Trovata 如何在 Amazon Bedrock 与 AgentCore 上构建自主资金管理智能体

企业资金管理团队面临一个长期存在的挑战：分散在数十个银行门户中的碎片化银行数据、困在电子表格中的手工报表，以及无法满足现代企业需求的传统资金管理系统（TMS）。对资金管理团队而言，这些手工流程会造成延误和错误，并在最关键的时刻无法做出实时的现金决策。

Trovata 是一个 AI 原生的现金与流动性管理平台，直连超过 10,000 家银行，通过单一的云端平台服务全球企业。2023 年，Trovata 推出了首个专为资金管理打造的生成式 AI。如今，借助 Trovata 最新的 AI 原生更新，他们已从提供洞察演进为部署能够代表资金管理团队执行操作的自主智能体。

Trovata 的客户取得了可衡量的成果：每年节省超过 100 万美元的成本、每个会计团队每天节省超过 5 小时、年度 TMS 成本降低 77%，资金报告生成时间从数小时或数天缩短至不到一分钟。

在本文中，我们将探讨 Trovata 如何在 Amazon Bedrock 和 Amazon Bedrock AgentCore 上构建自主资金管理智能体、通过基于角色的访问控制（RBAC）保护并支持银行品牌化 AI 部署的架构，以及智能体工作流如何将企业资金管理从手工操作转变为大规模的实时决策。

解决方案概述

Trovata 作为一个 AI 原生的资金管理操作系统运行，通过单一系统直连超过 10,000 家银行，提供现金报告、预测、分析和资金调拨功能。

如今，资金管理团队面临三重压力：

1. 碎片化的银行数据分布在多个门户中，需要手工聚合与对账。
2. 手工报表与对账消耗团队成员数小时甚至数天的宝贵时间。
3. 传统 TMS 应用缺乏现代运营所需的云原生架构和 AI 能力。

Trovata 从 2023 年首个面向资金管理的生成式 AI，演进到如今具备自主智能体的 AI 原生能力，代表着一次根本性的转变。该解决方案从静态洞察转向持续代表资金管理团队运行的持久智能体工作流。至关重要的是，Trovata AI 直接内置于资金管理操作系统中。它不是叠加在上层的通用聊天机器人，而是与真实资金管理对象绑定的嵌入式智能，并通过智能体提供通向自动化的受控路径。

Trovata 选择 AWS 来实现这一转型有三个原因：其无服务器、云原生的基础设施支持实时执行，Amazon Bedrock 为自然语言查询和 AI 功能提供大语言模型（LLM）推理，而 Amazon Bedrock AgentCore 则凭借 RBAC 安全、快速部署和全球规模来处理智能体编排。

支撑 Trovata AI 原生解决方案的核心 AWS 服务包括：

• Amazon Bedrock – 为自然语言理解和生成提供 LLM 推理。
• Amazon Bedrock AgentCore – 智能体编排、智能体工作流和 RBAC 安全。
• 无服务器 AWS 基础设施 – 企业规模的实时执行。

架构图

Trovata AI 架构以在银行品牌化、受 RBAC 保护的框架内运行的自主资金管理智能体为核心。该解决方案由多个协同工作的关键组件构成：

• Trovata AI Chat——对多银行资金管理数据的自然语言查询，用户可以提出诸如“我们昨天所有账户的净现金头寸是多少？”之类的问题，并获得即时、准确的回答。
• AI Insights——自动化的异常检测、差异解释和趋势分析，主动呈现关键信息。
• AI 智能体——按计划、触发器或规则持续运行的工作流，用于监控活动、解释差异、检测异常并自动推送更新，无需人工干预。
• Agent Builder-Configurator——用于构建和配置资金管理智能体的管理控制台，让团队完全掌控智能体的行为和范围。
• Enterprise RBAC——保护智能体工作流安全的基于角色的访问控制，确保智能体在与人类用户相同的权限边界内运行。

图 1：基于 Amazon Bedrock AgentCore 的 Trovata AI 架构，从银行品牌门户到多银行连接

技术实现

Trovata 基于 Amazon Bedrock AgentCore 构建其 AI 原生解决方案，结合了自主智能体、自然语言查询和企业级访问控制。以下章节介绍该团队构建的内容、主要用例以及其背后的 AgentCore 能力。

Trovata 构建的内容：AI 原生解决方案

Trovata AI 提供直接嵌入 Trovata 资金管理操作系统的自主资金管理智能体。这些 AI 智能体将可重复的操作性工作转化为持续运行的持久化工作流。这些工作原本要耗费技术专业人员数小时的时间。

智能体按计划、触发器或规则运行，以监控活动、解释差异、检测异常并自动推送更新。整个系统运行在 Amazon Bedrock AgentCore 上，这是一个专为企业 AI 打造的安全隔离环境。当用户提出问题时，AI 通过 Trovata 自己的经过验证的 API 层检索数据，进行分析，并在该安全基础设施内呈现响应。

主要用例

• 现金流预测——跨多银行环境的自动化现金流预测，支持情景建模，取代基于电子表格的人工预测。
• 自然语言查询——企业用户用自然语言（英文）查询银行数据。例如：“我们昨天所有账户的净现金头寸是多少？”。
• 异常检测——实时检测可能表明错误、欺诈或运营问题的异常交易、余额变动或现金流模式。
• 自动对账——跨数百个账户的 AI 驱动对账摘要，将原本需要数小时的工作缩短到数秒。
• 智能体工作流——自主运行的持久化智能体，持续进行监控、分析和报告，无需人工干预。

来自真实客户部署的十种智能体模式

资金管理团队已经开始在生产环境中构建 AI 智能体。Trovata 的《AI 智能体实战手册》（AI Agents Playbook）提供了一个可用的智能体模式库，其中包含来自真实客户部署的十种智能体模式，涵盖了最常见和高价值的资金管理工作流。大多数资金管理团队目前有 5–15 个工作流已准备好交给 AI 智能体处理。

Trovata 使用的 AgentCore 能力

Trovata 的实现利用了 Amazon Bedrock AgentCore 的几项关键能力：

• 智能体编排 – 面向需要顺序推理和行动的复杂资金管理操作的多步骤智能体工作流。
• RBAC 安全 – 基于角色的访问控制来保障智能体操作的安全，确保智能体遵守组织权限边界。
• 实时执行 – 无服务器基础设施，可在数百个银行账户间提供不到一分钟的资金管理报告。
• 银行品牌化部署 – 智能体嵌入在银行品牌的工具中，因此银行无需自行构建 AI 即可提供 AI 驱动的资金管理能力。

安全与治理架构

结果

关键差异化优势

前提条件

要探索类似的架构，您需要：

• 一个可以访问 Amazon Bedrock 和 Amazon Bedrock AgentCore 的 AWS 账户。
• 熟悉资金管理操作（现金流预测、对账、多银行连接）
• 了解智能体 AI 架构和企业 RBAC 模型。
• 了解金融服务合规要求。

清理

如果您在探索此架构时部署了任何示例资源，请记得删除它们，以免产生未来的费用。移除为测试目的创建的任何 Bedrock 智能体、AgentCore 配置以及相关基础设施。

结论

Trovata 从手动资金运营到自主 AI 驱动的资金管理的发展历程，展示了智能体 AI 在金融服务领域的变革潜力。每年节省超过 100 万美元成本、每个会计团队每天节省超过 5 小时、年度 TMS 成本降低 77%、报告生成时间从数小时或数天缩短至不到一分钟，这些影响都是可衡量的。

银行品牌化的部署模式尤其有效。银行和企业无需自行构建即可获得生产就绪的 AI。Trovata AI 展示了如何借助 Amazon Bedrock AgentCore，让独立软件供应商（ISV）将受治理的自主 AI 智能体直接嵌入垂直软件即服务（SaaS）应用中，提供金融服务所要求的安全性和合规意识。

展望未来，Trovata 计划扩展其智能体模式，深化企业资源规划（ERP）集成，并扩展全球银行连接能力。该公司将继续推进自主资金管理所能实现的成果。

开始使用

• Trovata AI – 探索 Trovata 的 AI 驱动资金管理解决方案。
• Trovata AI Agents Playbook – 来自真实客户部署的十种智能体模式。
• Amazon Bedrock AgentCore – 了解 AWS 上的智能体编排。
• AWS Marketplace 上的 Trovata – 从 AWS Marketplace 部署 Trovata。

关于作者