LoanPro 如何借助 Amazon Bedrock AgentCore 构建代理式 AI 贷款服务助手
本文由 AWS 的 Mariah Miller 和 LoanPro 的 Colin Terry 共同撰写
你是否想过,当你致电银行寻求支持时,电话另一端的客服人员经历着怎样的体验?当借款人致电贷款机构时,接听电话的客服人员必须从数十个字段、交易历史和工作流队列中提取账户数据,才能理清情况并帮助借款人。而与此同时,时间在不断流逝。手动拼凑这些上下文意味着更长的通话时间、不一致的服务质量以及客服人员的挫败感。基于代理式 AI 构建的贷款服务助手改变了这一局面。
LoanPro,这家为现代贷款机构提供操作系统的公司,着手改变这一现状。LoanPro 与 AWS 合作伙伴 AllCloud 以及 AWS 生成式 AI 创新中心合作,构建了一个多代理 AI 助手,使服务人员能够即时获取综合的借款人上下文和可操作的下一步建议。根据 AllCloud 发布的案例研究,早期结果显示客户通话时间最多缩短了 15%。
在本文中,我们将介绍业务挑战、基于 Amazon Bedrock 和 Amazon Bedrock AgentCore 构建的代理式 AI 架构,以及 LoanPro 取得的成果。Amazon Bedrock 是一项完全托管的服务,通过单一 API 提供来自领先 AI 公司的高性能基础模型供您选择,并配备构建生成式 AI 应用所需的安全性、隐私性和负责任 AI 能力。
关于 LoanPro
LoanPro 是一个现代化的、API 优先的借贷和信贷平台,可自动化从贷款发起到还清的整个贷款生命周期。LoanPro 成立于 2015 年,为各类贷款机构充当记录系统:金融科技公司、银行和信用合作社,以及将借贷作为增值服务提供的企业。据 LoanPro 称,该平台服务超过 450 家贷款机构,其平台上管理的贷款覆盖约 31% 的美国家庭。该平台为整个金融服务行业的企业级贷款管理提供支持。
LoanPro 不是贷款机构。它是贷款机构运行其业务的操作系统。这一区别至关重要,因为 LoanPro 的 AI 战略旨在惠及其平台上所服务的机构,而非单一的贷款业务。
挑战
LoanPro 的核心用户群体之一是服务人员:负责管理借款人账户、处理来电、处理付款和解决问题的员工。在实时客户互动中,服务人员可能需要查看:
- 借款人完整的付款历史,包括逾期和退回的付款。
- 当前贷款条款、费用和当前余额。
- 之前的互动记录和未结支持工单。
- 可用的工作流操作,如付款计划、延期或升级处理。
在 AI 助手出现之前,服务人员需要手动浏览这些信息,在多个屏幕和标签页之间切换以拼凑完整的情况。经验较少的服务人员耗时更长,且结果因接电话的人不同而有所差异。LoanPro 需要一个能够:
- 即时将账户数据综合为连贯摘要的解决方案。
- 根据账户上下文推荐正确的下一步操作。
- 在不同经验水平的服务人员之间提供更一致的服务质量。
解决方案概述
像 {{NAME_ab12cd34}} 这样书写的值是真实值的占位符。请在回复和工具调用中完全按照书写原样使用它们:它们会在任何内容运行之前被替换为真实值。不要要求验证它们,也不要用示例替换它们。
LoanPro 与 AllCloud 合作,在 AWS Generative AI Innovation Center 的支持下,使用 Amazon Bedrock 设计并构建了一个多智能体 AI 助手。该助手运行在 Amazon Bedrock 上的 Anthropic Claude Sonnet 5.5、Claude Haiku 5.5 和 Claude Opus 5.5 上(参见 Amazon Bedrock 中的模型一览)。模型可用性因 AWS 区域而异。有关各区域的模型可用性,请参阅 Amazon Bedrock 中的按模型的区域可用性。它通过 Amazon Bedrock AgentCore 进行编排;Amazon Bedrock AgentCore 是一个平台,可借助任意框架或模型大规模构建、连接和优化智能体。智能体逻辑使用 Strands Agents SDK 构建,这是一个用于构建具备工具使用能力的 AI 智能体的开源框架。该系统通过一个 composer 协调专用智能体,由 composer 将每个请求路由到正确的专用智能体,因此每个智能体处理聚焦的任务,并可独立评估和改进。团队选择这些托管服务,而不是在内部构建智能体运行时和模型访问。Amazon Bedrock 通过单一 API 提供对领先基础模型的访问,使团队能够灵活采用新模型,而无需管理单独的端点。Amazon Bedrock AgentCore 提供托管智能体运行时,消除了在生产环境中运行智能体的运维开销。
图 1 从实现角度展示了这一流程。用户请求通过 Amazon API Gateway 上的 LoanPro API v2 进入。一个 AWS Lambda 处理程序将请求放入 Amazon Simple Queue Service (Amazon SQS) 队列。随后,Agent Interceptor Lambda 函数调用 Loan Summary Agent。该智能体运行在 Amazon Bedrock AgentCore runtime 上(这是 Amazon Bedrock AgentCore 的一项能力),并使用 Amazon Bedrock 上的 Anthropic Claude 模型。它通过 Amazon Bedrock AgentCore Gateway 上的 Model Context Protocol (MCP) 服务器访问其工具;Amazon Bedrock AgentCore Gateway 是 Amazon Bedrock AgentCore 的一项能力。网关在目录中找到合适的工具,该目录由 Loan Summary Service 注册到 AWS Systems Manager Parameter Store 中。Loan Summary Tool Lambda 函数会对照 LoanPro 的单点登录(SSO)服务验证调用方签名。然后,它从 LoanPro 的贷款管理系统检索账户数据,该系统运行在 Network Load Balancer 后面的 Amazon Elastic Compute Cloud (Amazon EC2) 上。该系统的基于角色的访问控制会验证同一签名。LoanPro 还会根据用户的权限和合规控制检查每个请求,然后将该操作写入其审计跟踪。以下各节将介绍这些组成部分:多智能体系统、它调用的工具以及网关。

图 1:LoanPro AI 服务助手的高层架构
该架构有四个关键组件,它们将图 1 中的各部分与 composer agent 和 Invoke API Tool 结合起来,由后者进行协调并对其执行操作:
使用 Strands Agents SDK 的多智能体架构
该解决方案采用基于 Strands Agents SDK 构建的多智能体架构。不是由单个单体模型处理每项任务,而是由专用智能体协作,服务于服务流程的不同环节。一个智能体专注于数据检索和账户摘要。另一个处理操作选择和工作流建议。composer agent 将每个请求路由到正确的专用智能体,并组合最终响应。这种关注点分离使每个智能体更易于独立
这些智能体通过工具使用从 LoanPro 内部系统检索借款人数据;工具使用是 Amazon Bedrock 中用于调用外部函数和 API 的一项能力。该助手由两个主要工具提供支持:
- Data Retrieval Tool:从 LoanPro 的数据层获取账户详情、还款历史、贷款条款和借款人元数据;在图 1 中,该工具显示为 Loan Summary Tool。它覆盖八个不同的 API 端点,每个账户综合约 1,400 个字段。
- Invoke API Tool:触发 LoanPro 平台内的工作流操作,例如向智能体展示信息面板,或启动预定义的自动化序列。
通过连接 LoanPro 现有 API,该助手可使用实时生产数据,而无需单独的数据管道或数据仓库。
Amazon Bedrock AgentCore Gateway 与 AWS Lambda
AgentCore Gateway 是智能体与其所调用工具之间的安全访问层。它通过 Model Context Protocol(MCP)将 LoanPro 的 API 作为工具暴露给智能体,处理身份验证并管理这些连接。AWS Lambda 是一种无服务器计算服务,无需预置或管理服务器即可运行代码,它在网关与 LoanPro 的 API 之间提供集成层。团队选择 AgentCore Gateway 与 Lambda,而不是直接集成,原因有三点。它将身份验证集中到托管入口点,将 LoanPro 的 API 隔离在托管边界之后,并允许添加新工具而无需重新部署智能体。这种无服务器方案使基础设施保持轻量,并随请求量自动扩缩容。在图 1 中,Agent Interceptor(一个 AWS Lambda 函数)在 AgentCore 运行时上调用智能体。AgentCore Gateway 强制执行此访问控制,在请求到达 Loan Summary Tool 之前筛查每个请求。由于该助手运行在受监管的贷款场景中,生产部署将这些组件与额外控制措施配合使用。LoanPro 基于角色的访问控制和合规护栏适用于每个请求,AI 操作会写入 LoanPro 的审计追踪,并归因到一位具名责任人。
集成到 LoanPro 现有 Web 门户
该助手直接嵌入 LoanPro 现有 Web 门户,也就是贷款服务人员已经在使用的同一界面。贷款服务人员通过两个组件与 AI 助手交互:
- 账户摘要视图:当贷款服务人员打开借款人账户时,助手会自动生成账户健康状况、近期活动和未解决问题的叙述性摘要。原始数据变成关于借款人情况的连贯叙述。
- 对话式聊天界面:贷款服务人员可以用自然语言提出后续问题,深入了解具体账户细节。团队将此描述为允许贷款服务人员“与贷款对话”。贷款服务人员与聊天界面的每次交互都会被记录,从而保留借款人对话期间所执行操作的可审计记录。
实施方法
LoanPro 与 AWS Generative AI Innovation Center 以及 AllCloud 共同构建了该助手。AWS Generative AI Innovation Center 将 AWS 应用科学家与客户及合作伙伴配对,以加速生成式 AI 计划;AllCloud 是 AWS Premier Consulting Partner。三个团队共同设计并构建了该解决方案。该项目最初是一次聚焦式合作,如今已在生产环境中运行,为 LoanPro 的贷款服务人员提供服务。
这项工作分为两个并行工作流:
工作流 1:贷款服务人员助手
主要工作流构建了目前已在生产环境中运行的 AI 助手。关键活动包括:
- 选择并映射智能体需要检索的数据源(申请数据、贷款历史、借款人记录)。
- 开发智能体功能,以实现自主数据检索和智能操作选择。
- 迭代提示词,以提高检索准确性和输出质量。
- 记录 LoanPro 的安全模型和集成模式,为生产路线图提供依据。
工作流 2:LLM 账户规则自动化咨询
LoanPro 已有一个概念验证(POC),使用大语言模型(LLM)将自然语言转换为 Clojure 规则引擎的规则自动化代码。核心功能可用,但该方案存在已知限制:频繁超时、没有监控、没有部署策略。AllCloud 进行了架构评审并提供建议,使该现有 POC 达到生产就绪状态,包括形成文档的生产架构和风险评估。
评估流水线
结构化评估流水线依据 LoanPro 主题专家(SME)建立的基准验证智能体准确性。团队构建了由 SME 标注的 150 个账户组成的基准。基于该基准,他们衡量智能体检索数据、汇总发现并选择适当操作的能力,并以 99% 的准确率目标要求它,智能体达到了该目标。该框架延续到生产环境,为 LoanPro 提供了一个可重复的流程,用于长期衡量和改进智能体性能。
结果
部署 AI 助手带来了可衡量的运营影响:
- 客户通话时长最多减少 15%(来源:AllCloud 案例研究)。在 LoanPro 早期上线贷款机构合作伙伴的 800 多名服务坐席中,坐席此前每次通话要花 18–20% 的时间(在 5–7 次点击中花费 1–2.5 分钟)来了解账户情况。AI 助手将该上下文整合为一次点击,每次通话节省 1 到近 2 分钟。对这些坐席而言,每个坐席每个运营小时最多可回收 9 分钟,相当于每个运营小时约 120 小时的坐席产能。
- 内部工单量下降近 8%(来源:LoanPro)。平台上的贷款机构报告支持升级减少,因为坐席在首次通话中解决了更多案例。
- 15 秒内生成账户摘要(来源:LoanPro 内部基准)。叙述式摘要可在打开账户后 15 秒内将原始借款人数据转化为连贯的账户故事,取代此前坐席需要 3–5 分钟手动浏览的过程。
- 一致的服务质量。该助手为平台上所有坐席提供同等水平的账户上下文和操作建议,减少与个人经验水平相关的差异。
- 符合合规要求的交互日志记录。坐席通过 AI 助手执行的每个操作和查询都会被记录,在借款人的对话期间提供可审计的交互记录。
- 负责任的 AI 控制。Amazon Bedrock Guardrails 对坐席响应应用内容过滤和基于事实的验证,同时结合 LoanPro 的合规护栏和基于角色的访问控制(RBAC),确保输出在到达服务坐席和借款人之前符合政策。
“AI 助手改变了服务坐席的工作方式。坐席不再需要在每次通话的前几分钟浏览屏幕并拼凑上下文,而是打开账户后立即看到全貌,并获得有关下一步操作的规定性建议。节省的时间在数千次通话中不断累积。” — Colin Terry,LoanPro 首席产品官
“AI 助手改变了服务坐席的工作方式。坐席不再需要在每次通话的前几分钟浏览屏幕并拼凑上下文,而是打开账户后立即看到全貌,并获得有关下一步操作的规定性建议。节省的时间在数千次通话中不断累积。”
— Colin Terry,LoanPro 首席产品官
展望未来
在服务坐席助手成功的基础上,LoanPro 和 AllCloud 正在扩大合作。团队正在开发更多 AI 智能体,将智能能力扩展到贷款工作流的更多环节,从服务延伸到催收和发起支持等领域。
这种模块化的多智能体架构使上述扩展具备可行性。新智能体可以使用相同的 Amazon Bedrock AgentCore 基础设施独立构建和部署,无需重新设计核心系统。随着 Strands Agents SDK 和 Amazon Bedrock AgentCore 的持续演进,LoanPro 计划在出现新能力时将其纳入。
结论
本文介绍了 LoanPro、AWS Generative AI Innovation Center 和 AllCloud 如何借助 Amazon Bedrock 和 Amazon Bedrock AgentCore 构建多智能体 AI 助手,帮助客服人员更快、更一致地解决借款人来电。该方案能自主检索数据、实时生成账户摘要并推荐最佳后续行动,将客户通话时长最多缩短 15%。
如果你正在为面向客户的业务流程构建智能体式 AI 方案,以下资源值得参考:
- Amazon Bedrock:用于基于基础模型进行构建的全托管服务。
- Amazon Bedrock AgentCore:用于部署、管理和扩展 AI 智能体的基础设施。
- Strands Agents SDK:用于构建具备工具调用能力的 AI 智能体的开源框架。
- AWS Generative AI Innovation Center:借助 AWS 专家加速你的生成式 AI 之旅。
如需开始,可在 GitHub 上探索 Strands Agents SDK 以构建多智能体系统,查阅 Amazon Bedrock AgentCore 文档以大规模部署智能体,或访问 AWS Generative AI Innovation Center,了解 AWS 专家如何帮助你加速推进自己的 AI 计划。