Signal YCurated AI News
更新于 11/5 20:4061 个信源

用 EDB Postgres AI 与 Amazon Bedrock AgentCore 为智能体 AI 构建语义层

企业 AI11/4 00:41AWS 机器学习博客查看原文 ↗
摘要

本文是 AWS 官方博客的技术教程,演示如何用 EDB Postgres AI 的 AIDB 扩展,在运营型 Postgres 数据库内部构建语义层,再通过内置 MCP 端点接入运行在 Amazon Bedrock AgentCore 上的 Strands Agents 智能体,回答客户 360(C360)类问题。

核心要点
  • 语义层不再外挂:业务含义写在标准 Postgres COMMENT 语句里,join 图直接取自 Postgres 外键,schema 与业务定义在同一库内一起被索引。
  • 治理依赖数据库原生机制而非提示词——Postgres GRANT、列级授权与行级安全(RLS)通过 AIDB 自带 MCP 端点生效,原文明确称其“不是劝导式系统提示词”。
  • 同一句问题由两个不同 Postgres 角色提出会得到不同答案,而提示词、工具目录和 Agent 代码完全保持不变。
  • 工具链路为:AIDB 工具目录 → 内置 EDB MCP 端点 → Application Load Balancer → 注册为 AgentCore Gateway 的 MCP target;入站授权归 Gateway,出站凭证由 AgentCore Identity 持有。
  • 模型层使用 Amazon Bedrock 上的 Anthropic Claude(可用性随 AWS 区域而变),Agent 运行在 AgentCore runtime。
原文佐证
  • EDB Postgres AI puts the semantic layer inside the operational Postgres database as an AIDB extension
  • Postgres GRANT , row-level security, and column-level grants enforce access, not an advisory system prompt.
  • The prompt, tool catalog, and agent code stay the same.
AI 洞察
语义层正从独立中间件(知识图谱、数据虚拟化、维度建模)下沉到运营型数据库内部,这意味着“业务语义 + 访问控制”与数据同源,独立语义层/数据虚拟化厂商的中间层价值会被压缩。MCP 正在成为工具暴露的事实标准接口,而 Agent 的权限边界重新回到数据库的 GRANT 与 RLS——这对企业是好事,因为治理复用了既有 DBA 体系而非新建一套。真正的瓶颈也随之从模型能力转向语义定义的维护成本:谁能低成本维护业务口径,谁就掌握企业 Agent 落地的钥匙。