自动驾驶/汽车

Mobileye 使用 Amazon Bedrock AgentCore 改造支持运营：响应时间缩短 90%

收录时间：2026年8月15日查看来源

问题

随着数据采集流水线扩展，66%的支持工单成为常规状态查询。工程师处理每个查询需手动跨多个系统操作约15次点击，耗时且分散高级工程师精力；传统自动化方法（脚本、静态工作流、规则决策树）无法理解上下文和适应多样化查询模式。

解决方案

Mobileye 使用 Amazon Bedrock AgentCore 的 serverless 运行时部署 AI 支持代理，通过内部 LLM 网关调用 Anthropic Claude 模型，并利用 Model Context Protocol (MCP) 实时访问生产数据。架构采用混合设计：本地编排器处理内部工单系统，AgentCore 负责代理运行和内置可观测性，AWS Secrets Manager 保障无密钥安全认证。

结果

AI 支持代理在 2 分钟内无人工干预完成响应，整体成功率达 98%（超过 95% 目标），响应时间从数小时降至约 1 分钟（改进 90%），自动化处理了 66% 的工单量，每月处理超过 100 个工单，释放工程师聚焦复杂工作。Mobileye 还将其转化为内部自助式 AI 代理部署平台，使团队无需 AWS 凭证即可快速部署代理。

成本

成本信息待确认。

案例分析

使用场景：内部支持工单处理，针对驾驶数据采集流水线的状态查询

实施证据：Mobileye 在生产环境中部署了基于 Amazon Bedrock AgentCore 的 AI 支持代理：本地编排器从内部工单系统提取新工单，发送至 AgentCore 运行时代理处理，代理通过 MCP 服务器查询实时生产数据并访问 Claude 模型，生成响应后由本地编排器写回工单系统。AgentCore 可观测性记录了端到端交互。生产部署结果达到 98% 成功率、约 1 分钟响应时间，并处理 100+ 工单/月。

指标：响应时间从数小时降至约 1 分钟（改进 90%）；整体成功率 98%，超过 95% 的目标；自动化处理 66% 的总工单量；每月处理 100+ 个工单

经验：使用 MCP 让代理在推理时实时访问生产数据，实现上下文感知的响应；采用混合架构桥接本地工单系统与 AWS 云服务，兼顾安全与灵活性；凭借 AgentCore 的 serverless 和内置可观测性，快速从概念验证进入生产，无需基础设施管理