Trane сократила время диагностики климатических систем в 60 раз с помощью Amazon Bedrock AgentCore

Trane Technologies, глобальный оператор климатических систем с выручкой более 21 миллиарда долларов, столкнулась с типичной проблемой масштаба: несмотря на наличие миллионов подключенных HVAC-активов, получение одного ответа по эксплуатации требовало ручного перекрестного анализа нескольких дашбордов и меню в течение 20 минут. Для организации такого размера такие задержки приводили к замедлению операций и отсрочке корректирующих действий. В течение трех-четырех недель инженерная команда Trane разработала решение на базе Amazon Bedrock AgentCore, которое сократило время диагностики до 20 секунд, обеспечив улучшение скорости получения инсайтов в 60 раз по внутренним бенчмаркам компании.

Архитектурное решение построено на мультиагентной модели, где каждый специализированный ассистент отвечает за свою область: от извлечения документации и синтеза технических ответов до анализа живой телеметрии и навигации по интерфейсам. Такой подход позволил избежать ограничений монолитного дизайна, где любое изменение требовало пересборки всей системы. Команда выбрала фреймворк Strands для оркестрации логики агентов, а Amazon Bedrock AgentCore обеспечил управляемый рантайм, память и инфраструктуру инструментов.

Ключевым элементом безопасности и производительности стала изоляция сессий. AgentCore Runtime размещает каждую пользовательскую сессию в отдельной микровиртуальной машине (microVM) с собственными CPU, памятью и файловой системой. Это физически разделяет доступы полевых техников и владельцев зданий, предотвращая утечки данных между арендаторами. Кроме того, модель оплаты за активное вычислительное время позволяет избежать затрат на простаивающие мощности между запросами, что критично для агентных сценариев с длительными паузами между вызовами инструментов.

Интеграция с внутренними системами Trane Cloud осуществляется через AgentCore Gateway, который превращает внутренние API в совместимые с протоколом MCP (Model Context Protocol) инструменты. Это позволило централизовать аутентификацию и трансляцию схем данных, упростив подключение внешних систем, таких как CRM или системы управления заявками. Для поддержания контекста диалога используется встроенная память AgentCore, которая хранит сессионные данные в течение 90 дней, устраняя необходимость в развертывании отдельных векторных баз данных.

Наблюдаемость стала решающим фактором при отладке. С помощью AgentCore Observability инженеры смогли проследить цепочки вызовов инструментов и выявить причину повторяющихся сбоев — отсутствующий секрет в AWS Secrets Manager. Без сквозного трассирования в Amazon CloudWatch локализация такой ошибки в производственной среде была бы крайне затруднена. Это подтверждает важность прозрачности в сложных агентных пайплайнах.

Для обеспечения безопасности и соответствия стандартам Trane настроила Amazon Bedrock Guardrails, включая фильтры контента, политики отказа на темы вне операционного домена и детекцию атак на промпты. Также реализована фильтрация персональной информации (PII) перед выводом ответа пользователю. Поэтапное внедрение началось с прототипа, затем последовал бета-тест среди внутренних полевых техников, чья обратная связь помола выявить пробелы в точности и удобстве использования до релиза для внешних клиентов.

Результатом стало не только ускорение работы, но и создание масштабируемого стандарта для других бизнес-единиц Trane. Архитектура позволяет быстро интегрировать агента в другие корпоративные приложения, а использование проприетарных данных компании остается ключевым конкурентным преимуществом. Источник: web:AWS Machine Learning — https://aws.amazon.com/blogs/machine-learning/how-trane-gets-building-insights-60x-faster-with-amazon-bedrock-agentcore/