AWS发布三篇教程介绍AtScale、Strategy Mosaic与Denodo为Bedrock AgentCore构建语义层
先了解这件事
AWS发布三篇教程，分别介绍AtScale、Strategy Mosaic和Denodo如何为Amazon Bedrock AgentCore构建语义层，以支持AI智能体访问企业数据。 Strategy Mosaic的教程称，通过定义两个链接模型，可以在无需ETL的情况下集成Amazon Redshift和Amazon Aurora，并强制执行相同的安全规则，且智能体只能访问建模者声明的路径。Denodo的教程则展示了如何将其平台与Amazon Bedrock AgentCore集成，以提供对Amazon Aurora、Redshift及本地PostgreSQL的联合查询，实现统一的客户视图供智能体访问。 AtScale的教程展示了如何使用其Semantic Modeling Language (SML)定义维度模型，并通过SQL、XMLA和MCP协议暴露，以在AWS上为智能体AI构建语义层。
AI 根据报道生成 · 2 小时前更新
事件进展
3 个进展
- 10月20日 23:39 · 1 篇报道使用Denodo和Amazon Bedrock AgentCore构建语义层教程AWS Machine Learning Blog：在 AWS 上使用 Denodo 和 Amazon Bedrock AgentCore 构建智能体 AI 的语义层
- 10月20日 23:36 · 1 篇报道使用Strategy Mosaic和Amazon Bedrock构建语义层教程AWS Machine Learning Blog：Strategy Mosaic 如何构建面向智能体的语义层与 Amazon Bedrock AgentCore 集成
- 10月20日 23:33 · 1 篇报道使用AtScale和Amazon Bedrock AgentCore构建语义层教程AWS Machine Learning Blog：Build a semantic layer for agentic AI on AWS with AtScale and Amazon Bedrock AgentCore
报道时间线
沿着报道，了解事件的不同侧面。
- AWS Machine Learning Blog在 AWS 上使用 Denodo 和 Amazon Bedrock AgentCore 构建智能体 AI 的语义层
本文展示如何在 AWS 上使用 Denodo 平台与 Amazon Bedrock AgentCore 构建语义层，以支持智能体 AI 访问企业数据。Denodo 提供实时零拷贝访问，并通过 VQL 与智能体交互，同时支持本地 PostgreSQL 与 Amazon Aurora、Redshift 的联合查询。
- AWS Machine Learning BlogStrategy Mosaic 如何构建面向智能体的语义层与 Amazon Bedrock AgentCore 集成
Strategy Mosaic 通过定义两个链接模型实现 Amazon Redshift 与 Amazon Aurora 的语义层集成，无需 ETL 即可支持 AI 智能体推理。
- AWS Machine Learning BlogBuild a semantic layer for agentic AI on AWS with AtScale and Amazon Bedrock AgentCore
本文展示如何在 AWS 上使用 AtScale 和 Amazon Bedrock AgentCore 为智能体 AI 构建语义层，AtScale 通过 Semantic Modeling Language (SML) 定义维度模型并以 SQL、XMLA 和 MCP 协议暴露。
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。