新上线15天前0 投票
AWS 用 Agentic AI 将云迁移 IaC 开发从数周压缩到分钟级
当云迁移遇上 Agentic AI
企业级云迁移向来是一项耗时耗力的工程。一个包含 300 多个应用、且必须在固定财年截止日期前完成的迁移项目，如何在有限时间内高质量交付？AWS Professional Services 给出的答案是：用构建在 Amazon Bedrock AgentCore 上的多智能体框架，把迁移流程端到端自动化。
根据内部项目追踪数据，这套方案将每个应用的 基础设施即代码（IaC）开发时间从 3 到 4 周缩短至几分钟。
不是替代，而是混合
需要明确的是，这套多智能体模式并非要取代 AWS 现有的托管服务，而是与之并行协作：
- AWS Transform 负责迁移与现代化改造工作
- AWS Database Migration Service（AWS DMS） 负责数据库层迁移
- 本文介绍的智能体则“挂接”在这些服务之上
它面向的是有额外需求的项目——源端和目标端都通过组织自建和维护的 Model Context Protocol（MCP）工具 来访问。
四智能体模式解析
这套架构基于 Strands Agents SDK 构建，运行在 Amazon Bedrock AgentCore 之上。AgentCore 是一个用于大规模构建、连接和优化智能体的平台，支持任意框架和模型。每个智能体通过 AgentCore Gateway 暴露的 MCP 工具访问其源端和目标端。
四个智能体各司其职：
- Intake Agent（接入智能体）：通过 MCP 工具从文档和协作系统中读取迁移输入
- IaC Agent：生成组合了组织已批准内部模块的基础设施即代码
- Migration Intelligence and Governance Agent（迁移智能与治理智能体）：在组织自有项目工具内进行报告和治理
- Site Reliability Engineering（SRE）Agent：负责切换后的运维工作
落地前提
要复现这一模式，你需要：
- 一个可访问 Amazon Bedrock AgentCore 和 Amazon Bedrock 基础模型的 AWS 账户
- 熟悉 Strands Agents SDK 和 MCP 服务器模式
- 了解组织所使用的 IaC 工具链
AWS 同时提醒：在采用这套自定义方案前，应先确认现有 AWS 托管服务是否已能覆盖你的迁移路径。
行业意义
这套方案的看点在于它展示了 Agentic AI 在企业级基础设施场景中的真实落地方式——不是单一大模型包打天下，而是多个专用智能体通过标准协议（MCP）协作，嵌入到既有工作流和治理体系中。对于正在规划大规模上云的企业而言，这种“托管服务 + 定制智能体”的混合思路，或许比追求全自动化的单一方案更具现实参考价值。
