Создание семантического слоя для агентного ИИ на AWS с использованием AtScale и Amazon Bedrock AgentCore
aws ·
В этой статье описывается третья часть серии материалов о создании семантических слоев для агентного ИИ на AWS, в которой используются AtScale и Amazon Bedrock AgentCore. Показано, как реализовать паттерн Customer 360 с помощью подхода AtScale к моделированию измерений, который отличается от графовых методов или виртуализации, применявшихся в предыдущих публикациях. Решение использует Язык семантического моделирования (SML) для определения наборов данных, иерархий и мер, версионирование которых осуществляется в Git, а доступ предоставляется через SQL, XMLA и протокол контекста моделей (MCP). Агент Strands, размещенный на AgentCore, использует Claude Sonnet 4.6 для интерпретации пользовательских вопросов и генерации запросов к серверу AtScale MCP. Архитектура обеспечивает безопасную передачу идентификационных данных через AgentCore Identity, обеспечивая контроль доступа на основе ролей и строчную безопасность на уровне семантического слоя до того, как запросы достигнут Amazon Redshift. Автономное управление агрегатами AtScale оптимизирует производительность за счет обнаружения шаблонов запросов и маршрутизации их к предварительно материализованным сводным таблицам. В завершение статьи описывается развертывание в Amazon EKS и подтверждается, что семантический слой предоставляет согласованные, управляемые ответы как для агентов ИИ, так и для традиционных инструментов бизнес-аналитики.
aws