从Demo到体系:Amazon Nova Act与MCP如何重塑AI Agent构建方式

AI PM 编辑部 · 2025年06月21日 · 3 阅读 · AI/人工智能

正在加载视频...

视频章节

这是一场偏实战的完整工作坊记录。Amazon的Du'An Lightfoot不仅展示了如何用Nova Act一步步搭建AI Agent,还通过MCP和Strands Agents给出了一套可扩展、可迭代的Agent方法论,让“智能体”不再停留在概念层面。

从Demo到体系:Amazon Nova Act与MCP如何重塑AI Agent构建方式

这是一场偏实战的完整工作坊记录。Amazon的Du'An Lightfoot不仅展示了如何用Nova Act一步步搭建AI Agent,还通过MCP和Strands Agents给出了一套可扩展、可迭代的Agent方法论,让“智能体”不再停留在概念层面。

为什么今天的AI Agent不再只是“会调用工具的模型”

在一开始,Du'An Lightfoot就抛出了一个问题:“How many of you right now are building agentic systems?”这不是寒暄,而是点出了当下的行业现实——越来越多团队在尝试AI Agent,但真正跑通体系的人并不多。对他来说,Agent并不是一个会自动调用API的脚本,而是一个“完整的系统”,从感知、决策到行动都要闭环。

他在早期片段中反复强调,当一个系统能够自主决定下一步要做什么、并根据结果持续调整策略时,“This is an agent.”这句话成为全场的定义锚点。Agent的价值不在于炫技,而在于是否真的能在不确定环境中完成目标。

这个判断也解释了为什么他会把日志(logging)和迭代(iterative approach)放在非常靠前的位置。在他的架构拆解中,Agent不是一次性写完的程序,而是一个需要不断观察、评估、优化的过程。没有日志,就没有反馈;没有反馈,Agent就无法进化。

架构拆解:从核心模型到可迭代的Agent系统

在具体架构层面,Du'An并没有一上来就展示代码,而是先把Agent拆解成几个关键部分:模型、工具、记忆以及编排逻辑。这里的核心不是某个“神秘模块”,而是清晰的职责划分。

他特别指出,一旦Agent开始执行任务,就必须记录每一步发生了什么,包括模型的输入、输出以及工具调用结果。这并不是为了“事后复盘”,而是为了让系统在下一轮运行中做得更好。“This is the iterative approach, always trying to improve and optimize.”

这一点在AWS语境下尤为重要。Du'An坦言,如果完全DIY,从底层搭建这些能力会消耗大量时间和精力,而AWS已经提供了很多现成的基础设施,能帮开发者把注意力放在真正的业务逻辑上。这并不是反对DIY,而是明确什么时候该造轮子,什么时候该用现成能力。

Strands Agents:把复杂任务拆成可控的“行动链”

在中段内容里,话题转向Strands Agents。这一部分的价值在于,它回答了一个实际问题:当Agent的任务变复杂时,如何避免系统失控?

Du'An将Strands描述为一种结构化方式,把一个复杂目标拆解成多个可执行的“链条”。每一段Strand都清楚知道自己的输入、输出以及失败时该如何处理。这样做的好处是,开发者可以单独调试某一段,而不是在一个巨大的黑盒里找问题。

他在现场演示中不断“taking it a step further”,展示如何在现有Agent之上继续叠加能力。这种渐进式构建方式,本身就是对“Agent工程化”的一次示范:不是一开始就追求全能,而是先让系统在小范围内可靠运行。

Nova Act实战与MCP:从Research Preview到真实工作流

真正让观众进入状态的是后半段的Hands-on Workshop。Du'An明确说明,这是一个research preview,“It’s not AGI”,但已经足以展示Nova Act在真实任务中的潜力。

在无需本地安装复杂环境的前提下,他用非常简洁的代码驱动Nova Act执行任务,并展示了Agent如何记录“each for everything it did”。这种透明性让观众能直观看到Agent的思考和行动路径。

随后进入MCP部分,Agent开始根据上下文“figure out which tool to run”,而不是被硬编码流程牵着走。无论是地点更新、信息查询,还是多模块协作,MCP都扮演了协调者的角色。这一段的隐含信息很清楚:未来的Agent不是单模型英雄,而是由多个模块协同工作的系统。

总结

整场工作坊并没有试图制造“下一代智能体已到来”的戏剧效果,相反,它提供了一条非常现实的路径:从清晰定义Agent开始,用日志和迭代保证系统可进化,再通过Strands和MCP控制复杂度。对开发者来说,最大的启发或许是:AI Agent的难点不在模型本身,而在工程化与系统思维。真正的差距,往往体现在这些看似“基础”的设计选择上。


关键词: Amazon Nova Act, AI Agent, MCP, Strands Agents, AWS

事实核查备注: 视频标题:Building Agents with Amazon Nova Act and MCP;演讲者:Du'An Lightfoot(Amazon);核心技术名词:Amazon Nova Act、MCP、Strands Agents;关键原话示例:“This is an agent.”、“This is the iterative approach, always trying to improve and optimize.”、“It’s not AGI.”;视频发布时间:2025-06-21;来源频道:AI Engineer