Sweep thousands of leases for compliance using Amazon Quick and the Adjudicated Query pattern
AWS Machine Learning Blog 发布文章，介绍 Adjudicated Query 模式：将 Amazon Quick 聊天代理与一个受限的 MCP server 结合，后者封装确定性规则引擎，用于对成千上万份租约做合规审查，并声称可给出可证明完整、可辩护的合规答案。文章给出参考架构与可部署的 AWS CDK 示例，以租约合规为示例场景。
Development
- First ReportSweep thousands of leases for compliance using Amazon Quick and the Adjudicated Query patternAWS Machine Learning Blog
- Current Assessment这属于企业合规场景中「LLM 做前端、规则引擎做后端」的常见收敛路径，卖点从模型能力转向可辩护性与可审计性。若该模式被更多 AWS 服务文档复用，说明云厂商正把 Agent 定位为既有确定性系统的编排层，而非替代者。可验证下一信号：AWS 是否将该模式写入其他行业（金融、医疗）的参考架构。Agent Pulse · analysis
AWS Machine Learning Blog 于 2026-10-02 发布一篇技术文章，主题为用 Amazon Quick 与 Adjudicated Query 模式批量扫描租约合规。该模式的核心组合是：Amazon Quick 的 chat agent 负责交互，一个 bounded MCP server 负责把请求约束在确定性规则引擎之上，从而输出被描述为 provably complete、defensible 的合规答案。文章同时提供参考架构与一个可部署的 AWS CDK 示例，示例场景为租约合规。证据未给出吞吐量、准确率、成本或客户案例等量化指标。
该模式把生成式交互层与判定层解耦：LLM 只负责理解与编排，最终判定由确定性规则引擎给出，MCP server 以有界接口限制可调用范围。这实质是用工具边界换取可审计性，代价是规则覆盖范围决定系统上限。可验证下一信号：CDK 示例中 MCP server 的工具清单与规则引擎的输入输出契约是否公开。
这属于企业合规场景中「LLM 做前端、规则引擎做后端」的常见收敛路径，卖点从模型能力转向可辩护性与可审计性。若该模式被更多 AWS 服务文档复用，说明云厂商正把 Agent 定位为既有确定性系统的编排层，而非替代者。可验证下一信号：AWS 是否将该模式写入其他行业（金融、医疗）的参考架构。
对采用方而言，价值在于把合规审查的边际成本从人工逐份阅读转向规则维护，且输出可回溯到规则，便于应对审计。前提是规则引擎已覆盖目标条款，否则完整性主张不成立。可验证下一信号：CDK 示例是否附带规则集与失败案例说明。
短期内更可能看到的是同类参考架构增多，而非统一标准。可验证下一信号：是否出现第三方对 Adjudicated Query 模式的复现或批评，以及 AWS 是否发布该模式的评测数据。