Créer une couche sémantique pour l'IA agentisée sur AWS avec AtScale et Amazon Bedrock AgentCore
aws ·
Cet article présente le troisième volet d'une série consacrée à la création de couches sémantiques pour l'IA agentique sur AWS, en utilisant spécifiquement AtScale et Amazon Bedrock AgentCore. Il démontre comment mettre en œuvre un modèle Customer 360 grâce à l'approche de modélisation dimensionnelle d'AtScale, qui diffère des méthodes basées sur les graphes ou la virtualisation utilisées dans les articles précédents. La solution utilise le Semantic Modeling Language (SML) pour définir des jeux de données, des hiérarchies et des mesures, versionnés dans Git et exposés via SQL, XMLA et le Model Context Protocol (MCP). Un agent Strands hébergé sur AgentCore utilise Claude Sonnet 4.6 pour interpréter les questions des utilisateurs et générer des requêtes adressées au serveur MCP d'AtScale. L'architecture garantit une propagation sécurisée des identités via AgentCore Identity, appliquant un contrôle d'accès basé sur les rôles et une sécurité au niveau des lignes au sein de la couche sémantique avant que les requêtes n'atteignent Amazon Redshift. La gestion autonome des agrégats par AtScale optimise les performances en détectant les modèles de requête et en les acheminant vers des tables résumées pré-matérialisées. Enfin, l'article décrit le déploiement sur Amazon EKS et vérifie que la couche sémantique fournit des réponses cohérentes et gouvernées, tant pour les agents IA que pour les outils de BI traditionnels.
aws