Construir una capa semántica para IA agente en AWS con AtScale y Amazon Bedrock AgentCore
aws ·
Este artículo detalla la tercera entrega de una serie sobre la creación de capas semánticas para IA agéntica en AWS, utilizando específicamente AtScale y Amazon Bedrock AgentCore. Demuestra cómo implementar un patrón Customer 360 mediante el enfoque de modelado dimensional de AtScale, que difiere de los métodos basados en grafos o virtualización utilizados en publicaciones anteriores. La solución emplea el Lenguaje de Modelado Semántico (SML) para definir conjuntos de datos, jerarquías y medidas, versionados en Git y expuestos a través de SQL, XMLA y el Protocolo de Contexto de Modelo (MCP). Un agente Strands alojado en AgentCore utiliza Claude Sonnet 4.6 para interpretar las preguntas de los usuarios y generar consultas contra el servidor MCP de AtScale. La arquitectura garantiza la propagación segura de identidades a través de AgentCore Identity, aplicando control de acceso basado en roles y seguridad a nivel de fila en la capa semántica antes de que las consultas lleguen a Amazon Redshift. La gestión autónoma de agregaciones de AtScale optimiza el rendimiento detectando patrones de consulta y redirigiéndolos a tablas resumen pre-materializadas. Finalmente, el artículo describe el despliegue en Amazon EKS y verifica que la capa semántica proporciona respuestas consistentes y gobernadas tanto para agentes de IA como para herramientas tradicionales de BI.
aws