语音 AI 助手常见做法是用一个 voice-to-voice 模型（如 Amazon Nova 2 Sonic）端到端处理语音进、语音出。本方案改用 Amazon Connect 的原生 agentic 能力做出同等语音体验：浏览器直接说话，Connect 负责语音识别与合成、AI agent 负责推理与工具调用——以组件化、可托管、可编排的方式实现，而非依赖单一 voice-to-voice 模型。
通过 Connect web calling（WebRTC）+ Amazon Chime SDK，网页点一下即可通话，无需电话号码、无需安装客户端。
Connect 托管的富表现力 ASR + TTS，支持自然停顿、打断（barge-in）。采用组件化语音，而非单一 voice-to-voice 模型（如 Nova 2 Sonic）的 speech-to-speech。
Connect orchestrator AI agent 负责多步推理，自行判断该调哪个工具——无需自建 Bedrock 调用循环。
工具逻辑在我们的 Lambda 里，通过 AgentCore Gateway 以 Model Context Protocol 暴露给 AI agent。
对话双方文本都从 Connect 的 AI agent 日志实时拉取，让你直接对比“听到的”与“回答的”。
工具、Gateway、MCP 注册、JWT 授权、Lex bot、Contact Flow、AI agent 全链路由 CDK 部署；少数 CFN 未覆盖处用 SDK 补齐。
同样是“语音进、语音出 + 会调工具的 AI 助手”，两条实现路线的取舍。
| 维度 | Voice-to-voice 模型方案（如 Amazon Nova 2 Sonic） | 本方案（Amazon Connect 组件化） |
|---|---|---|
| 语音引擎 | 单一模型端到端 speech-to-speech | Connect agentic voice 的 ASR + TTS（可托管、50+ 语言/嗓音） |
| “大脑” | 模型内置对话与工具调用 | Connect orchestrator AI agent（托管，多步推理、可编排） |
| 工具 | 随模型的函数调用约定 | MCP：AgentCore Gateway → Lambda（标准协议、可复用） |
| 浏览器接入 | 自建 WebSocket + 模型双向流 | Connect web calling（WebRTC）+ Chime SDK（开箱即用） |
| 运维与治理 | 自行承载模型会话与扩缩 | Connect 托管：安全档案、日志、观测、合规入口 |
取舍诚实说明：voice-to-voice 模型是真正的端到端语音（自然停顿、极低延迟）；Connect + agentic voice 是回合制（说完 → 识别 → 推理 → 合成），但支持打断（barge-in），并把语音、推理、工具、合规入口都变成可托管、可编排的标准组件。演示工具（get_current_time / get_weather）为确定性实现、无外部依赖。
Contact Flow 是 Amazon Connect 的可视化编排（本质是一个状态机）——每一通接入的联系（这里是浏览器 web call）都会“走”一遍这个 flow，按块（block）顺序被处理。它决定了：用什么嗓音、什么时候建立 AI 会话、把话交给谁、以及出错/结束怎么走。我们这个 demo 的 flow 只有 5 个块，却把整条语音 AI 链路串了起来。
打开这通联系的流日志。后续排障、以及网页字幕所依赖的对话记录，都从这里开始产生。
把本通对话的 TTS 嗓音设为 Matthew（Amazon Connect agentic voice）。之后所有语音合成——包括开场白与 AI 回答——都用这把嗓音，保证声音一致。
创建一个 Q in Connect 会话并绑定 orchestrator AI agent，得到一个 SessionArn。这是关键一步：没有它，下一步的 AI 意图会因为“没有活动会话”而失败。
核心块。先播开场白“Hi! How can I help you today?”，再把语音交给 Lex bot。两个要点：
· 通过 LexSessionAttributes 把第 3 步的 SessionArn 作为 x-amz-lex:q-in-connect:session-arn 传入，AI 会话才接得上；
· Lex 的 QInConnectIntent 把整句转发给 AI agent——真正的语音识别（agentic voice ASR）、推理与工具调用都在这一步内部完成，最后合成语音回放。
对话结束（或 AI 选择 Complete / Escalate 返回控制）后，结束这通联系。生产中可在此接入“转人工队列”等分支。
Flow 让“语音 + 会话 + AI + 出错处理”变成一段可视化、可版本化、可发布的脚本，而不是散落在代码里的胶水逻辑。整个 flow 由 CDK 以 AWS::Connect::ContactFlow 部署并直接发布（State=ACTIVE）。
想看这 5 个块在一次真实对话里逐帧怎么走、数据形态如何转换，见 架构页的场景数据流。