Costruire uno strato semantico per l'AI agenziale su AWS con AtScale e Amazon Bedrock AgentCore
aws ·
Questo articolo descrive la terza puntata di una serie dedicata alla creazione di strati semantici per l'AI agenziale su AWS, utilizzando specificamente AtScale e Amazon Bedrock AgentCore. Dimostra come implementare un pattern Customer 360 mediante l'approccio di modellazione dimensionale di AtScale, che si differenzia dai metodi basati su grafi o virtualizzazione utilizzati nei post precedenti. La soluzione impiega il Semantic Modeling Language (SML) per definire dataset, gerarchie e misure, versionati in Git ed esposti tramite SQL, XMLA e Model Context Protocol (MCP). Un agente Strands ospitato su AgentCore utilizza Claude Sonnet 4.6 per interpretare le domande degli utenti e generare query contro il server MCP di AtScale. L'architettura garantisce una propagazione sicura delle identità attraverso AgentCore Identity, applicando il controllo degli accessi basato sui ruoli e la sicurezza a livello di riga allo strato semantico prima che le query raggiungano Amazon Redshift. La gestione autonoma degli aggregati di AtScale ottimizza le prestazioni rilevando i modelli di query e instradandole verso tabelle di riepilogo pre-materializzate. Infine, il post illustra il deployment su Amazon EKS e verifica che lo strato semantico fornisca risposte coerenti e governate sia agli agenti AI che agli strumenti BI tradizionali.
aws