מדריך

בניית סוכן נסיעות קולי עם Bedrock AgentCore ו-Nova Sonic

מדריך AWS מציג ארכיטקטורה מבוססת Bedrock AgentCore, מודל Nova 2.5 Sonic ופרוטוקול MCP

4 דקות קריאה
EN
בניית סוכן נסיעות קולי עם Bedrock AgentCore ו-Nova Sonic
מבוסס על כתבה שלAWS Machine Learning ↗תרגום וסיכום באמצעות מערכת חדשות בליווי AIאיך אנחנו עובדים

תקציר מנהלים

מה חשוב לדעת

  1. הפתרון מבוסס על Amazon Bedrock AgentCore, מודל Nova 2.5 Sonic ו-Amazon Bedrock Knowledge Bases.

  2. החיבור בין הסוכן לשירותי ה-backend מבוצע באמצעות Model Context Protocol (MCP) לשמירה על צימוד רופף.

  3. הארכיטקטורה מפרידה בין ממשק המשתמש, סוכן ה-AI ושירותי ה-backend לשלוש שכבות נפרדות, ונפרסת באמצעות AWS CDK.

  4. האינטראקציה הקולית מתבצעת בזמן אמת בחיבור WebSocket ישיר בפורמט 16 kHz PCM.

בפוסט טכני שפורסם בבלוג של AWS, הציג רווי קומאר ארכיטקטורה לבניית סוכן נסיעות קולי (voice travel concierge) עבור אפליקציות של חברות תעופה. הפתרון מבוסס על שלושה שירותים מנוהלים: Amazon Bedrock AgentCore, המשמש כפלטפורמה לבנייה, פריסה והפעלה של סוכני בינה מלאכותית בסביבה מאובטחת; Amazon Nova Sonic ב-Bedrock, מודל דיבור-אל-דיבור (speech-to-speech) לקול בזמן אמת; ו-Amazon Bedrock Knowledge Bases, שירות RAG מנוהל לעיגון תשובות במסמכי מדיניות. הסוכן מאפשר לנוסעים לבצע משימות כגון החלפת מושב, בדיקת עיכובים, עדכון העדפות ארוחה, בירור מדיניות והסלמה לנציג אנושי לפי בקשה, תוך כדי שילוב לצד המסכים הקיימים באפליקציה.

ארכיטקטורת המערכת והפרדת השכבות

הארכיטקטורה המוצגת מפרידה בין ממשק המשתמש (front end), סוכן הבינה המלאכותית ושירותי ה-backend לשכבות נפרדות, מה שמאפשר לפתח ולהרחיב כל רכיב באופן עצמאי. לצורך קישור הסוכן לשירותי ה-backend נעשה שימוש ב-Model Context Protocol (MCP), תקן פתוח להעברת הודעות סטנדרטיות השומר על צימוד רופף (loose coupling).

הפתרון כולל פריסה של מספר שירותי AWS:

  1. Amazon Cognito – מטפל באימות משתמשים ומספק אישורי AWS זמניים לגישה חתומה לממשקי ה-API.
  2. Amazon Bedrock AgentCore runtime – מארח את הסוכן בבידוד ברמת microVM עבור כל הפעלה (session).
  3. Amazon Bedrock AgentCore Gateway – חושף את נקודות הקצה של ה-backend ככלי MCP הניתנים לגילוי.
  4. Amazon API Gateway – מפרסם את ה-backend כנקודות קצה של REST עם הרשאות AWS Identity and Access Management (IAM).
  5. AWS Lambda – מריץ את הלוגיקה העסקית עבור מסלולי נסיעה, מפות מושבים, עדכוני נוסעים, סטטוס טיסה, מועדון לקוחות, בדיקות מדיניות והסלמות.
  6. Amazon DynamoDB – שומר פרופילי לקוחות, הזמנות, נוסעים, מפות מושבים, היסטוריית רכישות, העדפות, תמלולי שיחות ונתוני טיסות.
  7. Amazon Bedrock Knowledge Bases – עונה על שאלות מדיניות על ידי עיגון במסמכי חברת התעופה.
  8. Amazon Simple Email Service (SES) – שולח התראות בדואר אלקטרוני.
  9. AWS Amplify – מארח את ממשק ה-React של האפליקציה.

התשתית מחולקת לארבעה מקטעים ב-AWS CDK: מקטע A כולל חמש מחסניות CDK לתשתיות ה-backend; מקטע B כולל מחסנית אחת ליצירת ה-AgentCore Gateway עם פרוטוקול MCP; מקטע C כולל שתי מחסניות להקצאת תשתית ה-runtime, כולל שימוש ב-Amazon ECR לתמונת הקונטיינר, Amazon S3 להעלאות קוד מקור ו-AWS CodeBuild להפקת תמונת ARM64 Docker; ומקטע D כולל מחסנית לפריסת אפליקציית ה-React ב-AWS Amplify.

זרימת בקשות המשתמש וחיבור WebSocket

זרימת האינטראקציה מתחילה כאשר המשתמש פותח את אפליקציית הרשת ב-AWS Amplify ומזין פרטי התחברות. Amazon Cognito מאמת את הבקשה ומחזיר אסימוני JWT ואישורי AWS זמניים. לאחר מכן, ממשק המשתמש פותח חיבור WebSocket חתום ב-SigV4 ישירות מול Amazon Bedrock AgentCore.

זמן הריצה מאמת את האסימון מול Cognito ומאתחל את Amazon Nova 2.5 Sonic. כאשר המשתמש מדבר, האודיו מוזרם בפורמט 16 kHz PCM דרך ה-WebSocket. מודל Nova 2.5 Sonic מעבד את הדיבור ומפעיל קריאות לכלים (tool calls). הסוכן מפעיל את ה-AgentCore Gateway באמצעות MCP כדי לאחזר נתוני טיסה או לבצע פעולות, וה-Gateway מתרגם את הקריאות לבקשות REST API המועברות ל-API Gateway ולפונקציות Lambda. הנתונים נשלפים מ-DynamoDB, ו-Nova 2.5 Sonic מחזיר תשובה קולית המוזרמת חזרה למשתמש דרך חיבור ה-WebSocket.

יכולות עיבוד קולי עם Amazon Nova 2.5 Sonic

הפתרון עושה שימוש ב-Amazon Nova 2.5 Sonic, מודל קול-אל-קול בעל יכולות הסקת מסקנות בזמן אמת. המודל מספק זיהוי דיבור במגוון מבטאים, עמידות לרעשי רקע, תשובות קוליות המתאימות עצמן לטון הדיבור של הנוסע, והזרמה דו-כיוונית בשיהוי נמוך.

בנוסף, המערכת כוללת קריאות אסינכרוניות לכלים במקביל ללא עצירת השיחה, מיסוך שיהוי (latency masking) על ידי הפקת תגובות קוליות זמניות בזמן ההמתנה לתוצאות, יכולת התפרצות (barge-in), ניהול תורות דיבור טבעי ושמירה על הקשר לאורך תורות מרובים. הסוכן מוגדר לפעול לפי דפוס של אישור לפני כתיבה (confirm-before-write), המחייב אישור מהנוסע לפני ביצוע שינויים, ומקריא מספרי טיסות וקודי אישור תו אחר תו.

מענה לשאלות מדיניות והסלמה לנציג אנושי

עבור שאלות בנושאי כבודה, דמי שינוי, טיסה עם חיות מחמד ותנאי מועדון לקוחות, הסוכן מתחבר ל-Amazon Bedrock Knowledge Bases דרך מחבר ייעודי ב-AgentCore Gateway. מסמכי המדיניות מועלים ל-Amazon S3, והשירות מטפל בהטמעה (embedding), חלוקה למקטעים, אינדוקס, אחסון ב-Amazon S3 Vectors ואיחזור. מנגנון Smart Parsing מכין קובצי PDF כך שטבלאות ומבנים מורכבים יאותחרו בצורה מדויקת.

כאשר משתמש מבקש לשוחח עם נציג אנושי, או כאשר הסוכן אינו יכול למלא את הבקשה, מופעל כלי ה-EscalateToAgent לאחר קבלת אישור מהמשתמש. פונקציית Lambda מתעדת את ההסלמה ב-DynamoDB ומחזירה מספר פנייה וזמן המתנה משוער. ממשק ה-Amplify מפעיל את החיוג למספר התמיכה שהוגדר במערכת ממכשירו של המשתמש.

דרישות מקדימות ופריסה

הפריסה מתבצעת באמצעות תסריט AWS CDK יחיד. הדרישות המקדימות כוללות חשבון AWS, גישה למודל Amazon Nova 2.5 Sonic באזור הפריסה, Node.js בגרסה 20.x ומעלה, Python בגרסה 3.12 ומעלה, AWS CLI מגרסה 2.x, ו-AWS CDK CLI מגרסה 2.x. ניטור המערכת מתבצע באמצעות Amazon CloudWatch, והצפנת הנתונים במנוחה מנוהלת באמצעות AWS KMS. הסרת המשאבים מתבצעת בסדר הפוך לפריסה באמצעות תסריט ייעודי.

האם זה היה שימושי לעסק שלכם?

שאלות ותשובות

שאלות נפוצות

הכתבה הוכנה באמצעות מערכת בליווי בינה מלאכותית לתרגום, סיכום ובקרות איכות אוטומטיות מתוך פרסום מקורי של AWS Machine Learning. קראו על תהליך העריכה שלנו. קישור למקור המקורי.

קבלו עדכוני AI שימושיים למייל

תקציר ממוקד ממערכת החדשות שלנו.

עוד מ־AWS Machine Learning

כל הכתבות מ־AWS Machine Learning
שכפול קול ב-Amazon Polly: זמינות במתכונת שחרור מבוקר
מוצר חדש
4 דקות
מ־AWS Machine Learning

שכפול קול ב-Amazon Polly: זמינות במתכונת שחרור מבוקר

שירות Amazon Polly השיק יכולת שכפול קול (voice cloning) הזמינה כעת במסגרת שחרור מבוקר (gated release). היכולת מאפשרת להפיק קול מותאם אישית מתוך מספר דקות של הקלטות של דובר שהסכים לכך, על גבי המנוע היוצר (generative engine) של השירות. השירות תומך בשבע שפות: אנגלית, ספרדית, גרמנית, צרפתית, איטלקית, פורטוגזית והינדי, כאשר כל קול פועל בשפה שבה הוקלט. ההקלטות אינן נשמרות לאחר יצירת הקול ואינן משמשות לאימון מודלים, והגישה לקול מוגבלת לחשבון שיצר אותו עם תמיכה בהצפנת AWS KMS וניהול הרשאות ב-IAM. יצירת הקול ניתנת ללא עלות, והשימוש בסינתזה מחויב לפי צריכה.

קרא עוד
תמיכה ב-Private CA ב-Amazon Bedrock AgentCore Identity
מדריך
5 דקות
מ־AWS Machine Learning

תמיכה ב-Private CA ב-Amazon Bedrock AgentCore Identity

בפוסט שפורסם בבלוג של AWS, הוכרזה תמיכה בתעודות רשות אישורים פרטית (Private CA) במסגרת AgentCore Identity, יכולת של Amazon Bedrock AgentCore. יכולת זו מאפשרת לסוכני בינה מלאכותית להתחבר לספקי זהות פרטיים כמו Keycloak המאוחסנים ברשת פנימית, תוך מתן אמון ב-CA הארגוני. התעודה בפורמט PEM נשמרת ב-Secrets Manager או ב-S3 ומאומתת מול נקודות הקצה של ה-IdP דרך Amazon VPC Lattice. הפוסט מפרט את אופן ההגדרה, שלבי הניטור ב-CloudWatch ותהליך ביצוע רוטציה ללא השבתה.

קרא עוד
ניהול עלויות מקצה לקצה ב-Amazon Bedrock: מדריך לצוותי FinOps
מדריך
5 דקות
מ־AWS Machine Learning

ניהול עלויות מקצה לקצה ב-Amazon Bedrock: מדריך לצוותי FinOps

בפוסט של מומחי AWS מוצג מודל תפעולי בן חמישה שלבים לניהול עלויות ב-Amazon Bedrock, המיועד לצוותי FinOps והנדסת פלטפורמה. המודל מתמקד בעומסי עבודה של סוכני בינה מלאכותית (agentic workloads), שבהם צריכת הטוקנים מושפעת מרמת האוטונומיה וגודל ההקשר. חמשת השלבים כוללים: שיוך עלויות לכל ישות וצוות באמצעות תגי IAM ודוחות CUR 2.0; יצירת יכולת תצפית ובקרה באמצעות רישום יומני הסקה ב-CloudWatch וב-S3 לצד מטא-דאטה מובנית; אכיפת תקציבים בשלוש רמות (התראות, שלילת הרשאות ב-IAM או חסימה סינכרונית בשער); מיטוב ברירות מחדל באמצעות שמירה במטמון (prompt caching) וניתוב מודלים חכם; והפעלת סקירת ביצועים משותפת מבוססת מדדים ברורים.

קרא עוד
אימון סוכנים ב-Multi-Turn Reinforcement Learning ב-SageMaker AI
מדריך
5 דקות
מ־AWS Machine Learning

אימון סוכנים ב-Multi-Turn Reinforcement Learning ב-SageMaker AI

מדריך טכני של מהנדסי AWS מציג את השימוש ב-Multi-Turn Reinforcement Learning (MTRL) על גבי Amazon SageMaker AI לאימון סוכני בינה מלאכותית על רצפי פעולות מרובי שלבים. באמצעות הדגמה על משחק Wordle, המאמר מפרט כיצד אימון מודל GPT-OSS-20B בעזרת סביבת Amazon Bedrock AgentCore ואלגוריתם GRPO העלה את שיעור הפתרון מ-61% ל-84% בהגדרות הגשה, בעלות של כ-339 דולר בטוקנים. המדריך כולל פירוט על ארכיטקטורת המערכת, הכנת מערך הנתונים ללא תוויות, נוסחת פונקציית התגמול המפרידה בין תוצאה לעיצוב התנהגות, והתמודדות עם תקלות תשתית ואימות במהלך האימון.

קרא עוד

עוד כתבות שיעניינו אותך

לכל הכתבות
תזמור סוכני בינה מלאכותית: המדריך לניהול כוח העבודה העסקי החדש
מדריך
5 דקות
מ־Salesforce Blog

תזמור סוכני בינה מלאכותית: המדריך לניהול כוח העבודה העסקי החדש

מדריך שפורסם על ידי סיילספורס (Salesforce) מפרט כיצד פועל תזמור של סוכני בינה מלאכותית (AI orchestration) ומה תפקידו של מתזמר הבינה המלאכותית בעסקים. לפי המדריך, תזמור עוסק בתיאום בין סוכנים מרובים כך שכל שלב מנותב לסוכן המתאים ביותר, בעוד אדמיניסטרציית בינה מלאכותית מתמקדת בתחזוקה, הרשאות ובדיקת איכות הנתונים. המדריך מציג מחזור עבודה קבוע הכולל קליטה, ניתוב, פעולה וסקירה אנושית, ומדגיש כי מחקר של Slack מצא ש-41% מהזמן בעבודה אובד על משימות חזרתיות. כדי לתזמר סוכנים אין צורך בידע בכתיבת קוד, אלא בשיקול דעת, בניסוח הנחיות ברורות ובשימוש במערכת CRM כבסיס נתונים משותף המונע ניחושים ושומר על רצף המידע.

קרא עוד
תמיכה ב-Private CA ב-Amazon Bedrock AgentCore Identity
מדריך
5 דקות
מ־AWS Machine Learning

תמיכה ב-Private CA ב-Amazon Bedrock AgentCore Identity

בפוסט שפורסם בבלוג של AWS, הוכרזה תמיכה בתעודות רשות אישורים פרטית (Private CA) במסגרת AgentCore Identity, יכולת של Amazon Bedrock AgentCore. יכולת זו מאפשרת לסוכני בינה מלאכותית להתחבר לספקי זהות פרטיים כמו Keycloak המאוחסנים ברשת פנימית, תוך מתן אמון ב-CA הארגוני. התעודה בפורמט PEM נשמרת ב-Secrets Manager או ב-S3 ומאומתת מול נקודות הקצה של ה-IdP דרך Amazon VPC Lattice. הפוסט מפרט את אופן ההגדרה, שלבי הניטור ב-CloudWatch ותהליך ביצוע רוטציה ללא השבתה.

קרא עוד
אוטומציה של טופסי יצירת קשר באמצעות עוזרי AI ו-Zapier
מדריך
4 דקות
מ־Zapier

אוטומציה של טופסי יצירת קשר באמצעות עוזרי AI ו-Zapier

במאמר שפורסם בבלוג של Zapier מוסבר כיצד ניתן לחבר טופסי יצירת קשר ליישומים עסקיים באמצעות עוזרי בינה מלאכותית. חיבור Zapier לעוזר AI דוגמת Claude, ChatGPT או Cursor, כשרת MCP או כמחבר, מאפשר למשתמש לתאר בשפה פשוטה את הפעולות הנדרשות עבור כל הגשת טופס. הסוכן בונה תהליך עבודה אוטומטי (Zap) המתחבר ליותר מ-9,000 אפליקציות, כגון HubSpot, Salesforce ו-Slack. האוטומציה פועלת ברגע קבלת הטופס, משתמשת בבינה מלאכותית רק לשלבים הדורשים שיקול דעת, ושומרת על פרטי ההתחברות ומפתחות ה-API מחוץ לצ'אט.

קרא עוד
מדריך סיילספורס לפיתוח סוכני AI, אפליקציות וארכיטקטורת Headless
מדריך
4 דקות
מ־Salesforce Blog

מדריך סיילספורס לפיתוח סוכני AI, אפליקציות וארכיטקטורת Headless

לפי מדריך שפרסמה סיילספורס, ארגונים נדרשים להתאים את מחזורי הפיתוח לעידן הבינה המלאכותית ולפתח סוכנים ואפליקציות מבלי להתפשר על אבטחה ואיכות. המדריך מתווה תהליך עבודה מודולרי בן שישה שלבים הכולל תכנון, בנייה, בדיקה, פריסה, ניטור והרחבה, תוך שילוב עקבי של משילות ואבטחה לכל אורך הדרך. במסגרת הבנייה מוצגים כלי פיתוח שונים, בהם Vibe coding, כלי Low-code ו-No-code כגון Builder Central, לצד ניתוב מחדש של קידוד מסורתי למשימות מותאמות אישית. שלבי הבדיקה והפריסה נשענים על סביבות Sandbox, מיסוך נתונים וכלי DevOps מובנים, בעוד ששכבת Headless ופרוטוקולי MCP מאפשרים לחבר את הסוכנים למערכות ארגוניות ולנתונים מנוהלים.

קרא עוד