从门户跳转到即时问答:HEMA 借 MCP 与 Amazon Bedrock 打造内部 AI 助手
摘要
荷兰百年零售商 HEMA 把分散在门户、wiki 与文档中的内部技术知识整合为统一知识层,用 Model Context Protocol(MCP)和 Amazon Bedrock AgentCore 构建内部 AI 助手 HAL,并将知识嵌入员工日常已在使用的工具中。
核心要点
- HEMA 是一家拥有 100 年历史、在多个国家经营 750 多家门店的荷兰零售商,其技术组织由工程师、产品负责人和业务分析师组成
- 问题被拆为两层:一层是结构化的基础设施知识(服务目录记录了团队归属、服务、对外 API 与所支撑的业务能力,另有 PIM 引擎和数据网格表数据),另一层是流程性知识(如何申请 API 访问、如何新建组、某项规则是什么)——后者没有统一归宿
- 知识本身并不缺失,缺的是可达性:随着组织扩张,“问旁边的人”这一非正式模式失效,答案散落在少数人知道怎么导航的门户、wiki 和文档里
- HAL 的架构思路是双目标:把知识集中到一处,同时通过 MCP 把知识投送到 HAL chat、Kiro、Claude 及其他 agent 等员工已使用的工具内部
- 安全设计以 Microsoft Entra ID 为锚点,客户端不保存 AWS 凭据
原文佐证
- the 100-year-old Dutch retailer built a knowledge layer on Amazon Bedrock AgentCore
- HAL puts knowledge in one place, and MCP delivers that knowledge inside the tools people already use
- Security is anchored in Microsoft Entra ID, with no AWS credentials on the client.
AI 洞察
这个案例的价值不在“零售商用大模型做问答”,而在于 MCP 正被当作企业内部知识的通用接入协议——知识不再需要被搬进某个新入口,而是主动流向员工已有的工具,这决定了企业 AI 助手能否真正被用起来。值得注意的是同一方案里 AWS 的 AgentCore 负责知识与编排、微软 Entra ID 负责身份,说明多云身份体系与企业 AI 落地并不冲突,身份与权限而非模型能力才是规模化门槛。当只读知识层升级为“动作层”,智能体将获得写权限,接下来真正的瓶颈会从检索准确率转向变更审计与权限治理。