AWS发布三款语义层方案集成Bedrock AgentCore
先了解这件事
2026年10月20日，AWS Machine Learning Blog连续发布三篇博客，介绍利用不同语义层工具与Amazon Bedrock AgentCore构建Agentic AI应用的方案。首先，AtScale发布C2026.7版本，支持通过SQL、XMLA和MCP协议暴露维度语义模型，结合托管的Strands智能体实现基于角色和行级安全的自动查询规划。其次，Strategy Mosaic通过MCP协议为Strands智能体提供统一数据访问，支持跨Amazon Redshift和Aurora的模型链接及策略传递。最后，AWS发布教程展示如何利用Denodo平台构建语义层，通过Denodo MCP Server暴露受治理视图，实现Amazon Aurora、Redshift及本地PostgreSQL数据的联邦查询。
AI 根据报道生成 · 50 分钟前更新
事件进展
2 个进展
- 10月20日 23:39 · 1 篇报道AWS发布使用Denodo和Bedrock AgentCore构建Agentic AI语义层教程AWS Machine Learning Blog：使用 Denodo 和 Amazon Bedrock AgentCore 为 Agentic AI 构建语义层
- 10月20日 23:33 · 2 篇报道AWS发布使用Strategy Mosaic构建Agentic AI语义层教程AWS Machine Learning Blog：使用 AtScale 和 Amazon Bedrock AgentCore 为 Agentic AI 构建语义层
报道时间线
沿着报道，了解事件的不同侧面。
- AWS Machine Learning Blog使用 Denodo 和 Amazon Bedrock AgentCore 为 Agentic AI 构建语义层
AWS 发布教程，展示如何利用 Denodo 平台与 Amazon Bedrock AgentCore 为 Agentic AI 应用构建语义层。该方案通过 Denodo MCP Server 暴露受治理的视图，实现 Amazon Aurora、Amazon Redshift 及本地 PostgreSQL 数据的联邦查询。
- AWS Machine Learning Blog使用 Strategy Mosaic 和 Amazon Bedrock AgentCore 为 AI 智能体构建语义层
Strategy Mosaic 作为语义层，通过 Model Context Protocol (MCP) 为 Amazon Bedrock AgentCore 上的 Strands 智能体提供统一数据访问。该方案支持跨 Amazon Redshift 和 Amazon Aurora 的模型链接，实现业务指标定义与行级安全策略的端到端传递。
- AWS Machine Learning Blog使用 AtScale 和 Amazon Bedrock AgentCore 为 Agentic AI 构建语义层
AtScale 发布 C2026.7 版本，支持通过 Semantic Modeling Language 构建维度语义模型。该模型可同时通过 SQL、XMLA 和 MCP 协议暴露，并支持在 Amazon EKS 上部署。结合 Amazon Bedrock AgentCore 托管的 Strands 智能体，可实现基于角色和行级安全的自动查询规划。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。