บล็อก
Amazon Bedrock, AgentCore, SageMaker & Q: เอเจนต์ใน Microsoft Teams
Playbook FDE: ใช้บริการ AWS ใด เส้นทางเอเจนต์ Teams แรก และประมาณการปฏิทินสำหรับ RAG, MLOps และแอป LLM
ในหน้านี้
Amazon Bedrock, Bedrock AgentCore, SageMaker และ Amazon Q ทำงานร่วมกันอย่างไร — และ FDE ส่งมอบเอเจนต์ธุรกิจตัวแรกเข้า Microsoft Teams อย่างไร สำหรับคู่มือตั้งค่าเต็ม รายการเครื่องมือ และประมาณการปฏิทิน อ่าน บทความยาว.
ใครทำอะไรในสแต็ก AWS
| บริการ | เหมาะสำหรับ | ไม่เหมาะสำหรับ |
|---|---|---|
| Amazon Bedrock | Serverless FMs, Guardrails, Knowledge Bases (RAG), Agents APIs | เทรนโมเดลใหญ่จากศูนย์ |
| Bedrock AgentCore | รันไทม์เอเจนต์กำหนดเอง เครื่องมือ Gateway (รวม Teams Graph), Identity, Memory | เฉพาะ low-code “chat with my docs” |
| Amazon SageMaker | เทรน / fine-tune / โฮสต์โมเดลกำหนดเอง, Pipelines, Feature Store, MLOps | เส้นทางเร็วที่สุดสู่ MVP แชทบอท Teams |
| Amazon Q | ผู้ช่วยความรู้พนักงาน; ความช่วยเหลือเขียนโค้ดบน AWS | ผลิตภัณฑ์ multi-agent ที่กำหนดเองลึก |
แพทเทิร์นธุรกิจที่แนะนำ
- สัปดาห์ 0–2: ตั้ง Bedrock + Knowledge Base RAG บนคลังนำร่อง; เปิด Guardrails
- สัปดาห์ 2–4: แพ็กเอเจนต์โปรดักชันบน AgentCore Runtime; เชื่อมเครื่องมือผ่าน Gateway (SharePoint, CRM, Teams Graph)
- สัปดาห์ 3–5: ส่งบอท Teams ที่ส่งต่อข้อความไป AgentCore; รักษาเซสชันด้วย
teams-{aadObjectId}-{conversationId}. - ขนาน / ภายหลัง: SageMaker สำหรับ classifiers แบบกำหนดเองหรือ fine-tunes; Amazon Q Business สำหรับ Q&A ทั้งองค์กรโดยสร้างน้อยลง
เอเจนต์แรกใน Teams (สแนปช็อต FDE)
เส้นทางขั้นต่ำที่ใช้ได้ในไพลอตที่คิดแบบโปรดักชัน:
- Azure Bot + ลงทะเบียนแอป Teams (Entra ID)
- AWS Lambda (หรือคอนเทนเนอร์) เป็น endpoint ข้อความ Bot
POSTไปยัง AgentCore Runtime/invocationsด้วย JWT- Bedrock Knowledge Base สำหรับ RAG; Guardrails เพื่อความปลอดภัย
- ช่องนำร่อง ลูปฟีดแบ็กมนุษย์ ร่องรอย CloudWatch
คาดประมาณ 3–6 สัปดาห์ สำหรับเอเจนต์ภายในที่มีขอบเขต (หนึ่งแผนก หนึ่งแหล่งความรู้ เครื่องมืออ่านเป็นหลัก) พร้อม FDE + วิศวกรแพลตฟอร์ม + รีวิวความปลอดภัย Full MLOps + multi-agent + การเขียนลงระบบ line-of-business คือ ไตรมาส+.
Time boxes (โดยประมาณ)
| สายงาน | ปฏิทิน (นำโดย FDE) |
|---|---|
| Bedrock chat + Guardrails MVP | 3–5 วัน |
| Knowledge Base RAG (one corpus) | 1–2 สัปดาห์ |
| AgentCore agent + 2–3 tools | 2–3 สัปดาห์ |
| บอท Teams + เผยแพร่แอดมินไพลอต | 1–2 สัปดาห์ (ทับซ้อน) |
| Amazon Q Business (managed assistant) | 1–3 สัปดาห์ |
| SageMaker fine-tune + endpoint + MLOps | 4–8+ สัปดาห์ |
อ่านเวอร์ชันยาว
การ บทความยาว ครอบคลุมไดอะแกรมสถาปัตยกรรมแบบร้อยแก้ว การตั้งค่า first-agent บน Teams ทีละขั้น Entra ID กับ AgentCore Identity เป้าหมายเครื่องมือ Gateway หลักสูตรอบรม FDE เช็กลิสต์ requirements/tooling และประมาณการแบบเฟสสำหรับแอป LLM, RAG และ MLOps เผยแพร่โดย TenthMatrix.
เพิ่มเติมจากบล็อก
Observability Is Not Optional: Make It a Business Standard
Why fragmented monitoring creates blind spots, duplicate spend, and slow incidents — and how to make centralised observability a non-negotiable company standard.
WSL Vault for Compliance: One Tenant Never Opens Another’s Secrets
How WSL Vault keeps app, team, and environment tenants cryptographically isolated — so a stolen root-style token cannot empty the estate — and why dual-tenant control beats secrets sprawl.
Workstation AI Shop: Promoting the AI Sales Storefront Through int → test → acc → prod
Workstation AI Shop sells GPU machines with a fully autonomous AI Sales Agent that configures the basket. See how Ring Promoter moves each build through int → test → acc → prod — with Orbit screenshots release engineers and stakeholders share.