De los datos a las decisiones: Inteligencia conversacional de la cadena de suministro con Amazon Quick y Amazon Bedrock AgentCore

Dar a los equipos de cadena de suministro acceso directo a los sistemas detrás de sus decisiones.

Cada cadena de suministro genera señales constantes: pedidos en aprobación, plazos de entrega cambiantes, puertos ralentizados, precios a la deriva, interrupciones. El problema no son los datos escasos. Es la distancia entre los datos y quien toma las decisiones.

Responder «¿qué SKUs de mayores ingresos están expuestos al cierre portuario actual y cuánto costará?» solía requerir saber qué sistema contenía cada dato y unirlos a mano mientras el experto del dominio esperaba.

¿Podría ese gerente, en cambio, preguntar en lenguaje natural y obtener una respuesta accionable y entre sistemas en segundos? Amazon Bedrock AgentCore es la capa de inteligencia que expone servidores empresariales de Model Context Protocol (MCP) como una capa de herramientas componible. Amazon Quick lo convierte en acción para perfiles de usuario sin configuración. Las respuestas provienen de sistemas de registro en vivo y documentos fundamentados, no de la memoria del modelo, y cada cambio espera a una persona identificada. En esta publicación, recorremos este patrón de principio a fin, desde un recorrido conversacional en Amazon Quick hasta la capa de herramientas de AgentCore detrás de él, y le mostramos cómo implementarlo usted mismo.

El problema: Ricos en datos, pobres en conocimiento

Figura 1: La experiencia del dominio reside en los usuarios mientras los datos operativos están fragmentados entre ERP, monitoreo, compras y correo electrónico

Cada pregunta necesita su propia herramienta: inventario del sistema de planificación de recursos empresariales (ERP), interrupciones del correo electrónico o las noticias, una solicitud de cotización (RFQ) de compras y cumplimiento de una lista de verificación. Correlacionar es manual.

Un día en la vida

La mañana de un gerente tradicionalmente abarca el ERP (excepciones de inventario), la herramienta de monitoreo (alertas), compras (alternativas), el correo electrónico (RFQ) y un rastreador: 45–60 minutos en cinco sistemas con más de una docena de cambios de contexto.

Conversacionalmente son tres indicaciones en una sola herramienta: «¿Hay interrupciones críticas que afecten a mis SKUs de mayores ingresos?» → «Evalúa la parada de TechComp y emite una RFQ de emergencia a las alternativas aprobadas» → «Se ve bien. Envíala.», en cuestión de minutos.

Figura 2: Flujo tradicional multiherramienta frente a un único hilo conversacional orquestado por AgentCore

Análisis detallado: Recorrido del escenario de cadena de suministro

Los siguientes cinco pasos siguen una interrupción desde su detección hasta una RFQ de emergencia aprobada, todo en una única conversación de Amazon Quick.

Paso 1: Descubrimiento – «¿Qué herramientas tengo?»

El usuario pregunta «¿Qué herramientas de cadena de suministro tengo?» y Amazon Quick enumera los servidores MCP de cadena de suministro publicados en AWS Agent Registry. Como un administrador activó la integración con el registro, los cuatro servidores MCP de negocio ya aparecen como tarjetas de conector, con los detalles de conexión precompletados y sin URLs que introducir a mano. El agente de orquestación se agrega como su propio conector MCP.

Paso 2: Consulta – «Muéstrame las interrupciones activas»

«Revisa las interrupciones de suministro activas» llama al Disruption Alerts MCP (assess_disruption_impact): tres interrupciones con gravedad, región y recuentos de SKUs. Cómo lo resolvemos: Quick enruta la solicitud a través de AgentCore hacia el servidor MCP, que consulta el monitoreo del backend y devuelve un resultado estructurado, sin panel ni exportación.

Paso 3: Profundización – «Evalúa la crítica»

El usuario abre la TechComp Production Halt. assess_disruption_impact(disruption_id="DISR-002") correlaciona datos de pedidos, clientes e inventario: $750K en riesgo, 23 pedidos, tres días de suministro. Cómo lo resolvemos: una sola llamada a la herramienta MCP se distribuye entre los sistemas de registro, de modo que el gerente obtiene una lectura consolidada del impacto sin tocar el ERP.

Paso 4: Acción – «Obtén recomendaciones de mitigación»

El usuario pide una mitigación. recommend_mitigation(disruption_id="DISR-002") encadena el Governance MCP (verificar alternativas aprobadas) y el Quoting MCP (cotización alineada con contratos), un solo flujo a partir de una única solicitud. Cómo lo resolvemos: el agente planifica y secuencia las llamadas, de modo que una sola petición abarca interrupción, gobernanza y cotización sin traspasos manuales.

Paso 5: Seguimiento automatizado

El usuario luego configura el monitoreo proactivo («Avísame cada mañana si hay una nueva interrupción crítica»). El mismo flujo puede ejecutarse sin supervisión a partir de un correo electrónico entrante de un proveedor. Cómo lo resolvemos: el mismo agente y las mismas herramientas se ejecutan según una programación o un activador por correo electrónico, publicando tarjetas listas para revisión en el Activity Feed para que una persona las apruebe.

Puestas de extremo a extremo, esas cinco etapas son una única secuencia de ejecución:

Figura 3: Secuencia de ejecución del recorrido, donde cada resultado regresa a Amazon Quick para su aprobación

Arquitectura de la solución

Esa es la experiencia. Así es como se construye: el patrón separa la capa de inteligencia de la capa de interfaz, de modo que cada una evoluciona de forma independiente, con Amazon Quick como la interfaz y AgentCore como la inteligencia.

Figura 4: Arquitectura de extremo a extremo desde Amazon Quick hasta AgentCore (Gateways, Runtime, Identity, Policy) y los backends, con AWS Agent Registry al lado

Amazon Bedrock AgentCore: La capa de inteligencia

Amazon Bedrock AgentCore es una plataforma modular agéntica para construir, desplegar y operar agentes de forma segura a escala. Ofrece más de lo que usamos aquí. Cuatro de sus servicios son relevantes para este patrón:

• Runtime: alojamiento sin servidores (serverless) para servidores MCP y agentes, con aislamiento de sesiones e identidad integrada.
• Gateway: convierte APIs, funciones de AWS Lambda y servicios en herramientas compatibles con MCP detrás de un endpoint gestionado y seguro, estandarizando el acceso a las herramientas. El razonamiento corresponde al agente que llama.
• Identity: autenticación y gestión de credenciales, compatible con proveedores de identidad existentes.
• Policy: reglas de autorización deterministas, creadas en lenguaje natural o en Cedar, que interceptan cada llamada a herramientas antes de su ejecución, manteniendo a un agente dentro de su ámbito en cuanto a datos de adquisiciones y financieros.

El protocolo MCP: cómo se comunican las herramientas

MCP es un estándar abierto sobre cómo los modelos de IA interactúan con herramientas externas. Cada servidor expone herramientas con parámetros tipados:

{
  "server_name": "sc-disruption-alert-gateway",
  "tools": [{
    "name": "assess_disruption_impact",
    "parameters": {
      "disruption_id": {"type": "string"},
      "context": {"type": "object"} // order, inventory, revenue data
    }
  }] // plus classify_severity, recommend_mitigation, get_escalation_chain
}

Esto significa que:

• Los clientes de IA (Quick, agentes personalizados, otras aplicaciones MCP) pueden consumir los mismos servidores.
• Los backends (SAP, Oracle, microservicios personalizados) pueden encapsularse como un servidor MCP.
• El descubrimiento de herramientas es automático. Los clientes consultan el registro para obtener los esquemas en tiempo de ejecución.

AWS Agent Registry: la capa de descubrimiento

El registro es la capa de descubrimiento gobernada: un publicador envía un registro, un curador lo aprueba y solo entonces es descubrible mediante búsqueda híbrida, navegación o el endpoint MCP del registro. Una realidad de escala que vale la pena señalar: dado que los esquemas se descubren en tiempo de ejecución, trátelos como contratos, versionando los nuevos junto con los antiguos ante cambios que rompan la compatibilidad.

Figura 5: Publicación de un registro de servidor MCP en AWS Agent Registry, un curador aprobándolo, un administrador vinculándolo a Quick y los registros aprobados convirtiéndose en tarjetas de conector

Orquestación de múltiples pasos

La capa de razonamiento es un agente en AgentCore Runtime, un registro de agente en su URL de invocación directa a través de un conector MCP personalizado, sin Lambda ni gateway. Aquí, es el Order Fulfillment Agent. Dada una solicitud, planifica qué herramientas llamar y en qué orden:

User: "A supplier just went down. Find alternatives, verify compliance, issue an emergency RFQ."
Disruption Alerts MCP -> identify the disruption
Governance MCP -> approved alternatives + compliance + budget authority
Quoting MCP -> contract-aligned quote
-> one consolidated recommendation

Arquitectura de seguridad y gobernanza

Cada llamada a herramientas pasa por el mismo conjunto de controles de AgentCore antes de llegar a un backend.

Figura 6: El conjunto uniforme de controles de AgentCore antes del backend (autenticación IAM, autorización por herramienta, validación de entrada, evaluación de políticas, limitación de tasa, aplicación de límites de datos, registro de auditoría)

Los servidores MCP en este patrón

Amazon Quick: el asistente de IA empresarial

Amazon Quick pone las herramientas de AgentCore al alcance de los usuarios empresariales mediante chat, agentes, el Activity Feed y flujos de trabajo automatizados, sin configuración técnica.

Componentes clave utilizados

Activity Feed automatizado y monitoreo proactivo

El Activity Feed es la superficie proactiva de Amazon Quick, una bandeja de entrada unificada donde los agentes publican resultados, alertas y recomendaciones. Los elementos del feed son:

• Accionables, cada uno lleva contexto y acciones de siguiente paso.
• Clasificados por IA, con indicadores de prioridad (Se requiere respuesta, Hacer seguimiento, Fecha límite).
• Multifuente, abarcando correo electrónico, horarios, ejecuciones de agentes y sistemas externos.
• Con humano en el bucle, donde los agentes proponen y los humanos deciden.

Cómo funciona el monitoreo automatizado

Las herramientas de AgentCore más las capacidades proactivas de Amazon Quick ofrecen dos vías, basada en tiempo e impulsada por correo electrónico, a través de un pipeline común de disparador → agente → salida.

Figura 7: Pipeline de tres etapas desde el disparador (programación o correo electrónico) hasta el agente autónomo (assess_disruption_impact, check_supplier_approval, apply_approval_rules, validate_quote) hasta la tarjeta lista para revisión

Caso de uso: Validar respuestas de proveedores desde el correo electrónico

Los proveedores responden a una solicitud de cotización (RFQ) de emergencia por correo electrónico con precios. El agente valida cada una (¿proveedor aprobado? ¿dentro de las directrices?) y prepara el resultado. No redacta una cotización, elige un ganador ni emite una orden de compra (PO).

Fase 1: Configuración (única vez, aproximadamente 5 minutos)

1. Conectar Outlook: en Amazon Quick, elija Settings → Connections → Add Outlook.
2. Configurar Activity Feed: active el monitoreo de correo electrónico en las preferencias del feed.
3. Crear el agente SC: cree un agente con estas instrucciones:

Supply chain procurement assistant. On a supplier RFQ reply with pricing: 1) extract SKU(s), quantities, pricing; 2) validate approved vendor (Governance MCP); 3) check pricing within guidelines (Quoting MCP); 4) post a review-ready card (approved-supplier, within-guidelines); do NOT draft a PO or select a supplier.

1. Crear programación: «Cada 2 horas durante el horario laboral, buscar nuevas respuestas de proveedores y validarlas.»

Fase 2: Tiempo de ejecución (totalmente automatizada)

Schedule -> email from "TechSupply Co" (MCU-7200, 10,000 units @ $2.45/unit) -> Governance MCP: approved? | Quoting MCP: within guidelines? -> "Supplier Response - Ready for Review" card

La tarjeta del feed contiene los resultados de la validación y los hechos relevantes para la decisión:

Fase 3: Humano en el bucle

El revisor compara las respuestas validadas y, o bien selecciona a un proveedor y emite la orden de compra, o la rechaza con un motivo registrado. La selección y la orden de compra permanecen en manos de una persona.

Caso de uso: Monitoreo proactivo de interrupciones

Activado por programación, se aplica el mismo patrón: un agente diario a las 8:30 AM busca nuevas interrupciones críticas o de alta gravedad, evalúa el impacto, marca como URGENTE todo lo que tenga menos de siete días de suministro y publica una tarjeta de alerta con una acción de Emitir solicitud de cotización de emergencia.

Dónde encaja esto junto a la BI tradicional

Este no es un argumento de «reemplazarlo todo». Los paneles siguen siendo superiores para la visualización de tendencias, el análisis colaborativo, los informes regulatorios y el análisis exploratorio. Use la IA conversacional para decisiones operativas en tiempo real y la BI para análisis estratégico. Se complementan, no compiten.

Personas y casos de uso

One Quick Agent atiende a las tres personas: el gerente mantiene la continuidad, compras abastece con conciencia de cumplimiento, y el analista correlaciona señales. La persona también delimita el alcance, mediante seguridad a nivel de fila/columna y la delimitación de herramientas MCP por persona, de modo que compras no vea datos de finanzas.

Cómo empezar

Desplegar el patrón consta de tres fases: aprovisionar la infraestructura, conectar Amazon Quick a sus datos y al registro, y activar la monitorización.

Requisitos previos

Antes de comenzar:

• Una cuenta de AWS con Amazon Bedrock AgentCore y AWS Agent Registry.
• AWS Command Line Interface (AWS CLI) v2, AWS Serverless Application Model (AWS SAM) CLI y Docker (el agente se ejecuta como un contenedor arm64).
• Python 3.12 o posterior, con Boto3 1.43.94 o posterior para el paso del registro.
• Credenciales activas con permisos de AWS Identity and Access Management (IAM) para desplegar y registrar ("aws sts get-caller-identity devuelve la cuenta de destino).
• Capa de datos: una base de datos (Snowflake, PostgreSQL/RDS o un motor de SQLAlchemy), un bucket de Amazon S3 y, opcionalmente, una organización de Salesforce.
• Configuración de Amazon Quick para su organización.
• (Opcional) Una cuenta de Outlook para la automatización del correo electrónico.

La configuración usa dos superficies, por lo que cada uno de los siguientes pasos indica dónde ocurre: la consola web de Amazon Quick en un navegador (permisos de Amazon Quick Sight, vinculación del Agent Registry, conectores y ajustes del agente) y la aplicación de escritorio Quick Desktop App (conexión de Outlook para la automatización del correo electrónico). La experiencia conversacional en la Desktop App llega al final, una vez completada la configuración.

Despliegue de la infraestructura

Todo es de código abierto y está automatizado con scripts: clone el ejemplo quick-for-supply-chain del repositorio aws-samples/sample-amazon-quick-suite-knowledge-hub y siga su README.md, o apunte a él un agente de codificación como Kiro.

El README.md cubre tres fases. La fase 1 despliega la pila de AgentCore: la capa de identidad (un grupo de usuarios y un cliente de aplicación de Amazon Cognito, flujo OAuth de código de autorización, más un usuario de prueba), cuatro servidores MCP de reglas de negocio (cada uno una función de AWS Lambda expuesta por su propio AgentCore Gateway, una capacidad de Amazon Bedrock AgentCore, que usa CUSTOM_JWT para autorización), los gateway targets que mapean las herramientas de cada función de Lambda, y sc-order-fulfillment-agent en AgentCore Runtime como contenedor, con roles de IAM de privilegios mínimos. La fase 2 carga el conjunto de datos sintético en Amazon S3. La fase 3 verifica que los gateways y el runtime estén en estado Ready. Se aprueban seis registros del Agent Registry.

Figura 8: consola de AWS Agent Registry con seis registros aprobados (cuatro MCP Server, un Agent, un Skills)

Conceder a Amazon Quick acceso a sus datos

En la consola web de Amazon Quick (navegador): conceda a Amazon Quick el acceso desde la página de administración de Amazon Quick Sight (Manage Quick Sight → Security and permissions) tanto al bucket de S3 como a Amazon Athena, ya que cada tabla se sirve a través de una fuente de Athena sobre una base de datos de AWS Glue. Sin la concesión de Athena, la creación del conjunto de datos falla.

Figura 9: Security and permissions de Amazon Quick Sight, con Amazon Athena junto a Amazon S3

Vincular el registro y crear conectores

Vincular el registro se hace una sola vez y a nivel de administrador. Crear un conector es por usuario. Ambas cosas se hacen en la consola de Amazon Quick. Consulte la guía de integración de AWS Agent Registry.

Vincular el registro (administrador, una sola vez)

Un administrador vincula un Agent Registry a la cuenta de Quick. En la consola web de Amazon Quick (admin): vaya a Manage account → Permissions → AWS Agent Registry y active el registro (sc-supply-chain-registry, uno por cuenta). Solo aparecen registros de su cuenta y Región, del namespace agent-registry, con autorización AWS_IAM (SigV4) y estado READY. El rol de servicio gestionado por Quick lo vincula.

Figura 10: Vinculación del registro, donde solo son seleccionables los registros READY, AWS_IAM

Crear un conector

Después de vincular el registro, los registros aprobados de servidores MCP se convierten en tarjetas de conector: los cuatro MCP de negocio como tarjetas, y el agente de cumplimiento de pedidos añadido manualmente. A escala, federe la autenticación de conectores a través de su proveedor de identidades y aprovisione conectores a grupos, con el grupo de usuarios de Cognito como punto de unión.

En la consola web de Amazon Quick (por usuario): las cuatro tarjetas aparecen en la página Connectors (sc-quoting-mcp, sc-governance-mcp, sc-invoice-processing-mcp, sc-disruption-alert-mcp). Autentíquese mediante el flujo de código de autorización OAuth (OAUTH2_AUTHORIZATION_CODE) con el client ID, el secret y las URLs de token, autorización y redirección del script de despliegue. Inicie sesión como el usuario de prueba, active las herramientas, cree y comparta.

Figura 11: Las cuatro tarjetas de conectores MCP de negocio, con el agente de cumplimiento de pedidos añadido manualmente

Los conectores provenientes del registro son conectores Custom MCP (relevantes para los permisos personalizados). Eliminar el vínculo más adelante no borra los conectores ya creados.

Figura 12: El paso Authenticate usando el flujo OAuth de código de autorización (OAUTH2_AUTHORIZATION_CODE)

Añadir el conector del agente de cumplimiento de pedidos

En la consola web de Amazon Quick: como es un registro de agente, cree su conector manualmente (Connectors → Create for your team → Model Context Protocol → Create new): nómbrelo sc-order-fulfillment-agent, apúntelo a la URL de invocación directa de AgentCore Runtime del script de despliegue, complete el mismo inicio de sesión OAuth, cree y comparta.

Figura 13: Creación del conector sc-order-fulfillment-agent, apuntado a la URL de invocación del runtime de AgentCore

Conecta los conectores a tu agente

El despliegue crea el agente Supply Chain: un Quick Space, conjuntos de datos importados y una base de conocimientos de S3, además del agente con instrucciones, prompts iniciales y mensaje de bienvenida. Lo que queda es conectar los conectores.

En la consola web de Amazon Quick (ajustes del agente): abre el agente Supply Chain creado por el despliegue (id por defecto sc-supply-chain-agent) y conecta los cinco conectores (cuatro MCP de negocio más sc-order-fulfillment-agent), o pasa los cinco IDs de conectores al script de configuración.

Configura la monitorización proactiva

Para hacerlo proactivo, Quick ejecuta el mismo agente según un horario o ante correos entrantes y publica los resultados en el Activity Feed. Ambas rutas reutilizan el agente y las herramientas que configuraste.

En la Quick Desktop App (Settings → Connections): conecta Outlook y activa la monitorización de correo. Luego, en Quick Chat, crea dos programaciones en lenguaje natural, una basada en tiempo («Cada mañana, comprueba si hay nuevas interrupciones críticas») y otra basada en correo («Cada dos horas en horario laboral, comprueba las respuestas de los proveedores y valida»). El agente extrae los precios, ejecuta las comprobaciones y publica una tarjeta.

Pruébalo en Amazon Quick

Con el agente y los conectores listos, pregunta en lenguaje natural en Amazon Quick Chat. Cada prompt muestra el patrón de datos-primero-reglas-después.

Conclusión

AgentCore y Amazon Quick son un patrón repetible de IA empresarial: separar la inteligencia de la interfaz. AgentCore convierte back-end fragmentados en una capa componible, gobernable y accesible para la IA mediante interfaces MCP estándar. Amazon Quick democratiza el acceso en lenguaje natural.

La ganancia es la cadena de decisión acortada: detectar, investigar, decidir, actuar y registrar antes abarcaba cinco herramientas, ahora es una sola conversación. La IA investiga, correlaciona y valida. La persona decide. Cada llamada se autentica, se autoriza, se comprueba contra las políticas y se audita, y una rutina de 45-60 minutos en cinco sistemas puede reducirse a minutos.

Ese es el cambio de datos abundantes e ideas pobres a datos abundantes y decisión lista para tomar. Empieza con un servidor MCP y un perfil. El registro crece y la experiencia permanece igual.

Sobre los autores