajn John Deere z 2019 roku. Długoterminowa zapisuje fakty między sesjami, więc przy kolejnej wizycie agent już wie, jaka maszyna stoi w tym gospodarstwie.

@tool
def search_equipment_knowledge(query: str) -> str:
    response = bedrock_agent_runtime.retrieve_and_generate(
        input={"text": query},
        retrieveAndGenerateConfiguration={
            "type": "KNOWLEDGE_BASE",
            "knowledgeBaseConfiguration": {
                "knowledgeBaseId": KNOWLEDGE_BASE_ID,
                "modelArn": f"arn:aws:bedrock:{REGION}::foundation-model/{MODEL_ID}",
            },
        },
    )
    return response.get("output", {}).get("text", "No results found.")

To cały kod narzędzia do przeszukiwania bazy wiedzy. Strands SDK opakowuje funkcję adnotacją @tool i agent sam decyduje, kiedy ją wywołać.

Czy AgentCore to faktyczna nowość, czy tylko rebrandng?

Bedrock AgentCore to stosunkowo świeże API - AWS odpalił je jako ujednolicone środowisko do hostowania agentów bez zarządzania infrastrukturą. Wcześniej programiści musieli sami spinać Lambda, API Gateway i DynamoDB. Tutaj całość idzie jako managed runtime z wbudowanym zarządzaniem sesjami i health checkami.

Strands Agents SDK to z kolei własny framework AWS do budowania agentów, który AWS wypuścił jako open source na początku 2025 roku. Pozycjonuje się jako alternatywa dla LangChain i CrewAI, ale mocno zintegrowana z ekosystemem AWS - co jest jednocześnie siłą i ograniczeniem dla tych, którzy chcą uniknąć vendor lock-in.

Jeden wzorzec, wiele zastosowań

AWS wprost sugeruje, że ten sam schemat można zaadaptować do:

• serwisowania flot pojazdów w firmach logistycznych,
• wsparcia technicznego w przemyśle ciężkim,
• helpdesków IT z bazą wiedzy z dokumentacji produktów.

Wzorzec jest powtarzalny: dokumentacja trafia do S3, Knowledge Base ją indeksuje, agent ją przeszukuje, a pamięć sesji eliminuje powtarzanie kontekstu. Nova 2 Lite wybrano ze względu na stosunek ceny do możliwości - nie jest to najmocniejszy model AWS, ale do ekstrakcji informacji z dokumentacji technicznych wystarczy.

Tutorial zawiera pełny kod CloudFormation do postawienia całego stosu jedną komendą - czas od zera do działającego agenta AWS szacuje na około 30 minut, zakładając, że dokumentacja jest już przygotowana i gotowa do zaindeksowania.