Fanatics Betting 在 AWS 上构建多智能体客服系统

美国体育博彩平台 Fanatics Betting and Gaming（FBG）近期在 AWS 上投产了一套多智能体客服系统，用于应对跨州法规差异与赛事高峰期激增的客户咨询。整套方案基于 Amazon Bedrock 构建，由运行在 Amazon EKS 上的 Spring AI 服务负责编排，并借助 Amazon Bedrock Guardrails 与负责任博彩分类器进行合规过滤。

业务挑战

FBG 的客服量随用户规模呈指数级增长，传统基于决策树的聊天机器人难以应对以下复杂性：

• 美国各州对支付方式、入金限额、出款时效、负责任博彩要求的规定各不相同，印第安纳州与新泽西州的客户可能得到截然不同的答案。
• NFL 季后赛、超级碗等重大赛事期间，咨询量可在两分钟内飙升至 40 条以上，系统必须弹性扩容且不损失响应质量。
• 客户问题类型多样，涵盖交易历史、账户设置、博彩规则、自助禁赌选项等，单一模型或知识库无法全覆盖。
• 平台需实时识别潜在问题博彩信号，这要求对会话语境做细致理解，而不仅是关键词匹配。

FBG 工程团队希望系统在保持自主处理能力的同时，精准判断何时升级到人工坐席。

架构概览

FBG 选择了「编排器 + 专业化子代理」的架构模式，而非单体聊天机器人：

• 主控代理（Supervisor Agent）运行在 Amazon Bedrock 上的 Anthropic Claude，负责接收客户消息、调度子代理与工具，并返回统一答复。
• 合规过滤层：消息先经 Amazon Bedrock Guardrails 检测提示注入，再由基于 Amazon Nova 2 Lite 的「负责任博彩分类器」按合规框架分级，高风险消息立即连同完整会话上下文转人工。
• 专业工具集：包括基于检索增强生成（RAG）的知识检索管道、账户与交易相关的 Model Context Protocol（MCP）服务器、以及转人工坐席工具。
• 模型无关接入：借助 Bedrock 的统一 API，团队可按任务挑选最合适的模型，并在新模型出现时灵活替换，无需重构核心系统。

由于 FBG 已在 Amazon EKS 上积累了大量容器化运维经验，每个代理都可以独立部署、扩容与迭代，新业务线或新问题类型只需新增工具或子代理，不会触动既有架构。

请求流转路径

一次典型的客户咨询会沿以下链路完成处理：

• 客户在 FBG 移动 App 内发送消息，经 Salesforce Einstein 接入会话界面层。
• 请求以标准 REST 调用进入运行在 Amazon EKS 上的 Spring AI 服务，校验客户令牌后调用 AI 代理。
• 消息先穿过 Bedrock Guardrails 抵御提示注入，再交由负责任博彩分类器评估。
• 主控代理根据请求内容，调度 RAG、MCP 服务器、转人工等工具，合成最终回复。

团队观点

FBG 首席技术官 Ian Botts 表示，希望在保证负责任博彩与合规底线的前提下，让客户获得更快、更准确的答复，并使整套系统能随时间持续进化。高级软件工程经理 Luis Fernandez Rocha 强调模块化设计是快速迭代的关键：新增用例或新业务单元时，只需新增工具或代理，无需改动系统其余部分。

这一案例展示了一种务实的生产级 Agent 落地路径：依托现有云平台基础设施，以编排器为中枢，把合规、检索、交易等专业能力拆成可独立演进的模块，从而在高并发、强合规的客服场景中兼顾效率与可扩展性。