特灵科技（Trane Technologies）管理着全球数以百万计的暖通空调设备，覆盖数据中心、医院、制造工厂和商业楼宇。过去，技术人员要回答一个跨设备的运维问题，往往得在多个仪表盘之间来回切换、层层点开菜单，耗时20分钟以上。其工程团队用3—4周在Amazon Bedrock AgentCore上搭出一套对话式智能体，把这段流程压缩到20秒，按内部对技术人员的多周基准测试，时间到洞察提升约60倍。
为什么单体智能体不够
问题首先不在模型，而在“同一份数据、不同的人要看不同的侧面”。现场技师要制冷剂压力、故障码和系统级排障步骤；客户经理要看可用率、节能机会和项目组合趋势；业主则要能效评分、可持续指标和简化摘要。传统系统用同一套界面服务所有角色，逼着每个人记住菜单层级和术语。
如果做成一个单体智能体，任何新工具、新提示词、新数据源都要挤进同一条发布流水线，系统越大越容易堵。团队把难点拆成四件事：实时遥测与知识库检索的集成、智能体逻辑与后端工具执行的分离、跨排障会话的上下文保持、以及多步推理链的可观测性——一个错误答案可能来自缺失的密钥、畸形的工具返回，也可能是模型幻觉，没有端到端追踪就分不清。
五个专家，各管一段
最终方案采用多智能体架构，每个助手有自己的系统提示词，只专注一个能力域：Resources Assistant负责找资料、找联系人、找可分享的文档；Knowledge Assistant回答设备原理、系统参数以及Trane Cloud基础设施是否通过SOC 2认证；Analytics Insights Assistant查询实时遥测，发现能效机会、标记待检项、追溯故障根因；Expert Advisor帮助判断哪种产品方案适配场景、如何提升客户价值；Navigation Assistant直接给出技术支持升级表单、备件订购页面等确切链接和工具。
这种拆分也为扩展留了口子：后续接入工单系统、CRM，只需通过AgentCore Gateway和MCP等开放标准挂上新的工具，不必改动智能体核心。
把智能体逻辑与工具执行分开
团队用Strands框架写智能体行为与编排逻辑，用AgentCore承担托管运行时、记忆、工具网关和生产基础设施，并通过AWS CDK做基础设施即代码。四个能力分别解决一个工程问题。
运行时把每个用户会话隔离在独立微VM中，拥有自己的CPU、内存和文件系统，会话结束即终止并清理。这样现场技师的会话与业主的会话在物理上分开，角色权限不靠自定义基础设施来兜底；计费只算会话内的活跃算力，智能体调用工具之间的长停顿不累计成本。
网关把Trane Cloud的内部API包装成按能力域组织的MCP工具，并与Amazon OpenSearch Service集成，统一处理认证与schema转换。以后接CRM或工单系统，走同一个入口即可。
记忆保存跨排障会话的状态，用户可以直接追问“再和上个月比一下”，不必重复交代背景；短期会话记忆默认90天过期，兼顾上下文与数据保留政策。
可观测性记录智能体发起的每次工具调用。开发期团队遇到反复出现的工具失败，靠CloudWatch中的调用链确认多次调用是同一失败模式，最终定位到AWS Secrets Manager里缺少一个密钥，补上后恢复。
实时数据流是：用户查询携带JWT进入运行时，身份组件按OIDC发现端点校验令牌，记忆注入历史上下文；智能体再通过OAuth 2.0机器对机器认证访问独立MCP服务器；服务器并行调用OpenSearch等系统做语义检索；最后Amazon Bedrock上的Claude模型综合遥测数据，用Server-Sent Events流式返回。
上线后的三个数字
第一，20分钟变20秒，约60倍；第二，后端解耦加统一网关后，把同一套智能体能力接进其他企业应用不到一天；第三，先用内部现场技师做beta，再对外发布——技师面对的是最苛刻的诊断流程，能提前暴露准确性与可用性问题。
生产控制同样没有省略：Bedrock Guardrails配置内容过滤、主题拒绝策略，把智能体限制在运维域内；敏感信息过滤在返回前脱敏PII；提示攻击检测防范越狱；基础设施层再用角色权限和每会话微VM隔离，降低跨租户数据泄露风险。
小结
这个案例说明，企业智能体的难点很少是“选哪个模型”，更多是工具治理、会话隔离、上下文管理和可观测性。把这些“脏活”产品化，20秒的答案才敢交给一线使用。
资料来源：How Trane gets building insights 60x faster with Amazon Bedrock AgentCore — Amazon Web Services（2025-09）。本文为技术要点整理/编译，非原文全文。