Donner aux équipes de la chaîne d'approvisionnement un accès direct aux systèmes qui sous-tendent leurs décisions.
Chaque chaîne d'approvisionnement génère des signaux en continu : commandes en attente d'approbation, délais de livraison fluctuants, ports ralentis, prix dérivants, perturbations. Le problème n'est pas le manque de données, mais la distance entre les données et le décideur.
Répondre à la question « quels SKU générant les meilleurs revenus sont exposés à la fermeture actuelle du port, et quel en sera le coût ? » signifiait autrefois savoir quel système détenait chaque information et les assembler manuellement pendant que l'expert métier attendait.
Ce responsable pourrait-il plutôt poser sa question en langage naturel et obtenir en quelques secondes une réponse exploitable et transversale aux systèmes ? Amazon Bedrock AgentCore est la couche d'intelligence qui expose les serveurs Model Context Protocol (MCP) d'entreprise comme une couche d'outils composable. Amazon Quick transforme cela en action pour des personas sans aucune configuration. Les réponses proviennent des systèmes de référence en direct et de documents sourcés, et non de la mémoire du modèle, et chaque changement attend la validation nominative d'un humain. Dans cet article, nous parcourons ce schéma de bout en bout, d'une démonstration conversationnelle dans Amazon Quick jusqu'à la couche d'outils AgentCore qui la sous-tend, et nous vous montrons comment le déployer vous-même.
Le problème : riche en données, pauvre en insights
Figure 1 : l'expertise métier réside chez les utilisateurs tandis que les données opérationnelles sont fragmentées entre l'ERP, la supervision, les achats et les e-mails
Chaque question exige son propre outil : les stocks depuis le système de planification des ressources d'entreprise (ERP), les perturbations depuis les e-mails ou l'actualité, une demande de devis (RFQ) depuis les achats, et la conformité depuis une liste de contrôle. La corrélation est manuelle.
Une journée type
Une matinée de responsable couvre traditionnellement l'ERP (exceptions de stock), l'outil de supervision (alertes), les achats (alternatives), les e-mails (RFQ) et un outil de suivi : 45–60 minutes sur cinq systèmes avec plus d'une douzaine de changements de contexte.
En mode conversationnel, cela se résume à trois invites dans un seul outil : « Y a-t-il des perturbations critiques affectant mes SKU aux meilleurs revenus ? » → « Évalue l'arrêt de TechComp et émets une RFQ d'urgence vers les alternatives approuvées » → « C'est bon. Envoie-la. », en quelques minutes.
Figure 2 : flux multi-outils traditionnel face à un fil conversationnel unique orchestré par AgentCore
Analyse approfondie : parcours d'un scénario de chaîne d'approvisionnement
Les cinq étapes suivantes suivent une perturbation, de sa détection à une RFQ d'urgence approuvée, le tout dans une seule conversation Amazon Quick.
Étape 1 : découverte – « Quels outils ai-je à ma disposition ? »
L'utilisateur demande « Quels outils de chaîne d'approvisionnement ai-je à ma disposition ? » et Amazon Quick liste les serveurs MCP de chaîne d'approvisionnement publiés dans AWS Agent Registry. Comme un administrateur a activé l'intégration du registre, les quatre serveurs MCP métier apparaissent déjà sous forme de cartes de connecteurs, avec les détails de connexion préremplis et aucune URL à saisir manuellement. L'agent d'orchestration est ajouté comme son propre connecteur MCP.
Étape 2 : interrogation – « Montrez-moi les perturbations actives »
« Vérifier les perturbations d'approvisionnement actives » appelle le MCP Disruption Alerts (assess_disruption_impact) : trois perturbations avec sévérité, région et nombre de SKU. Comment nous le résolvons : Quick achemine la requête via AgentCore vers le serveur MCP, qui interroge la supervision en arrière-plan et renvoie un résultat structuré, sans tableau de bord ni export.
Étape 3 : exploration détaillée – « Évaluer la perturbation critique »
L'utilisateur ouvre TechComp Production Halt. assess_disruption_impact(disruption_id="DISR-002") corrèle les données de commandes, de clients et de stocks : 750K $ à risque, 23 commandes, trois jours de stock. Comment nous le résolvons : un seul appel d'outil MCP se déploie sur les systèmes de référence, afin que le responsable obtienne une lecture consolidée de l'impact sans toucher à l'ERP.
Étape 4 : action – « Obtenir des recommandations d'atténuation »
L'utilisateur demande des mesures d'atténuation. recommend_mitigation(disruption_id="DISR-002") enchaîne le MCP Governance (vérification des alternatives approuvées) et le MCP Quoting (devis conforme aux contrats), un seul flux à partir d'une seule requête. Comment nous le résolvons : l'agent planifie et séquence les appels, de sorte qu'une seule demande couvre la perturbation, la gouvernance et l'établissement du devis sans aucune transmission manuelle.
Étape 5 : suivi automatisé
L'utilisateur configure ensuite une supervision proactive (« Alerte-moi chaque matin s'il y a une nouvelle perturbation critique »). Le même flux peut s'exécuter de manière autonome à partir d'un e-mail entrant d'un fournisseur. Comment nous le résolvons : le même agent et les mêmes outils s'exécutent selon un calendrier ou un déclencheur par e-mail, en publiant des cartes prêtes à être examinées dans le flux d'activité (Activity Feed) pour qu'une personne les approuve.
Mis bout à bout, ces cinq étapes forment une seule séquence d'exécution :
Figure 3 : Séquence d'exécution de la démonstration, où chaque résultat revient vers Amazon Quick pour approbation
Architecture de la solution
Voici l'expérience. Voici comment elle est construite : le modèle sépare la couche d'intelligence de la couche d'interface, de sorte que chacune évolue indépendamment, avec Amazon Quick comme interface et AgentCore comme intelligence.
Figure 4 : Architecture de bout en bout, d'Amazon Quick à AgentCore (Gateways, Runtime, Identity, Policy) jusqu'aux systèmes backends, avec AWS Agent Registry en complément
Amazon Bedrock AgentCore : la couche d'intelligence
Amazon Bedrock AgentCore est une plateforme agentique modulaire pour construire, déployer et exploiter des agents de manière sécurisée à grande échelle. Elle offre plus de fonctionnalités que celles que nous utilisons ici. Quatre de ses services sont pertinents pour ce modèle :
- Runtime – Hébergement serverless pour les serveurs MCP et les agents, avec isolation des sessions et identité intégrée.
- Gateway – Transforme des API, des fonctions AWS Lambda et des services en outils compatibles MCP derrière un point de terminaison géré et sécurisé, standardisant l'accès aux outils. Le raisonnement relève de l'agent appelant.
- Identity – Authentification et gestion des identifiants, compatible avec les fournisseurs d'identité existants.
- Policy – Règles d'autorisation déterministes, rédigées en langage naturel ou en Cedar, qui interceptent chaque appel d'outil avant son exécution, maintenant un agent dans son périmètre pour les données d'approvisionnement et financières.
Le protocole MCP : comment les outils communiquent
MCP est une norme ouverte définissant la manière dont les modèles d'IA interagissent avec des outils externes. Chaque serveur expose des outils avec des paramètres typés :
{
"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
}Cela signifie :
- Les clients IA (Quick, agents personnalisés, autres applications MCP) peuvent consommer les mêmes serveurs.
- Les backends (SAP, Oracle, microservices personnalisés) peuvent être encapsulés sous forme de serveur MCP.
- La découverte des outils est automatique. Les clients interrogent le registre pour obtenir les schémas au moment de l'exécution.
AWS Agent Registry : la couche de découverte
Le registre est la couche de découverte gouvernée : un éditeur soumet un enregistrement, un conservateur l'approuve, et ce n'est qu'alors qu'il devient découvrable via la recherche hybride, la navigation ou le point de terminaison MCP du registre. Une réalité d'échelle à noter : les schémas étant découverts au moment de l'exécution, traitez chacun comme un contrat, en versionnant les nouveaux aux côtés des anciens en cas de changements avec rupture.
Figure 5 : Publication d'un enregistrement de serveur MCP dans AWS Agent Registry, approbation par un conservateur, liaison par un administrateur à Quick, et enregistrements approuvés devenant des cartes de connecteur
Orchestration multi-étapes
La couche de raisonnement est un agent sur AgentCore Runtime, un enregistrement d'agent à son URL d'invocation directe via un connecteur MCP personnalisé, sans Lambda ni passerelle. Ici, il s'agit de l'Order Fulfillment Agent. À partir d'une requête, il planifie quels outils appeler et dans quel ordre :
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 recommendationArchitecture de sécurité et de gouvernance
Chaque appel d'outil passe par le même ensemble de contrôles AgentCore avant d'atteindre un backend.
Figure 6 : L'ensemble de contrôles AgentCore uniforme avant le backend (authentification IAM, autorisation par outil, validation des entrées, évaluation des stratégies, limitation de débit, application des frontières de données, journalisation d'audit)
Les serveurs MCP de ce modèle
| Serveur MCP | Capacités | Exemples de requêtes |
Quoting Engine (sc-quoting-gateway) |
Génération de devis, règles de tarification, validation | « Devis conforme au contrat pour 500 unités de SKU-A » |
Governance Engine (sc-governance-gateway) |
Approbation des fournisseurs, autorité budgétaire, conformité réglementaire, règles de politique | « SupplierCo figure-t-il sur notre liste de fournisseurs approuvés ? » |
Invoice Processing (sc-invoice-gateway) |
Routage des approbations de factures, ancienneté des comptes fournisseurs, échéanciers de paiement | « Quelles factures sont en attente d'approbation cette semaine ? » |
Alertes de perturbation (sc-disruption-alert-gateway) |
Perturbations actives, gravité, évaluations d'impact, mesures d'atténuation | « Perturbations critiques affectant nos fournisseurs APAC ? » |
Agent de traitement des commandes (sc-order-fulfillment-agent) |
Orchestration multi-étapes à travers les quatre MCP métier (AgentCore Runtime, URL d'invocation directe) | « Un fournisseur est tombé en panne, trouvez des alternatives, vérifiez la conformité, émettez un appel d'offres » |
Amazon Quick : l'assistant IA d'entreprise
Amazon Quick met les outils AgentCore à disposition des utilisateurs métier via le chat, les agents, le Activity Feed et des workflows automatisés, sans configuration technique.
Composants clés utilisés
| Composant | Rôle dans ce modèle | Fonctionnement |
| Connexion au registre d'agents | Présente les serveurs MCP comme connecteurs | L'administrateur lie le registre une seule fois. Les enregistrements deviennent des cartes de connecteurs |
| Quick Agent | Un agent SC unique qui s'adapte au rôle | S'adapte au persona (responsable, achats, analyste) |
| Connecteurs MCP | Exposent les outils MCP dans le chat | Un connecteur de type carte expose les outils dans le Chat, les agents, les planifications |
| Activity Feed | Alertes et actions proactives | Les agents publient des cartes. L'utilisateur agit |
| Planifications | Automatisation récurrente en langage naturel | Par exemple, « chaque matin » |
| Intégration Outlook | E-mails dans le flux | Les réponses des fournisseurs sont analysées et validées |
| Connecteurs de données structurées | Interroger les enregistrements opérationnels | Requêtes rapides sur les jeux de données Space (commandes, inventaire, fournisseurs, contrats) pour la vérification des règles MCP |
| Base de connaissances Amazon Simple Storage Service (Amazon S3) | Récupération sur des documents | Factures, contrats et politiques dans une base de connaissances S3, ancrage des réponses grâce à la génération augmentée par récupération (RAG) |
| Connecteur CRM (facultatif) | Lit les fiches clients (facultatif) | Comptes, opportunités et contacts du CRM (par exemple, Salesforce). Peut également charger dans les jeux de données |
Flux d'activité automatisé et surveillance proactive
Le flux d'activité (Activity Feed) est la surface proactive d'Amazon Quick, une boîte de réception unifiée où les agents publient des résultats, des alertes et des recommandations. Les éléments du flux sont :
- Actionnables : chacun comporte un contexte et des actions de suivi.
- Trités par l'IA, avec des indicateurs de priorité (Réponse requise, Suivi, Échéance).
- Multi-sources : couvrant les e-mails, les plannings, les exécutions d'agents et les systèmes externes.
- Humain dans la boucle : les agents proposent et les humains décident.
Fonctionnement de la surveillance automatisée
Les outils AgentCore combinés aux capacités proactives d'Amazon Quick offrent deux chemins, basé sur le temps et piloté par e-mail, à travers un pipeline commun déclencheur → agent → sortie.
Figure 7 : Pipeline en trois étapes, du déclencheur (planification ou e-mail) à l'agent autonome (assess_disruption_impact, check_supplier_approval, apply_approval_rules, validate_quote), jusqu'à la carte prête pour examen
Cas d'utilisation : valider les réponses des fournisseurs par e-mail
Les fournisseurs répondent par e-mail avec leurs prix à un appel d'offres urgent (RFQ). L'agent valide chaque réponse (fournisseur approuvé ? dans les limites des directives ?) et prépare le résultat. Il ne rédige pas de devis, ne choisit pas de fournisseur retenu et n'émet pas de bon de commande (PO).
Phase 1 : configuration (unique, environ 5 minutes)
- Connecter Outlook: dans Amazon Quick, choisissez Settings → Connections → Add Outlook.
- Configurer le flux d'activité: activez la surveillance des e-mails dans les préférences du flux.
- Créer l'agent SC: créez un agent avec ces instructions :
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.- Créer une planification: « Toutes les 2 heures pendant les heures ouvrées, vérifier les nouvelles réponses des fournisseurs et les valider. »
Phase 2 : Exécution (entièrement automatisée)
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" cardLa carte de flux transporte les résultats de validation et les faits pertinents pour la décision :
| Réponse du fournisseur : Prête pour révision | Détails |
| Fournisseur | TechSupply Co, ✅ fournisseur approuvé |
| SKU / Qté / Prix | MCU-7200 · 10,000 unités · 2.45 $/unité |
| Vérification du prix | ✅ conforme aux directives d'achat |
| Actions | Sélectionner pour le bon de commande · Comparer les réponses · Rejeter |
Phase 3 : Human-in-the-loop
Le réviseur compare les réponses validées et sélectionne soit un fournisseur et émet le bon de commande, soit rejette avec une raison consignée. La sélection et le bon de commande restent entre les mains d'une personne.
Cas d'usage : surveillance proactive des disruptions
Déclenché par planification, le même schéma s'applique : un agent quotidien à 8:30 AM vérifie les nouvelles disruptions critiques ou de gravité élevée, évalue l'impact, signale tout élément disposant de moins de sept jours de stock comme URGENT et publie une carte d'alerte avec une action Issue Emergency RFQ.
Où cela se situe aux côtés de la BI traditionnelle
| Dimension | Business intelligence (BI) / tableaux de bord traditionnels | AgentCore + Amazon Quick |
| Modèle d'accès | Naviguer, se connecter, trouver le tableau de bord/le rapport | Demander en langage naturel. Le système trouve la source |
| Temps d'obtention des insights | Minutes à heures (trouver → filtrer → exporter → corréler) | Secondes (demander → réponse avec un contexte multi-systèmes) |
| Corrélation multi-systèmes | Manuel : 3-4 onglets, copier-coller | Automatique : l'agent orchestre à travers les serveurs MCP depuis une seule requête |
| Écart entre insight et action | Insight dans un outil → changer d'outil → agir dans un autre | Insight → action dans la même conversation |
| Coût de mise en place | Semaines/mois (conception des tableaux de bord, ETL, permissions, formation) | Minutes pour connecter, une fois vos serveurs MCP existants |
| Coût d'exécution | Fixe : les pipelines coûtent la même chose que quelqu'un pose des questions ou non | Basé sur l'utilisation : le serverless passe à zéro, le coût suit les questions (tokens Lambda + agent) |
| Confiance & exactitude | À jour seulement jusqu'au dernier chargement ETL | Calculé en direct à partir des systèmes de référence et des documents sources, chaque écriture validée par un humain |
Ce n’est pas un argument de type « tout remplacer ». Les tableaux de bord restent supérieurs pour la visualisation des tendances, l’analyse collaborative, le reporting réglementaire et l’analyse exploratoire. Utilisez l’IA conversationnelle pour les décisions opérationnelles en temps réel et la BI pour l’analyse stratégique. Ils se complètent, ils ne se concurrencent pas.
Personas et cas d’usage
One Quick Agent dessert les trois personas : le responsable maintient la continuité, les achats s’approvisionnent avec une conscience de la conformité, l’analyste corrèle les signaux. Le persona borne également la portée, via la sécurité au niveau des lignes/colonnes et le périmètre des outils MCP par persona, afin que les achats ne voient pas les données financières.
| Persona | Cas d’usage | Outils invoqués | Résultat |
| Responsable SC | Contrôle matinal des perturbations | Disruption Alerts MCP | Perturbations, revenus à risque, jours de stock |
| Responsable SC | Approvisionnement d’urgence | Governance → Quoting MCP | Alternatives vérifiées + RFQ, en un seul flux |
| Achats | Vérification des fournisseurs, autorité budgétaire | Governance MCP | Approbation, conformité, limites |
| Achats | Génération des RFQ et validation des réponses | Quoting MCP | RFQ émis + réponses validées |
| Analyste Opérations | Corrélation inter-systèmes | SC Operations Agent | Raisonnement multi-MCP, une seule requête |
| Analyste Opérations | File de paiements, audit, tendances des perturbations | Invoice / Governance MCP | Balance âgée fournisseurs, journal d’audit, schémas |
Pour commencer
Le déploiement du modèle se déroule en trois phases : provisionner l'infrastructure, connecter Amazon Quick à vos données et au registre, et activer la supervision.
Prérequis
Avant de commencer :
- Un compte AWS avec Amazon Bedrock AgentCore et AWS Agent Registry.
- AWS Command Line Interface (AWS CLI) v2, AWS Serverless Application Model (AWS SAM) CLI et Docker (l'agent s'exécute en tant que conteneur arm64).
- Python 3.12 ou version ultérieure, avec Boto3 1.43.94 ou version ultérieure pour l'étape du registre.
- Des identifiants actifs avec des autorisations AWS Identity and Access Management (IAM) pour déployer et enregistrer (
aws sts get-caller-identityrenvoie le compte cible). - Couche de données : une base de données (Snowflake, PostgreSQL/RDS ou un moteur SQLAlchemy), un compartiment Amazon S3, éventuellement une organisation Salesforce.
- Amazon Quick configuré pour votre organisation.
- (Facultatif) Un compte Outlook pour l'automatisation des e-mails.
La configuration utilise deux interfaces, de sorte que chacune des étapes suivantes indique où elle se déroule : la console web Amazon Quick dans un navigateur (autorisations Amazon Quick Sight, liaison de l'Agent Registry, connecteurs et paramètres des agents) et l' application Quick Desktop App (connexion d'Outlook pour l'automatisation des e-mails). L'expérience conversationnelle dans la Quick Desktop App vient en dernier, une fois la configuration terminée.
Déployer l'infrastructure
Tout est open source et scripté : clonez l'exemple quick-for-supply-chain dans le dépôt aws-samples/sample-amazon-quick-suite-knowledge-hub et suivez son README.md, ou orientez un agent de codage comme Kiro vers celui-ci.
Le README.md couvre trois phases. La phase 1 déploie la pile AgentCore : la couche d'identité (un groupe d'utilisateurs et un client d'application Amazon Cognito, un flux OAuth à code d'autorisation, plus un utilisateur de test), quatre serveurs MCP de règles métier (chacun étant une fonction AWS Lambda exposée par sa propre passerelle AgentCore Gateway, une capacité d'Amazon Bedrock AgentCore, utilisant CUSTOM_JWT l'autorisation), les cibles de passerelle mappant les outils de chaque fonction Lambda, et sc-order-fulfillment-agent sur AgentCore Runtime en tant que conteneur, avec des rôles IAM à privilèges minimaux. La phase 2 télécharge le jeu de données synthétique vers Amazon S3. La phase 3 vérifie que les passerelles et le runtime sont prêts (Ready). Six enregistrements Agent Registry sont approuvés.
Figure 8 : console AWS Agent Registry avec six enregistrements approuvés (quatre MCP Server, un Agent, un Skills)
Accorder à Amazon Quick l'accès à vos données
Dans la console web Amazon Quick (navigateur) : accordez à Amazon Quick l'accès depuis la page d'administration Amazon Quick Sight (Manage Quick Sight → Security and permissions) à la fois au compartiment S3 et à Amazon Athena, car chaque table est servie via une source Athena sur une base de données AWS Glue. Sans l'autorisation Athena, la création du jeu de données échoue.
Figure 9 : Amazon Quick Sight Security and permissions, avec Amazon Athena aux côtés d'Amazon S3
Lier le registre et créer des connecteurs
La liaison du registre est une opération unique et de niveau administrateur. La création d'un connecteur est propre à chaque utilisateur. Les deux opérations se déroulent dans la console Amazon Quick. Consultez le guide d'intégration d'AWS Agent Registry.
Lier le registre (administrateur, une seule fois)
Un administrateur lie un Agent Registry au compte Quick. Dans la console web Amazon Quick (admin) : allez dans Manage account → Permissions → AWS Agent Registry et activez le registre (sc-supply-chain-registry, un par compte). Seuls les registres de votre compte et de votre Région, de l'espace de noms agent-registry, avec l'autorisation AWS_IAM (SigV4) et le statut READY apparaissent. Le rôle de service géré par Quick l'associe.
Figure 10 : Liaison du registre, où seuls les registres READY avec AWS_IAM sont sélectionnables
Créer un connecteur
Une fois le registre lié, les enregistrements des serveurs MCP approuvés deviennent des cartes de connecteurs : les quatre MCP métier sous forme de cartes, l'agent de traitement des commandes ajouté manuellement. À grande échelle, fédérez l'authentification des connecteurs via votre fournisseur d'identité et attribuez des connecteurs à des groupes, le réservoir d'utilisateurs Cognito servant d'interface.
Dans la console web Amazon Quick (par utilisateur) : les quatre cartes apparaissent sur la page Connectors (sc-quoting-mcp, sc-governance-mcp, sc-invoice-processing-mcp, sc-disruption-alert-mcp). Authentifiez-vous via le flux de code d'autorisation OAuth (OAUTH2_AUTHORIZATION_CODE) avec l'ID client, le secret et les URL de jeton, d'autorisation et de redirection issus du script de déploiement. Connectez-vous en tant qu'utilisateur de test, activez les outils, créez et partagez.
Figure 11 : Les quatre cartes de connecteurs MCP métier, avec l'agent de traitement des commandes ajouté manuellement
Les connecteurs issus du registre sont des connecteurs Custom MCP (pertinents pour les autorisations personnalisées). La suppression du lien ultérieurement ne supprime pas les connecteurs déjà créés.
Figure 12 : L'étape Authenticate utilisant le flux OAuth par code d'autorisation (OAUTH2_AUTHORIZATION_CODE)
Ajouter le connecteur de l'agent de traitement des commandes
Dans la console web Amazon Quick : comme il s'agit d'un enregistrement d'agent, créez son connecteur manuellement (Connectors → Create for your team → Model Context Protocol → Create new) : nommez-le sc-order-fulfillment-agent, pointez-le vers l'URL d'invocation directe de l'AgentCore Runtime issue du script de déploiement, effectuez la même connexion OAuth, puis créez et partagez.
Figure 13 : Création du connecteur sc-order-fulfillment-agent, pointé vers l'URL d'invocation du runtime AgentCore
Attachez les connecteurs à votre agent
Le déploiement crée l'agent Supply Chain : un Quick Space, des jeux de données importés et une base de connaissances S3, ainsi que l'agent avec ses instructions, ses prompts de démarrage et son message de bienvenue. Il ne reste plus qu'à attacher les connecteurs.
Dans la console web Amazon Quick (paramètres de l'agent) : ouvrez l'agent Supply Chain créé par le déploiement (id par défaut sc-supply-chain-agent) et attachez les cinq connecteurs (quatre MCP métier plus sc-order-fulfillment-agent), ou transmettez les cinq identifiants de connecteurs au script de configuration.
Configurer la surveillance proactive
Pour la rendre proactive, Quick exécute le même agent selon un calendrier ou à réception d'e-mails et publie les résultats dans le Activity Feed. Les deux chemins réutilisent l'agent et les outils que vous avez configurés.
Dans l'application Quick Desktop (Settings → Connections) : connectez Outlook et activez la surveillance des e-mails. Puis, dans Quick Chat, créez deux planifications en langage naturel, l'une basée sur le temps (« Chaque matin, vérifier les nouvelles perturbations critiques ») et l'autre déclenchée par e-mail (« Toutes les deux heures pendant les heures ouvrées, vérifier les réponses des fournisseurs et valider »). L'agent extrait les prix, exécute les vérifications et publie une carte.
Essayez-le dans Amazon Quick
Une fois l'agent et les connecteurs prêts, posez vos questions en langage naturel dans Amazon Quick Chat. Chaque prompt illustre le modèle données-puis-règles.
| Demander à Amazon Quick | Ce que vous obtenez |
| « Quels outils de supply chain ai-je à ma disposition ? » | Les cinq connecteurs MCP (devis, gouvernance, facturation, alertes de perturbation, agent de traitement des commandes), avec leur statut. |
| « Montrez-moi les perturbations de supply chain actives. » | Les perturbations actives avec gravité, région et nombre de SKU (Disruption Alerts MCP). |
| « Évaluez l'impact de l'arrêt de production de TechComp. » | Le chiffre d'affaires à risque, les commandes affectées, les jours de stock, à partir de vos jeux de données. |
| « Ce fournisseur est-il un vendeur approuvé, et avons-nous l'autorité budgétaire pour un bon de commande de 72,000 $ ? » | Une approbation du MCP de gouvernance (statut du vendeur, autorité budgétaire, conformité). |
| « Générez un devis conforme au contrat pour 1,000 unités pour ce client. » | Un devis conforme au contrat du MCP de devis (Quoting MCP), sous forme de document à la marque. |
| « Un fournisseur vient de tomber en panne. Trouvez des alternatives, vérifiez la conformité et émettez un appel d'offres d'urgence. » | L'agent de traitement des commandes enchaîne les MCP de perturbation, de gouvernance et de devis en une seule recommandation. |
Conclusion
AgentCore et Amazon Quick constituent un modèle d'IA d'entreprise répétable : séparer l'intelligence de l'interface. AgentCore transforme des systèmes dorsaux fragmentés en une couche composable, gouvernée et accessible à l'IA via des interfaces MCP standard. Amazon Quick démocratise l'accès en langage naturel.
Le gain réside dans l'abréviation de la chaîne de décision : détecter, rechercher, décider, agir et journaliser nécessitaient auparavant cinq outils, désormais une seule conversation. L'IA recherche, met en corrélation, valide. La personne décide. Chaque appel est authentifié, autorisé, vérifié conformément aux politiques et audité, et une routine de 45-60 minutes répartie sur cinq systèmes peut se réduire à quelques minutes.
C'est le passage de « riches en données, pauvres en informations » à « riches en données, prêts à décider ». Commencez avec un serveur MCP et un persona. Le registre s'enrichit et l'expérience reste la même.