AWS Bedrock AgentCore与Strands SDK构建SAP智能采购Agent实战

企业采购场景的技术挑战与解决思路

在典型的SAP采购管理场景中，采购人员需要频繁切换多个事务码完成日常工作：使用ME41查询询价单、ME47查看供应商报价、XK03核对供应商主数据，最终通过ME21N创建采购订单。这种传统操作模式存在明显的效率瓶颈——信息分散在SAP GUI、Excel报表和邮件系统中，容易导致决策延迟和采购风险。

本方案的核心设计思路是：通过自然语言交互替代SAP GUI的事务码操作，让采购人员以Chat对话方式完成RFQ查询、报价分析、供应商核查和PO创建等全流程操作。技术实现上，我们将AWS的数据集成能力、生成式AI服务与SAP系统进行深度整合。

系统架构设计与核心组件

三层架构设计

整体架构分为数据层、智能层和交互层三个核心部分，各层职责明确：

• 数据层：AWS Glue通过OData协议从SAP抽取RFQ、报价单、供应商主数据等业务数据，经ETL转换后存储至S3；Athena使用Glue Data Catalog作为元数据存储库提供查询能力
• 智能层：Strands Agent作为核心编排引擎，根据用户意图调度对应Tools执行；Bedrock AgentCore Runtime提供托管运行环境，AgentCore Memory管理会话上下文
• 交互层：前端应用通过AgentCore Runtime API发起自然语言请求，获取结构化响应

核心业务流程

从技术实现角度，业务请求的处理流程如下：

1. 查询类请求：Agent识别意图后调用Lambda驱动的Athena查询Tool，从S3中检索预处理的SAP数据
2. 创建类请求：Agent调用PO创建Tool，通过Lambda调用SAP Gateway暴露的OData API接口完成订单创建
3. 知识类请求：Agent调用Knowledge Base Tool，检索供应商付款条件、碳排放标准等非结构化采购政策信息

SAP数据集成实现

OData协议选型考量

SAP OData是基于HTTP的标准Web协议，支持使用ABAP查询和更新SAP数据。相比传统的RFC/BAPI方式，OData具有以下优势：

• 符合RESTful API设计规范，更适合现代化的API驱动架构
• 提供更好的可维护性和扩展性
• 支持与外部应用程序、平台和设备的无缝集成

在AWS服务选型上，虽然AWS AppFlow也支持OData协议，但本方案需要进行数据类型转换等复杂ETL操作，因此选择AWS Glue作为数据集成工具。

SAP端配置要点

在SAP系统中需要完成以下配置：

1. 在SAP Gateway中配置操作数据供应（ODP）数据来源
2. 通过事务码/IWFND/MAINT_SERVICE启用OData V2.0目录服务
3. 使用SAP Gateway Client测试服务发布状态，确保EKKO和EKPO表的OData服务可正常访问

Glue OData连接配置

创建AWS Glue OData Connection时，需要提供以下关键配置：

• Application Host URL：SAP OData实例的主机地址
• Service Path：OData服务的应用路径
• 认证信息：通过AWS Secrets Manager安全存储SAP凭证，Glue作业在运行时动态检索

这种配置方式将敏感信息与作业代码分离，增强了整体安全性和灵活性。

Agent框架与Tools实现

Strands Agents SDK核心特性

Strands Agents SDK是AWS发布的开源AI智能体开发框架，其核心优势在于：

• 充分利用大语言模型的原生推理、规划和工具调用能力
• 无需复杂的编排逻辑，用简洁代码构建Agentic AI应用
• 支持Orchestrator模式（Tool Use），实现模型推理和工具执行的自动循环

Agent运行逻辑设计

本方案采用Orchestrator模式，Agent的运行逻辑包含以下核心要素：

• System Prompt：定义Agent的专业身份（SAP可持续性采购顾问）和可用工具列表
• Tools体系：每个Tool包含准确的功能描述，确保Agent能正确识别并调用
• 循环执行：模型推理与工具执行交替进行，直至达成业务目标

自定义Tools实现详解

基于Lambda的查询Tool：封装Athena查询逻辑，支持采购询价、报价单、价格和供应商基础信息等业务数据查询。

基于Lambda的PO创建Tool：通过调用SAP Gateway暴露的OData API接口实现订单创建。接口URL通过Lambda环境变量配置，认证信息从AWS Secrets Manager动态获取。

基于Bedrock Knowledge Base的Tool：将Knowledge Base封装为自定义Tool，用于检索供应商付款条件、碳排放标准、采购政策等非结构化信息。作为完全托管式RAG解决方案，Knowledge Base支持灵活自定义并提供较高的检索准确性。

Agent部署与运行环境

Agent通过Amazon Bedrock AgentCore进行部署和运行，该服务的核心能力包括：

• AgentCore Runtime：提供专用基础设施，安全、可扩展地托管Agent
• AgentCore Memory：提供短期记忆（short-term memory），记录对话上下文，支持多轮连续交互
• 框架无关性：适用于任何Agent框架和模型

核心代码实现

Agent System Prompt配置

SYSTEM_PROMPT = """你是一位专业的SAP可持续性采购顾问，专门从事供应链分析和可持续采购决策支持。

专业身份
作为采购领域的专家，你具备深厚的SAP系统经验和可持续性评估能力，能够为企业提供数据驱动的采购决策支持。

可用工具
1. query_sap_data: 查询SAP数据
   - 支持RFQ查询、报价统计等
   - 参数：query_type, year, month, days等
   
2. create_purchase_order: 创建采购订单
   - 调用SAP Gateway API
   - 参数：vendor_id, material, quantity, price等
   
3. search_knowledge_base: 查询采购政策知识库
   - 检索供应商评估标准、付款条件、可持续性政策等
   - 参数：query_text
"""

Lambda Tool封装示例

import boto3
import json

def query_sap_data(query_type: str, **kwargs) -> dict:
    """
    封装Athena查询，支持多种SAP数据查询类型
    """
    athena_client = boto3.client('athena')
    
    # 根据query_type构建SQL
    sql_templates = {
        "rfq_list": "SELECT * FROM sap_ekko WHERE doc_type = 'AN'",
        "quotation_summary": "SELECT vendor_id, COUNT(*) as count FROM sap_ekpo GROUP BY vendor_id",
        "vendor_info": f"SELECT * FROM sap_vendor WHERE vendor_id = '{kwargs.get('vendor_id')}'"
    }
    
    query = sql_templates.get(query_type)
    
    response = athena_client.start_query_execution(
        QueryString=query,
        QueryExecutionContext={'Database': 'sap_procurement'},
        ResultConfiguration={'OutputLocation': 's3://query-results-bucket/'}
    )
    
    return {"execution_id": response['QueryExecutionId']}

Knowledge Base Tool集成

import boto3

def search_knowledge_base(query_text: str) -> dict:
    """
    调用Bedrock Knowledge Base进行RAG检索
    """
    bedrock_agent = boto3.client('bedrock-agent-runtime')
    
    response = bedrock_agent.retrieve(
        knowledgeBaseId='YOUR_KB_ID',
        retrievalQuery={'text': query_text},
        retrievalConfiguration={
            'vectorSearchConfiguration': {
                'numberOfResults': 5
            }
        }
    )
    
    return {
        "results": [
            {"content": r['content']['text'], "score": r['score']} 
            for r in response['retrievalResults']
        ]
    }

架构实践建议

基于本方案的实施经验，提供以下实践建议：

• 数据同步策略：建议采用增量同步机制，通过SAP Change Data Capture或时间戳字段实现，避免全量抽取带来的性能开销
• Tool粒度设计：每个Tool应聚焦单一职责，功能描述需准确具体，避免模型调用时产生歧义
• 错误处理机制：在Lambda Tool中实现完善的异常捕获和重试逻辑，特别是SAP Gateway API调用场景
• 安全合规：SAP凭证必须通过Secrets Manager管理，Lambda执行角色遵循最小权限原则