AWS पर AtScale और Amazon Bedrock AgentCore के साथ एजेंटिक AI के लिए एक सेमान्टिक लेयर बनाएं
aws ·
यह लेख AWS पर एजेंटिक AI के लिए सेमैंटिक लेयर बनाने की श्रृंखला के तीसरे हिस्से का विवरण प्रस्तुत करता है, जिसमें विशेष रूप से AtScale और Amazon Bedrock AgentCore का उपयोग किया गया है। यह पिछले पोस्ट्स में उपयोग किए गए ग्राफ-आधारित या वर्चुअलाइजेशन विधियों से भिन्न AtScale के डायमेंशनल मॉडलिंग दृष्टिकोण का उपयोग करके एक 'Customer 360' पैटर्न को लागू करने का प्रदर्शन करता है। समाधान डेटासेट, हियरार्की और मापों को परिभाषित करने के लिए सेमैंटिक मॉडलिंग लैंग्वेज (SML) का उपयोग करता है, जिसे Git में वर्शन किया जाता है और SQL, XMLA और मॉडल कॉन्टेक्स्ट प्रोटोकॉल (MCP) के माध्यम से एक्सपोज़ किया जाता है। AgentCore पर होस्ट किए गए Strands एजेंट Claude Sonnet 4.6 का उपयोग उपयोगकर्ता प्रश्नों को व्याख्या करने और AtScale MCP सर्वर के खिलाफ क्वेरी जनरेट करने के लिए करते हैं। आर्किटेक्चर AgentCore Identity के माध्यम से सुरक्षित पहचान प्रचार सुनिश्चित करता है, जो क्वेरी के Amazon Redshift तक पहुंचने से पहले सेमैंटिक लेयर पर रोल-आधारित एक्सेस नियंत्रण और रो सुरक्षा को लागू करता है। AtScale का स्वतंत्र अग्रीगेट मैनेजमेंट क्वेरी पैटर्न का पता लगाकर और उन्हें पूर्व-मटेरियलाइज्ड सारांश टेबल्स पर रूटिंग करके प्रदर्शन को अनुकूलित करता है। अंत में, पोस्ट Amazon EKS पर तैनाती का विवरण देता है और पुष्टि करता है कि सेमैंटिक लेयर AI एजेंट और पारंपरिक BI दोनों उपकरणों के बीच संगत और शासित उत्तर प्रदान करती है।
aws