Do dado ao plano de ação: o desafio das equipes de operações
Equipes de cadeia de suprimentos em crescimento acelerado costumam ter dados suficientes para perceber que algo está errado — mas raramente têm tempo para investigar manualmente cada ruptura. Um atraso de fornecedor, por exemplo, exige que o planejador verifique ordens de compra, estoque disponível, compromissos com clientes, regras contratuais, opções logísticas e políticas de aprovação antes de tomar qualquer decisão.
Dashboards ajudam a enxergar o que está acontecendo. O problema mais difícil é transformar esse sinal em um workflow de decisão confiável — que recomende o que fazer a seguir e apresente as evidências por trás da recomendação.
Foi exatamente esse problema que a AWS abordou em um post técnico recente, mostrando como o Amazon Quick pode funcionar como a porta de entrada para workflows de agentes especializados, utilizando o NVIDIA NeMo Agent Toolkit no backend.
Visão geral da solução
A proposta combina duas ferramentas complementares. O Amazon Quick oferece aos usuários de negócio um espaço de trabalho conversacional único, capaz de lidar com dados estruturados e conhecimento corporativo não estruturado. As fontes de conhecimento podem incluir Serviço de Armazenamento Simples da Amazon (Amazon S3), Google Drive, Microsoft SharePoint, Atlassian Confluence e conteúdo web interno. Dentro desse espaço, os usuários podem se conectar a mais de 100 conectores de ação pré-construídos para interagir com sistemas de terceiros como Microsoft Outlook, Slack, Jira e Asana — além de invocar workflows agênticos expostos via Protocolo de Contexto de Modelo (MCP).
Já o NVIDIA NeMo Agent Toolkit é uma biblioteca de código aberto e agnóstica de framework para conectar, avaliar, perfilar e otimizar workflows agênticos. Ele funciona em conjunto com frameworks populares como LangChain, LlamaIndex, CrewAI, Microsoft Semantic Kernel, Google ADK e agentes Python customizados.
No exemplo apresentado, analistas de cadeia de suprimentos usam um agente de chat do Amazon Quick para diagnosticar problemas por meio de um workflow do Amazon QuickSight com NeMo Agent Toolkit. O workflow investiga a ruptura, aciona ferramentas de supply chain, valida a recomendação e retorna um plano de mitigação ranqueado ao planejador.
Arquitetura da solução
Na arquitetura proposta, cada componente tem um papel bem definido:
- Amazon Quick provê a interface do usuário de negócio, o contexto do dashboard, o acesso ao conhecimento e o gatilho de ação.
- Amazon Bedrock AgentCore Gateway expõe a ação MCP e serve como ponto de entrada para o workflow agêntico.
- Amazon Bedrock AgentCore Runtime hospeda o container com o workflow do NeMo Agent Toolkit.
- NeMo Agent Toolkit gerencia o workflow de backend: registra ferramentas, orquestra a investigação de supply chain, captura traces de execução e suporta avaliação e perfilamento.
Existem dois padrões de uso na solução. No primeiro, o analista faz perguntas diagnósticas que o Amazon Quick responde a partir do dashboard e da fonte de conhecimento no Amazon S3 — respondendo “o que está acontecendo?” sem acionar o backend. No segundo, quando o analista pergunta o que fazer a seguir, o Amazon Quick invoca a ação MCP apoiada pelo NeMo, que retorna o plano de mitigação com evidências.
Como o NeMo Agent Toolkit estrutura o workflow
Para quem está conhecendo o NeMo Agent Toolkit agora, o workflow de backend tem três camadas de código:
- Funções registradas: capacidades reutilizáveis como análise de risco em ordens de compra, exposição de estoque, impacto em clientes, consulta de políticas, opções logísticas e recomendação de mitigação.
- Arquivo de configuração do workflow: nomeia as funções e as conecta em um único workflow de decisão.
- Orquestrador: recebe a requisição, chama as funções em sequência e retorna o plano de mitigação com evidências, trace, latência e metadados do avaliador.
As seis ferramentas registradas no orquestrador supply_chain_risk_orchestrator são:
po_risk_tool: localiza ordens de compra atrasadas e SKUs afetados.inventory_exposure_tool: calcula dias de estoque e risco de ruptura.customer_impact_tool: mapeia SKUs restritos para pedidos de clientes, receita, prioridade e exposição de SLA.contract_policy_tool: verifica regras de contrato, sourcing, aprovação de frete e substituição.logistics_options_tool: encontra opções de expedição, transferência ou fornecedor alternativo.mitigation_recommendation_tool: ranqueia as opções de mitigação e retorna verificações do avaliador crítico.
Configuração do workflow em YAML
A lógica de decisão do backend é definida como uma configuração de workflow do NeMo Agent Toolkit. O arquivo YAML atribui um nome local a cada função registrada, e o orquestrador resolve essas funções no código Python. Para mais detalhes, consulte a documentação do NeMo Agent Toolkit sobre funções customizadas.
# Each entry under functions configures a function available to the workflow
# The _type value maps to a registered NeMo function in the plugin code.
functions:
po_risk:
_type: po_risk_tool
inventory_exposure:
_type: inventory_exposure_tool
customer_impact:
_type: customer_impact_tool
contract_policy:
_type: contract_policy_tool
logistics_options:
_type: logistics_options_tool
mitigation_recommendation:
_type: mitigation_recommendation_tool
# The workflow section defines the entry point and wires in the functions.
workflow:
_type: supply_chain_risk_orchestrator
po_risk_fn: po_risk_tool
inventory_fn: inventory_exposure_tool
customer_impact_fn: customer_impact_tool
contract_policy_fn: contract_policy_tool
logistics_fn: logistics_options_tool
mitigation_fn: mitigation_recommendation_toolEssa abordagem torna o workflow explícito e testável: as funções podem ser instrumentadas, testadas, reutilizadas e incluídas em workflows de avaliação e perfilamento do NeMo Agent Toolkit. Em produção, as funções de exemplo baseadas em CSV devem ser substituídas por ferramentas de dados governados, como queries no Amazon Athena, queries no RDS, APIs de ERP, APIs de WMS/TMS ou outras ferramentas MCP.
Passos de implementação
O repositório de exemplo inclui o template do AWS CloudFormation, scripts de implantação, dados de exemplo, o plugin de workflow do NeMo Agent Toolkit e notas de configuração do Quick.
Pré-requisitos
Para implantar e testar o exemplo, são necessários:
- Uma conta AWS com acesso ao Amazon Quick, Amazon Bedrock AgentCore Runtime e Amazon Bedrock AgentCore Gateway.
- Interface de Linha de Comando da AWS (AWS CLI) v2.
- Python 3.11+ para validação local opcional do NeMo.
- Docker não é necessário localmente, pois o quickstart usa o AWS CodeBuild para construir e enviar a imagem de container do AgentCore Runtime.
- Permissões de Gerenciamento de Identidade e Acesso da AWS (IAM) para implantar stacks do AWS CloudFormation que criam roles IAM, buckets do Amazon S3, repositórios do Registro de Contêiner Elástico da Amazon (Amazon ECR), projetos do AWS CodeBuild, funções do AWS Lambda e recursos do Amazon Bedrock AgentCore.
- Um usuário do Amazon Quick ou Amazon QuickSight com permissões para criar análises, datasets, integrações de conhecimento, agentes de chat e integrações de ação MCP.
Passo 1: Clonar o repositório
git clone https://github.com/aws-samples/sample-amazon-quick-nvidia-nemo-agent-toolkit
cd amazon-quick-nemo-supply-chain-riskPasso 2: Autenticar na AWS
Autentique-se com a conta AWS onde planeja implantar o exemplo. Os comandos configuram um perfil de IAM Identity Center / SSO, iniciam o fluxo de login via browser e verificam a identidade da conta.
Para Mac ou Linux:
aws configure sso
aws sso login --profile <your-profile-name>
export AWS_PROFILE=<your-profile-name>
aws sts get-caller-identityPara Windows PowerShell:
aws configure sso
aws sso login --profile <your-profile-name>
$env:AWS_PROFILE="<your-profile-name>"
aws sts get-caller-identityPasso 3: Implantar a solução de exemplo
Configure a região AWS e o nome da stack antes de executar o script de implantação.
Mac ou Linux:
export AWS_REGION=us-east-1
export STACK_NAME=sc-risk-copilot-dev
./scripts/deploy.shWindows PowerShell:
$env:AWS_REGION="us-east-1"
$env:STACK_NAME="sc-risk-copilot-dev"
.\scripts\deploy.ps1O script de implantação executa as seguintes tarefas: implanta a stack base do AWS CloudFormation; faz upload dos datasets e documentos de conhecimento para o Amazon S3; usa o AWS CodeBuild para construir e enviar a imagem de container NeMo para o Amazon ECR; atualiza a stack para implantar o Amazon Bedrock AgentCore Runtime; cria um target Lambda MCP do Amazon Bedrock AgentCore Gateway; e grava os valores de configuração do Quick em outputs/quick-setup.txt.
Passos 4 a 9: Configuração do Amazon Quick
Após a implantação da infraestrutura, os passos seguintes envolvem a configuração manual dentro do Amazon Quick: revisar os outputs gerados, criar o dashboard do Amazon QuickSight a partir do CSV de exemplo, configurar a fonte de conhecimento apontando para o prefixo kb/ no bucket S3, registrar o workflow do NeMo Agent Toolkit como uma ação MCP via integração com o AgentCore Gateway e criar o agente de chat de risco de supply chain.
Nota importante de segurança: O exemplo implanta o AgentCore Gateway com AuthorizerType=NONE, que não realiza nenhuma autenticação ou autorização. Use apenas em ambiente de demonstração privado e isolado, com dados sintéticos não sensíveis. Para implantações reais, configure um autorizador de entrada suportado, como CUSTOM_JWT, e use autenticação OAuth/OIDC para usuários ou serviços do Amazon Quick.
Passo 10: Inspecionar trace, latência e resultados de avaliação do NeMo
Após o funcionamento da ação no Amazon Quick, é possível inspecionar o que aconteceu dentro do workflow de backend. O trace mostra o caminho do workflow, os dados de latência indicam quanto tempo cada ferramenta levou, e o harness de avaliação verifica se o workflow retorna o nível de risco esperado, a ação de mitigação e o roteamento de aprovação para casos de teste conhecidos.
Para inspecionar o trace e a latência do runtime implantado:
export AWS_REGION=us-east-1
export STACK_NAME=sc-risk-copilot-dev
./scripts/inspect-runtime.shPara executar o harness de avaliação local do NeMo Agent Toolkit:
PYTHON_CMD=python3.12 ./scripts/eval-nemo-local.shOs resultados podem ser visualizados diretamente no Amazon Quick: basta fazer upload dos arquivos outputs/runtime-response.json e outputs/local-eval-report.json no chat e solicitar ao agente que crie um resumo visual dos resultados do workflow, trace, latência, recomendações de risco e flags do avaliador.
Em uma execução de exemplo com dados sintéticos, o workflow do NeMo Agent Toolkit completou em 657 ms de ponta a ponta. A consulta de risco de ordens de compra (267 ms) e a recuperação de política contratual (196 ms) responderam por mais de 70% da latência total.
Considerações de segurança para produção
O exemplo foi projetado para demonstração. Antes de qualquer uso em produção, as seguintes mudanças são recomendadas:
- Substituir
AuthorizerType=NONEpor um autorizador de produção no AgentCore Gateway, com validação de token, emissor, audiência e rotação de chaves. - Restringir as políticas IAM aos recursos e ações estritamente necessários.
- Colocar as fontes de dados atrás de APIs governadas.
- Tratar as ferramentas do NeMo Agent Toolkit como interfaces governadas: validar entradas contra schemas esperados, validar IDs de fornecedores e códigos SKU contra listas de permissão explícitas, parametrizar todas as queries para evitar injeção e validar as saídas das ferramentas antes de retorná-las.
- Aplicar as mesmas regras de autorização em nível de linha e coluna nos datasets do Amazon QuickSight e nas ferramentas de dados do backend.
- Adicionar aprovação humana antes de ações de escrita, como alterações de fornecedor, criação de tickets, notificação de clientes ou atualizações em ERP.
Conclusão
A combinação entre Amazon Quick e NVIDIA NeMo Agent Toolkit demonstra como transformar visibilidade de cadeia de suprimentos em um workflow de decisão guiado. Planejadores trabalham em um espaço de negócio governado com dashboards, contexto de conhecimento, agentes de chat e acionamento de ações. O NeMo Agent Toolkit executa o workflow de decisão no backend, com trace, latência por etapa e metadados de avaliação que ajudam as equipes a identificar gargalos e melhorar o workflow antes da produção.
O padrão é útil tanto para startups quanto para equipes corporativas que precisam escalar a tomada de decisões operacionais sem adicionar etapas de revisão manual para cada ruptura. A mesma arquitetura pode ser adaptada para outros domínios, como risco de renovação de clientes, resposta a incidentes, qualidade de manufatura ou tratamento de exceções logísticas.
Para monitoramento mais amplo de uso do Amazon Quick, adoção, invocação de ações e desempenho de dashboards, é possível usar o monitoramento de administração do Amazon Quick e as métricas do Amazon CloudWatch — conforme detalhado em um post associado no blog da AWS.
Fonte
Build specialized agent workflows for your business with Amazon Quick and NVIDIA NeMo Agent Toolkit (https://aws.amazon.com/blogs/machine-learning/build-specialized-agent-workflows-for-your-business-with-amazon-quick-and-nvidia-nemo-agent-toolkit/)
Leave a Reply