SMART: как упростить интеграцию ИИ-агентов с WhatsApp на базе Amazon Bedrock

AWS Machine Learning · оригинал

Материал подготовлен автоматизированной редакционной системой. Факты можно сверить по указанному первоисточнику.

Компания AWS представила SMART — открытый инструментарий, который автоматизирует сложную техническую интеграцию ИИ-агентов с платформой WhatsApp. Решение позволяет разработчикам сосредоточиться на бизнес-логике, делегируя управление инфраструктурой и обработкой сообщений сервисам Amazon Web Services.

Инструмент снижает барьер входа для создания корпоративных чат-ботов в одном из самых популярных мессенджеров, устраняя необходимость ручной настройки десятков облачных сервисов и соблюдения специфических правил Meta.

Создание искусственного интеллекта, способного вести диалог с пользователями WhatsApp, часто оказывается более сложной задачей, чем разработка самого агента. Основная трудность кроется в интеграции: входящие сообщения приходят в виде сложных пакетов данных, требующих аутентификации и нормализации, а обработка голосовых записей или изображений требует отдельных конвейеров. Кроме того, разработчикам необходимо учитывать строгие правила Meta, например, использование предварительно одобренных шаблонов для сообщений, отправляемых более чем через 24 часа после последнего взаимодействия пользователя. Обычно команды либо строят эту инфраструктуру с нуля, что требует настройки более десяти сервисов AWS, либо прибегают к сторонним платным решениям.

В качестве альтернативы AWS предлагает SMART (Social Messaging Agent Runtime Toolkit) — открытый Python SDK и стек Terraform. Этот инструмент предоставляет полный «канальный слой», позволяя разработчикам использовать Amazon Bedrock AgentCore для хостинга и масштабирования агентов без управления инфраструктурой. SMART автоматически обрабатывает сессии, память разговора и доставку сообщений, при этом оставаясь независимым от конкретного фреймворка. Разработчики сохраняют полный контроль над промптом, моделью и бизнес-логикой, тогда как SDK берет на себя техническую «сантехнику» интеграции.

Архитектура решения построена на нескольких ключевых компонентах AWS. Входящие сообщения обрабатываются через AWS Lambda, которая верифицирует подписи и нормализует данные. Голосовые сообщения транскрибируются с помощью Amazon Transcribe, а состояние пользователей хранится в Amazon DynamoDB. Для обеспечения безопасности по умолчанию создается ресурс Amazon Bedrock Guardrails, который можно настроить или отключить. Вся система отслеживается через Amazon CloudWatch, а хранение медиафайлов и аудита осуществляется в Amazon S3.

Одним из практических примеров внедрения стала компания Webmotors. Изначально проект планировался на два месяца, однако благодаря использованию SMART команда сократила сроки до шести недель и перевела внутренний бот в контролируемое производственное окружение раньше запланированного полного запуска. Это демонстрирует, как автоматизация интеграционного слоя позволяет ускорить вывод продукта на рынок.

Процесс разработки упрощен за счет возможности локального тестирования без развертывания инфраструктуры. Команда socialagent dev позволяет запускать реальный цикл агента в терминале, где память имитируется локальными файлами, а уведомления выводятся в консоль. Это ускоряет итерации кода. Для деплоя достаточно одной команды, которая через Terraform разворачивает всю необходимую инфраструктуру в аккаунте AWS, включая функции Lambda, темы SNS и планировщик событий EventBridge.

Для управления несколькими ботами одновременно доступен административный консоль. Он позволяет отслеживать здоровье флота, читать реальные диалоги, отменять расписания и управлять шаблонами сообщений. Доступ к консоли защищен через Amazon Cognito с обязательной многофакторной аутентификацией. Все данные остаются в экосистеме AWS и Meta, что упрощает соблюдение требований к безопасности и конфиденциальности.

Таким образом, SMART смещает фокус разработчиков с рутинной настройки облачных сервисов на создание уникальной ценности продукта. Инструмент предоставляет готовую инфраструктуру для вебхуков, обработки медиа и управления шаблонами, позволяя командам быстрее запускать ИИ-решения в WhatsApp. Источник: web:AWS Machine Learning — https://aws.amazon.com/blogs/machine-learning/build-whatsapp-ai-agents-with-amazon-bedrock-agentcore/