Building Supercharger: How Rocket Close optimized title operations with agentic AI

构建 Supercharger：Rocket Close 如何利用智能体 AI 优化产权操作 | 人工智能

Rocket Close 是 Rocket Companies 旗下的一个位于底特律的产权代理和评估管理公司，提供产权保险、房产估值和结算服务。随着抵押贷款和贷款需求的增长，产权操作成为购房过程中的一个瓶颈。耗时的、特定于各州的产权检查，加上手动研究和分散的系统，降低了处理速度，使团队难以跟上不断扩大的客户群。

产权检查员必须从不同来源验证数据。这需要在多个系统、州指南和县要求中进行搜索。关于遗嘱认证或税务 ID 的地方规则进一步增加了他们的工作难度。例如，一个产权检查员想要了解一个特定县的记录要求，可能需要花费数小时在多个来源之间来回查找。

为了解决这些挑战，Rocket Close 与 AWS 合作创建了 Supercharger。Supercharger 是一个智能体 AI 解决方案，旨在减少借贷和购房过程中的摩擦，并优化产权操作的工作流程。它结合了产权和结算知识，引导团队完成订单处理工作流程，并通过自然语言与内部运营团队进行动态交互。通过集中知识并自动化研究密集型任务，该解决方案能够生成有关订单的可操作见解，提高效率，减少查找信息所花费的时间。最终，它提升了运营效率和客户体验。

在本文中，我们将探讨 Rocket Close 如何利用 Strands Agents、大型语言模型（LLMs）、Amazon Bedrock、Amazon Bedrock 知识库以及 Model Context Protocol（MCP）工具构建解决方案。我们将涵盖解决方案的功能、技术栈选择的依据、学到的经验以及在 Rocket Close 的业务影响。

解决方案概述

Supercharger 解决方案由 Strands Agents 提供支持，Strands Agents 是 AWS 提供的一个开源代理框架 SDK，用于通过 Amazon Bedrock 使用 Anthropic Claude 大型语言模型（LLM）构建代理，使其能够根据产权助手的发展选择不同的 LLM。从安全角度来看，该解决方案结合了 Amazon Bedrock 的防护措施和行级数据权限，通过智能访问控制来防止意外访问客户敏感数据。对话会记录完整的审计跟踪，以满足合规要求。它与 Rocket Close 的运营数据库集成，这些数据库包含订单信息、标准程序和州级产权检查的政策。下图展示了 Supercharger 的六个相互关联的功能。

Supercharger 解决方案的核心是一个领域专用的代理，它通过六个相互关联的能力与运营团队进行对话，这些能力协同工作以简化购房流程。对话分析功能实现了自然语言处理，能够理解多轮对话中的上下文和意图，使交互显得直观且人性化，而不是僵硬和交易化。在此对话智能的基础上，州级产权审查协助功能提供了符合特定产权审查要求的全面检查清单和指导，为团队在关键时刻提供正确的信息。该解决方案基于 API 的集成连接现有系统，以保持数据一致性并避免手动输入数据，从而减少错误并使团队能够专注于高价值的工作。护栏和响应准确性确保每个响应都符合质量标准并遵守监管要求，保护公司及其客户。全面的日志记录和监控提供了对系统性能和用户交互的完整可见性，完整的审计跟踪满足合规要求。最后，统一访问多个数据源可为决策提供完整的上下文，将之前需要检查多个系统的相关信息整合在一起，为运营团队处理复杂的产权工作流程提供统一的体验。

当运营团队成员提出问题时，请求会按照下图所示的架构图流程进行处理。

• WebSocket 握手 – 用户通过带有 JWT 令牌的 HTTP 请求启动连接。

• 令牌验证 – 身份提供商通过 Istio 验证令牌并建立 WebSocket 连接。

• 产权审查代理调用 – 调用 Strands 代理，根据系统提示和用户输入触发代理工作流程。

• 知识库查询 – 代理在知识库中搜索相关的政策和程序。

• 工具选择 – 代理确定要调用的函数及其参数。

• MCP 工具执行 – MCP 工具处理请求，从 Atlas Web API 获取订单信息。

• 上下文合成 – 系统查询知识库以获取特定订单的上下文。

• 响应传递 – 组合后的响应通过 WebSocket 流式传输回用户。

• 响应渲染 – 合成后的响应逐步流式传输回聊天机器人 UI。

在接下来的章节中，我们将解释我们为何选择 Strands 代理和基于 MCP 工具的架构。

Strands 代理

Strands 代理是一个开源的代理框架 SDK，它采用模型驱动的方法，只需几行代码即可构建和运行 AI 代理。它能够从简单的到复杂的使用场景进行扩展，从本地开发到生产环境都适用。Strands 代理利用 LLM 的规划、工具调用和反思能力来驱动代理行为。

使用 Strands 代理，开发人员可以在代码中定义一个提示和一组工具，然后在本地测试代理并将其部署到云端。SDK 通过模型的推理能力规划代理的下一步操作并运行工具。对于更复杂的使用场景，开发人员可以自定义代理行为。例如，您可以指定工具的选择方式，自定义上下文管理方式，选择会话状态和内存的存储位置，并构建多代理应用程序。

Model Context Protocol (MCP) 工具

该解决方案采用基于 MCP 工具的架构，其中每个数据源都作为独立的工具进行暴露，Strands Agents 可以调用这些工具。这种方法带来了三个优势：

• 可扩展性 – 新的数据源可以作为额外的工具添加，而无需对核心架构进行重构。团队有意做出这一设计选择，以适应未来的扩展需求。

• 职责分离 – 与每个系统交互的逻辑封装在各自的工具中，这使得整体架构更易于维护和测试。

• 灵活性 – Strands Agent 根据每个查询动态选择使用哪些工具，支持跨越多个数据源的工作流程。

业务影响

“通过利用 Rocket Close 的专有知识库，并增强 Supercharger 的智能代理 AI 能力，我们的团队能够改变团队成员与复杂订单数据进行交互以及执行日常任务的方式。这不仅提高了生产率，也改变了工作方式。通过将 Supercharger 的问答能力与我们的外部聊天接口集成，我们每月节省了数千次电话和电子邮件，使我们实现了更大的规模和更好的客户体验。” —— Bryan Bedard，Rocket Close 数据科学副总裁

Supercharger 能够理解订单级别的上下文并提供精确、角色特定的指导，从而在多个方面改变了 Rocket Close 的端到端工作流程。该解决方案为运营和客户关系团队带来了即时的运营效率提升，通过其问答能力将联系中心收到的来电和电子邮件数量减少了 30%。通过现有工作流程中关于订单的实时洞察，州考试的准确性得到了提高，这减少了认知负担，缩短了研究时间，并提高了决策的准确性。通过自动化日常任务、执行订单级别的流程以及代表客户起草沟通内容，客户满意度得到了提升。通过 Supercharger 的 AI 引导的州级考试协助，运营一致性得到了改善。最后，通过架构优化和更有效的提示技术，减少了代理对 LLM 的调用次数，实现了 3 倍的延迟改进和成本降低。

经验教训

在整个 Supercharger 的实施过程中，Rocket Close 团队发现了一些关键的经验教训，这些经验影响了他们的 AI 战略和实施方法。

这段经历表明，高效的数据检索是性能的基础，促使他们设计出一种简洁的解决方案，其中MCP工具在单次调用中获取必要的订单信息，随后使用LLM合成提取相关信息，从而减少了多次数据库查询的需要。这种架构理念也延伸到保持Strands Agents和MCP工具之间职责的清晰分离，创建了一个灵活的基础，能够随着需求的变化而演变。团队发现，基于WebSocket的流式传输能够立即提供用户反馈，即使在处理复杂查询时也能提升感知性能。团队认识到，有效的LLM提示应侧重于描述代理应完成的任务，而不是规定具体步骤，因为去除确定性步骤使代理能够动态地利用其固有功能进行协调，证明其比定制方法更具适应性。在知识库中对元数据进行过滤以提高检索精度、描述性工具命名和连贯的docstring作为代理推理的自然语言接口的重要性，以及将安全策略的执行卸载到会话属性中，而不是嵌入到业务逻辑或逐步代理提示中，有助于提供干净且一致的访问控制，这些额外的见解也浮现出来。团队还意识到，高管支持和变更管理对于及时交付至关重要，因此他们与AWS进行了合作。

总体而言，这些经验汇聚成一个统一的原则：设计利用代理固有智能的解决方案，而不是限制其能力，使Supercharger在长期来看更加强大且易于维护。

结论

在本文中，我们分享了通过Rocket Close Supercharger旅程，如何利用代理AI在抵押行业转变复杂、知识密集型流程的见解。使用Strands Agents和MCP工具有助于构建一个灵活且高性能的解决方案，使团队成员能够即时访问订单信息并实现智能自动化。Supercharger的下一步将包括扩展功能，使银行家能够回答贷款相关问题，并创建快速启动模板，以指导多个领域团队为其业务问题构建代理解决方案。

这段旅程突显了几个重要的经验教训。其中包括业务和技术团队之间的实际协作、迭代优化的价值，以及架构决策在实现性能和可维护性中的作用。

对于正在考虑类似AI实施的组织，Rocket Close的旅程提供了一个务实的指南。从明确的业务需求开始，与了解技术和您所在领域的专家合作，投资于合适的架构，并根据实际使用情况进行迭代。最终的结果不是取代工作，而是增强人类的能力，改变工作的完成方式。

如需了解更多，请参阅Strands Agents文档和Amazon Bedrock营销页面。要开始构建自己的代理解决方案，请打开Amazon Bedrock控制台并探索Amazon Bedrock知识库。

作者简介

'"`