場景描述

釋普科技針對實驗室50%時間耗費在管理、樣本準備等非核心事務的問題，開發了R&D Platform和LabOpsPlatform，通過模塊化協作接管重複性工作，讓科學家專注創新研發。在快速拓展的過程中釋普科技發現，隨著產品模塊的數量和業務功能不斷增加，早期采用的單Agent 架構已難以支撐複雜任務的高效處理，存在兩大核心難題：

其一，在單Agent、單Action Group 模式下，隨著功能數量的增加，係統在意圖識別上易出現混淆。其二，麵對多個並行業務目標，單Agent 架構也難以實現任務的獨立管理與高效調度。

解決方案

1. 通過引入Amazon Bedrock 的Multi-Agent collaboration 功能，釋普科技不僅有效規避了單Agent 架構下的意圖歧義與模塊耦合問題，也為產品功能的後續演進奠定了基礎。Amazon Bedrock Multi-Agent collaboration 框架預設了完整的“監督 Agent- 子Agents” 體係，釋普科技僅需為每個子Agent 定義清晰的功能描述與提示詞，並在監督 Agent 中標明其所對應的任務類型，係統即可在接收到用戶請求時自動完成任務分發、執行與結果匯總，大幅簡化了部署與調試流程；

2. 在全新架構中，各子Agent 職責邊界清晰，便於獨立調試與優化，而監督Agent 則統一承擔任務識別、路由與調用調度的角色，顯著提升了係統整體的可維護性與響應效率；

3. 完成Multi-Agent 係統的構建後，釋普科技希望進一步針對任務鏈中的關鍵邏輯模塊，推進係統的輕量化與解耦優化。為實現更高的執行靈活性與資源效率，釋普科技選擇引入Serverless 架構，通過Amazon Lambda 將用戶鑒權、時間戳轉換等通用邏輯封裝為可複用函數，並以Tool（工具）或Action（動作）的形式嵌入Agent 工作流中。

成效

1.釋普科技基於Multi-Agent 架構所構建的跨模塊協同的智能係統，能夠以監督Agent 對多業務子Agent 進行統一調度與協同執行，提升服務流程中用戶意圖識別的準確性與交互效率；

2.麵對客戶定製化場景，該係統還能通過衍生方式靈活接入客戶側工具與專屬Agent，實現產品功能與客戶需求的深度融合；

3.釋普科技實現了Multi-Agent 架構與Serverless 體係的高效協同，在增強係統性能與服務彈性的同時也顯著提升了研發流程的執行效率，從而將AI Agent 產品的上線周期加快50%，加速了生成式AI 在實驗室科研場景中的落地與價值釋放。