10月6日，AWS 喺佢個機器學習 blog 放咗篇技術教學，示範點樣喺航空公司 app 度加層「聲控櫃員」。嘢唔係新產品發布，而係份「point-to-point」建築指南：乘客開口，AI 就幫你拉起行程、改坐位、更新餐食偏好、答機票政策問題，要人幫你嘅話仲可以轉交人工，俾個參考編號同估計等待時間。
成個方案建立在 AWS 三隻管理式服務上面。
Amazon Bedrock AgentCore 係個 agent 平台，負責 build、deploy 同 operate AI agents，可以用自己揀嘅框架同模型。呢度用到 AgentCore 嘅兩個 component：AgentCore runtime 用 microVM 隔離每個 session 嚟 host agent；AgentCore Gateway 把後端 endpoints 暴露做可發現嘅 MCP tools。
Amazon Nova 2.5 Sonic 係個 speech-to-speech model，處理即時語音。乘客講嘢，佢聽得明，同時流式回傳語音，唔使先轉文字再處理。
Amazon Bedrock Knowledge Bases 係個 fully managed RAG（retrieval augmented generation，檢索增強生成）服務，用航空公司自家文件做 grounding，所以答政策問題嘅時候有根據，唔係憑空講。
技術棧點串：用 Strands Agents framework 同 Nova 2.5 Sonic 組成 agent，host 喺 AgentCore runtime；用 Model Context Protocol（MCP，一個連接 AI 應用與外部工具嘅開放標準） 透過 AgentCore Gateway 接後端；前端認證交畀 Amazon Cognito；後端邏輯行喺 AWS Lambda，涵蓋行程、座艙圖、乘客資料、航班狀態、里數積分、政策查詢同轉人工；資料庫用 Amazon DynamoDB；部署用 AWS CDK。
值得注意嘅係，呢個係廠商示範，用合資料（synthetic data）接一個 sample airline backend，唔係任何真實航空公司喺行緊嘅嘢。AWS 講明呢個係 pattern，畀你套去自己嘅系統，唔係開箱即用。成個項目拆做 modules，可以逐件攞去 fit 你已有嘅後端，再暴露做 agent 嘅 tools。
阿調搞兩下：呢個嘢好典型「大廠技術 blog」——唔係產品發布，係教人點拼積木。冇聲稱「全球最先」、冇聲稱某航空公司已經用緊、冇任何跑分或者生產數據。就係份建築説明書。有冇機真的航空公司照呢個 pattern 落地，而家冇答案。但 MCP 做標準化接口呢一點，係呢個方案入面最值得留意嘅設計決定：agent 同後端鬆耦合，換 backend 唔使換 agent。
