用 AWS CDK 在托管 Amazon Bedrock Knowledge Base 上构建智能体检索

文章以一次提问的完整路径为主线，演示如何用单个 Python CDK 应用部署跨两个知识库的智能体检索系统。用户问题先进入托管在 Amazon Bedrock AgentCore Runtime 上的智能体，由推理模型判断是否需要检索以及选择哪个知识库；每个知识库通过 AgentCore Gateway 以 MCP 工具形式暴露，经 IAM 任务角色授权和 SigV4 签名后调用该知识库的 AgenticRetrieveStream API，由后者拆解子查询、迭代检索并返回带引用的答案，智能体再判断上下文是否充分，不足则继续循环。 方案对比了托管与自建知识库的差异：托管类型（Type: MANAGED）由 Amazon Bedrock 负责摄取、存储、索引与检索，默认使用服务托管模型完成嵌入与重排序，无需预置 OpenSearch Serverless 集合或 OCU 容量；而智能体检索与 AgentCore Gateway 集成仅在托管知识库上支持。自建方案仍适用于需要复用现有向量库或满足数据驻留、调优与合规要求的场景。 可观测性与评估被纳入部署本身：同一 CDK 应用预置两块 CloudWatch 仪表盘，覆盖七层遥测，并提供按需与持续两种评估，输出忠实度与正确性分数，带引用的答案可回溯到源段落以便审计。文章还解释了选择 CDK 的原因——四个堆栈之间存在七个跨栈引用值，包括两个知识库 ID、Gateway 的 URL 与 ARN、智能体运行时 ID 等，CDK 通过构造引用自动派生导出与依赖顺序，避免手工维护模板导出和部署脚本。 部署时每个 Amazon S3 语料一次性摄取进各自的托管知识库，这一步不属于每次提问的路径；此后每次提问都经过路由、网关调用、检索与充分性判断的循环，运行时通过 OpenTelemetry span 将 token 计数与指标发送到 CloudWatch 和 AWS X-Ray。文章提到 2024 年 8 月的旧方案采用单次检索设计，需手工排序三个堆栈并自行管理 OpenSearch Serverless 集合，而新方案取消了向量存储的运维负担，约一半资源用于观测智能体行为。