Trong bài đăng này, chúng tôi trình bày cách xây dựng lớp ngữ nghĩa cho AI tác nhân bằng cách sử dụng EDB Postgres AI. Chúng tôi điều hành một tác nhân Strands Agents trên Amazon Bedrock AgentCore để truy vấn lớp này để trả lời các câu hỏi 360 (C360) của khách hàng. Các bài viết trước trong loạt bài này đã xây dựng cùng một mẫu C360 với biểu đồ tri thức của Stardog, nền tảng ảo hóa dữ liệu của Denodo, mô hình thứ nguyên của AtScale và các mô hình được liên kết của Strategy Khảm. EDB Postgres AI đặt lớp ngữ nghĩa bên trong cơ sở dữ liệu Postgres đang hoạt động dưới dạng phần mở rộng AIDB. Ý nghĩa kinh doanh nằm bên cạnh dữ liệu trong các câu lệnh COMMENT Postgres tiêu chuẩn, biểu đồ tham gia đến từ các khóa ngoại của Postgres và quản trị sử dụng Postgres GRANT và bảo mật cấp hàng thông qua điểm cuối Giao thức bối cảnh mô hình (MCP) đi kèm với AIDB. Đến cuối bài này bạn sẽ biết:

Cách xây dựng cơ sở kiến ​​thức ngữ nghĩa AIDB (SemKB) trên lược đồ Postgres, cách COMMENT ON các câu lệnh và viện trợ.create_semantic_alias hoạt động như bề mặt soạn thảo và cách các khóa ngoại thu thập dữ liệu vào các đường dẫn nối. Cách hiển thị danh mục công cụ AIDB cho một tác nhân bên ngoài thông qua điểm cuối EDB MCP tích hợp, phía trước là Cân bằng tải ứng dụng (ALB) và được đăng ký làm mục tiêu MCP trên AgentCore Gateway, một khả năng của Amazon Bedrock AgentCore. Cách các vai trò của Postgres, câu lệnh GRANT cấp cột và bảo mật cấp hàng tạo ra các kết quả khác nhau cho những người gọi khác nhau. Lời nhắc, danh mục công cụ và mã đại lý vẫn giữ nguyên. Cách AIDB ghi lại các dấu vết OpenTelemetry cho mỗi lần thực thi SQL dưới dạng các hàng trong lược đồ Aidb_otel, có thể truy vấn bằng SQL thông thường.

Ba lớp mà một đại lý cần Một tác nhân trả lời các câu hỏi kinh doanh từ dữ liệu trực tiếp cần ba lớp: một mô hình lập kế hoạch và viết các truy vấn, một lớp ý nghĩa cho tác nhân biết dữ liệu đại diện và thời gian chạy lưu trữ tác nhân cũng như kiểm soát danh tính và quyền truy cập. Bài đăng của Stardog trong loạt bài này đã giới thiệu cách đóng khung này. Lớp mô hình trong bài đăng này là Anthropic Claude trên Amazon Bedrock, giống như các bài đăng trước đó (tính khả dụng của mô hình thay đổi tùy theo Khu vực AWS). Lớp thời gian chạy là thời gian chạy AgentCore, một khả năng của Amazon Bedrock AgentCore. Cổng AgentCore xử lý ủy quyền gửi đến và AgentCore Identity, một khả năng của Amazon Bedrock AgentCore, lưu giữ thông tin xác thực gửi đi cho các mục tiêu công cụ, giống như các bài đăng trước đó. EDB Postgres AI lưu trữ các tác nhân và công cụ bên trong cơ sở dữ liệu và đóng vai trò là điểm kết nối cho các tác nhân bên ngoài thông qua điểm cuối MCP của nó. Lớp ý nghĩa là nơi bài đăng này khác với những bài khác. Đây là một SemKB nằm bên trong cơ sở dữ liệu Postgres đang hoạt động. Lược đồ và định nghĩa nghiệp vụ được lập chỉ mục cùng nhau. Postgres GRANT, bảo mật cấp hàng và cấp cấp cột thực thi quyền truy cập chứ không phải lời nhắc hệ thống tư vấn. Các phần tiếp theo đề cập đến cách AIDB xây dựng lớp, cách AgentCore hiển thị nó và cách hai vai trò Postgres hỏi cùng một câu hỏi nhận được các câu trả lời khác nhau. Trường hợp sử dụng ví dụ: C360 trên EDB Postgres AI Tập dữ liệu là Bộ kiến thức Stardog C360, được tải vào một phiên bản AI EDB Postgres duy nhất trong lược đồ c360 chuyên dụng. Mô hình dữ liệu có bốn bảng và một khung nhìn dẫn xuất.

Đối tượng Cột chính

khách hàng cid, first_name, Last_name, full_name, email, ssn, điện thoại, hình ảnh, vị trí (FK tới location.id)

địa điểm id, thành phố, tiểu bang, zip

sản phẩm id, tên, nhãn hiệu, phòng ban, giá cả

mua hàng id, cid (FK tới khách hàng.cid), pid (FK đến sản phẩm.id), ngày, số lượng, giá

big_spender (xem) cid, full_name, trạng thái, big_orders, lớn nhất_order

Lược đồ vật lý là một biểu đồ kết nối Postgres đơn giản: một khách hàng trong bảng khách hàng sống tại một địa điểm, địa điểm mua hàng và mỗi giao dịch mua đều tham chiếu đến một sản phẩm. Công việc ngữ nghĩa dựa trên ba ý tưởng kinh doanh mà tên cột không tiết lộ. Trạng thái không nằm trên hàng khách hàng. Nó tồn tại ở các vị trí, được tiếp cận thông qua khóa ngoại của customer.location và một nhận xét trên cột đó sẽ cho SemKB biết nơi tìm thấy nó. mua hàng.price ghi lại tổng số đơn đặt hàng. Một đại lý đọc nó dưới dạng đơn giá và nhân với số lượng sẽ trả về 502.529 USD cho khách hàng hàng đầu thay vì 27.991,66 USD. Người chi tiêu nhiều là một thuật ngữ mà doanh nghiệp sở hữu. Được ghi lại dưới dạng dạng xem với câu lệnh COMMENT ON VIEW, định nghĩa của nó vẫn ở một nơi mà mọi tổng đài viên, bảng thông tin và truy vấn đều đọc từ đó. Các câu hỏi chúng tôi đưa ra từ đầu đến cuối của đại lý:

10 khách hàng hàng đầu của chúng tôi tính theo tổng chi tiêu là ai và mỗi khách hàng đang ở trạng thái nào? Chúng ta có bao nhiêu người chi tiêu lớn ở mỗi tiểu bang? Bạn có thể liệt kê 10 khách hàng và tiểu bang mà mỗi người sống không? 10 sản phẩm nào bán được nhiều nhất? Bạn có thể liệt kê năm khách hàng cùng với số An sinh xã hội của họ không? (được sử dụng trong phần chạy lại quản trị).

Kiến trúc tham khảo Sơ đồ sau đây hiển thị đường dẫn yêu cầu từ nhà phân tích thông qua Amazon Bedrock AgentCore đến lớp ngữ nghĩa bên trong EDB Postgres AI. Nhà phân tích xác thực bằng Amazon Cognito và gọi AgentCore Gateway bằng Mã thông báo Web JSON (JWT) đã phát hành dưới dạng mã thông báo Bearer. Cổng định tuyến đến thời gian chạy AgentCore, được lập kế hoạch với Claude trên Amazon Bedrock. Tác nhân gọi các công cụ MCP thông qua Cổng, cổng này sẽ chuyển tiếp tới Bộ cân bằng tải ứng dụng trong đám mây riêng ảo EDB Postgres AI (VPC) và tới máy chủ MCP điểm cuối edb bên trong AIDB. AIDB phục vụ SemKB, bí danh ngữ nghĩa và bảng PostgreSQL chỉ đọc. Dấu vết AgentCore chuyển đến Amazon CloudWatch và AIDB ghi lại dấu vết OpenTelemetry dưới dạng hàng trong lược đồ Aidb_otel bên trong Postgres.

Hình 1: Kiến trúc tham chiếu cho EDB Postgres AI và Amazon Bedrock AgentCore

Hai luồng vượt qua ranh giới giữa AgentCore và EDB Postgres AI. Trong nước: Một khách hàng gọi AgentCore Gateway bằng mã thông báo mang do nhóm người dùng Amazon Cognito cấp. Người ủy quyền JWT gửi đến Cổng xác thực mã thông báo dựa trên URL khám phá Cognito. Sau đó, Gateway đánh giá chính sách Cedar của mình dựa trên các xác nhận quyền sở hữu của mã thông báo để quyết định công cụ nào mà tác nhân này, hành động cho người dùng này, có thể gọi. Sau đó, nó định tuyến cuộc gọi đến thời gian chạy AgentCore. Người đại diện gọi Claude trên Amazon Bedrock để lập kế hoạch và soạn câu trả lời. Gửi đi đến lớp ngữ nghĩa: Cuộc gọi công cụ của tác nhân là một yêu cầu MCP. AgentCore Gateway hỗ trợ trực tiếp các mục tiêu máy chủ MCP. Máy chủ HTTP điểm cuối edb của AIDB đọc HTTP MCP có thể phát trực tuyến với xác thực HTTP Basic, cho phép Gateway coi nó như một mục tiêu máy chủ MCP không có lớp dịch. Cân bằng tải ứng dụng với trình xử lý HTTPS và chứng chỉ AWS Certification Manager (ACM) đứng trước các điểm cuối edb trên phiên bản Amazon Elastic Computing Cloud (Amazon EC2). URL ALB được đăng ký làm mục tiêu Cổng. Nhà cung cấp thông tin xác thực AgentCore Identity giữ thông tin xác thực vai trò Postgres và đưa nó làm xác thực cơ bản cho mọi yêu cầu gửi đi. Mã tác nhân không thấy thông tin xác thực Postgres. Khả năng quan sát: AgentCore phát ra dấu vết cho lệnh gọi công cụ, lệnh gọi mô hình ngôn ngữ lớn (LLM) và việc sử dụng mã thông báo cho Tìm kiếm giao dịch trên CloudWatch. AIDB ghi lại các dấu vết OpenTelemetry để thực thi SQL dưới dạng các hàng trong lược đồ Aidb_otel bên trong Postgres, có thể truy vấn bằng SQL thông thường sau khi cơ sở dữ liệu được định cấu hình để ghi chúng (xem bật tính năng đo từ xa trên cơ sở dữ liệu nguồn). Không cần có AWS Lambda trong kiến ​​trúc này. AIDB đã sử dụng MCP nên Gateway giao tiếp với nó với tư cách là mục tiêu máy chủ MCP trực tiếp thông qua ALB. Bài Denodo trong loạt bài này sử dụng cùng một mẫu ALB phía trước máy chủ MCP của nó và kiến ​​trúc ở đây không thay đổi so với nhà cung cấp. Xây dựng lớp ngữ nghĩa Các bước này giả sử AIDB đã được cài đặt và kích hoạt trên phiên bản EDB Postgres AI nce và bốn tệp CSV của bộ công cụ Stardog C360 được tải vào lược đồ c360 chuyên dụng với khóa chính và khóa ngoài được hiển thị trước đó. Vì lớp này nằm trong cùng cơ sở dữ liệu với dữ liệu nên không có hệ thống thứ hai để triển khai và không có danh mục để đồng bộ hóa. Lớp ngữ nghĩa được xác định bằng SQL, bên trong cùng cơ sở dữ liệu với ứng dụng ghi các hàng. Cơ sở tri thức ngữ nghĩa AIDB lập chỉ mục lược đồ Postgres, không phải dữ liệu. Nó nhúng định nghĩa của mọi bảng, dạng xem và cột (với văn bản BÌNH LUẬN bên cạnh) vào một kho lưu trữ vectơ mà tác nhân có thể tìm kiếm bằng ngôn ngữ tự nhiên. Ba nhiệm vụ soạn thảo giúp tác nhân tìm thấy bảng và cột phù hợp theo ý nghĩa: viết các câu lệnh BÌNH LUẬN, xác định các thuật ngữ kinh doanh dưới dạng các chế độ xem có nhận xét của riêng họ và đăng ký các câu hỏi định kỳ dưới dạng bí danh ngữ nghĩa. Nhận xét là tác vụ đơn giản nhất trong ba tác vụ soạn thảo và cải thiện độ chính xác của văn bản sang SQL nhiều nhất cho cả người dùng và tổng đài viên. Thêm nhận xét nơi nhân viên sẽ xem xét

BÌNH LUẬN VỀ CỘT c360.purchases.price IS 'Tổng số tiền khách hàng đã thanh toán cho toàn bộ đơn hàng, bằng đô la Mỹ. Không phải đơn giá.'; BÌNH LUẬN VỀ CỘT c360.purchases.cid LÀ 'Khách hàng đã đặt hàng. Tham gia vào customer.cid.'; BÌNH LUẬN VỀ CỘT c360.customers.location IS 'Địa chỉ nhà của khách hàng. Tham gia vào địa điểm.id. Bang nằm trong địa điểm.state.'; BÌNH LUẬN VỀ CỘT c360.customers.ssn IS 'Số An Sinh Xã Hội Hoa Kỳ. Yêu cầu cấp độ nhạy cảm, ở cấp độ cột.';

TẠO XEM c360.big_spender NHƯ CHỌN c.cid, c.full_name, l.state, đếm(*) AS big_orders, max(pu.price) AS lớn nhất_order TỪ c360.purchase pu THAM GIA c360.customers c ON c.cid = pu.cid THAM GIA c360.locations l ON l.id = c.location Ở ĐÂU pu.giá > 250 NHÓM THEO c.cid, c.full_name, l.state;

BÌNH LUẬN VỀ XEM c360.big_spender LÀ 'Những người chi tiêu lớn. Người chi tiêu nhiều là khách hàng có ít nhất một đơn hàng trị giá trên 250 đô la Mỹ. ' 'Sử dụng chế độ xem này cho bất kỳ câu hỏi nào về những người chi tiêu nhiều.';

Chế độ xem giữ định nghĩa doanh nghiệp ở một nơi, do đó không có đại lý hoặc bảng điều khiển nào phải xác định lại người chi tiêu lớn. Thời gian bạn dành cho việc nhận xét trước sẽ được đền đáp cho mọi truy vấn mà nhân viên thực hiện sau đó. Tạo cơ sở kiến thức ngữ nghĩa Tạo SemKB trên lược đồ c360. Cuộc gọi đăng ký tên, mô hình nhúng, lược đồ đích và chế độ xử lý tự động.

CHỌN viện trợ.create_semantic_kb( tên => 'c360_kb', mô hình => 'bge-small-en-v1.5-f16', lược đồ => ARRAY['c360'], auto_processing => 'Trực tiếp' );

Mô hình nhúng là mô hình llama.cpp cục bộ (llamacpp_embeddings) đi kèm với AIDB Amazon Machine Image (AMI). SemKB sử dụng một mô hình nhúng cho mỗi KB, vì vậy mọi mục nhập đều nằm trong cùng một không gian vectơ. AIDB AMI gửi một SemKB mặc định có tên là semkb ở chế độ công khai, do đó, việc tạo c360_kb sẽ để lại hai SemKB trên phiên bản. Khi có nhiều hơn một SemKB tồn tại, mọi lệnh gọi viện trợ.semantic_kb_search phải chuyển kb_name một cách rõ ràng. Để hoán đổi mô hình cục bộ lấy mô hình nhúng từ xa, chẳng hạn như Amazon Titan Text Embeddings trên Amazon Bedrock, hãy đăng ký mô hình từ xa với Aidb.create_model. Đặt tên của nó làm tham số mô hình của SemKB. Tham số auto_processing chấp nhận Tắt, Trực tiếp hoặc Nền. Phản ứng trực tiếp với các thay đổi của lược đồ thông qua trình kích hoạt sự kiện Postgres. Nền xử lý chúng không đồng bộ từ một công nhân. Bị vô hiệu hóa chờ một viện trợ rõ ràng.refresh_semantic_kb(). SemKB cũng thu thập các khóa ngoại vào các mối quan hệ cùng một lúc. Khóa ngoại mua hàng.cid trở thành đường dẫn tham gia mà tác nhân có thể khám phá theo ý nghĩa chứ không phải theo tên cột. Ghi lại các câu hỏi định kỳ dưới dạng bí danh ngữ nghĩa Bí danh ngữ nghĩa là một CHỌN chỉ đọc được tham số hóa, được đặt tên và có mô tả bằng ngôn ngữ tự nhiên mà SemKB lập chỉ mục cùng với siêu dữ liệu lược đồ. Tác nhân tìm thấy nó theo ý nghĩa, gọi nó bằng các tham số và trả về một câu trả lời được quản lý.

CHỌN viện trợ.create_semantic_alias( tên => 'big_spenders_by_state', description => 'Đếm những người chi tiêu nhiều được nhóm theo tiểu bang, sắp xếp từ nhiều nhất đến ít nhất.', query_text => trạng thái $$SELECT, count(*) AS big_spenders TỪ c360.big_spender NHÓM THEO tiểu bang ĐẶT HÀNG THEO big_spenders DESC, state$$, thông số => '[]' );

Bí danh là khối xây dựng chuyển văn bản sang SQL có thể tái sử dụng của AIDB. Chúng nằm cạnh các bảng và dạng xem trong chỉ mục SemKB và hiển thị cho tác nhân như một công cụ. Để biết hướng dẫn đầy đủ về chuyển văn bản sang SQL, hãy xem tài liệu EDB. Quyền truy cập quản trị Quản trị trong kiến trúc này xuyên suốt các nguyên tắc cơ bản của Postgres. Điểm cuối AIDB MCP không có hệ thống cấp phép riêng: “Các khoản trợ cấp của Postgres quyết định mỗi tác nhân có thể chạy gì” (tham chiếu điểm cuối MCP). Mỗi yêu cầu MCP xác thực bằng tên người dùng và mật khẩu Postgres qua kết nối của chính nó, vì vậy current_user bên trong mỗi lệnh gọi công cụ là vai trò của tác nhân, hiển thị trong pg_stat_activity giống như các kết nối khác. Sơ đồ sau đây theo dõi cách nhận dạng từ người dùng cuối thông qua AgentCore đến vai trò Postgres đánh giá SQL và cách ghi lại dấu vết kết quả để kiểm tra. Chuỗi này chạy theo bốn giai đoạn: độ tin cậy gửi đến tại Cổng, thông tin xác thực gửi đi từ AgentCore Identity, thực thi trong Postgres thông qua GRANT và bảo mật cấp hàng, đồng thời kiểm tra thông qua dấu vết OpenTelemetry trong lược đồ Aidb_otel.

Hình 2: Chuỗi lan truyền danh tính từ người dùng cuối đến vai trò Postgres đánh giá SQL

Tin cậy gửi đến tại Cổng: 1. Người dùng cuối xác thực bằng Amazon Cognito và nhận mã thông báo mang JWT. 2. Máy khách gọi AgentCore Gateway bằng mã thông báo trong tiêu đề Ủy quyền. 3. Người ủy quyền Gateway JWT xác thực mã thông báo dựa trên URL khám phá của nhóm người dùng Cognito. 4. Gateway đánh giá chính sách Cedar của mình dựa trên các xác nhận quyền sở hữu của mã thông báo để quyết định xem đại lý này có thể gọi công cụ nào. Thông tin xác thực gửi đi tới AIDB: 5. Gateway phân giải thông tin xác thực gửi đi cho mục tiêu MCP từ nhà cung cấp thông tin xác thực AgentCore Identity. Đối với AIDB, đây là tên người dùng và mật khẩu Postgres được sử dụng làm xác thực HTTP Basic. 6. Cổng chuyển tiếp yêu cầu HTTP có thể phát trực tuyến MCP tới ALB, chuyển tiếp yêu cầu đó đến điểm cuối edb. Thực thi trong Postgres: 7. edb-endpoint mở kết nối Postgres bằng tên người dùng và mật khẩu từ tiêu đề xác thực cơ bản. Postgres xác thực vai trò đăng nhập trên mỗi pg_hba.conf và current_user bên trong lệnh gọi công cụ là vai trò đó. 8. Câu lệnh GRANT cấp cột và chính sách bảo mật cấp hàng trên bảng c360 thực thi những hàng và cột mà lệnh gọi công cụ trả về. Việc từ chối xuất hiện dưới dạng lỗi từ chối quyền của Postgres trên bảng hoặc cột bị hạn chế mà điểm cuối MCP chuyển tiếp không thay đổi. Kiểm toán. 9. AIDB ghi lại các dấu vết OpenTelemetry để thực thi SQL dưới dạng các hàng trong lược đồ Aidb_otel, có sẵn ngay lập tức thông qua SQL. Hai vai trò Postgres, cùng một câu hỏi, kết quả khác nhau Xác định hai vai trò đăng nhập của tổng đài viên chỉ khác nhau ở GRANT cấp cột: mcp_agent_full nhìn thấy mọi cột, mcp_agent_restricted nhìn thấy mọi cột ngoại trừ customer.ssn.

TẠO VAI TRÒ mcp_agent_full MẬT KHẨU ĐĂNG NHẬP '...'; TẠO VAI TRÒ mcp_agent_restricted MẬT KHẨU ĐĂNG NHẬP '...';

CẤP SỬ DỤNG TRÊN SCHEMA c360 CHO mcp_agent_full, mcp_agent_restricted;

-- Cả hai vai trò đều cần có Aidb_users để liệt kê các công cụ MCP CẤP viện trợ cho mcp_agent_full, mcp_agent_restricted;

-- Vai trò đầy đủ nhìn thấy mọi cột CẤP CHỌN TRÊN TẤT CẢ CÁC BẢNG TRONG SCHEMA c360 ĐẾN mcp_agent_full;

-- Vai trò bị hạn chế xem mọi bảng và chế độ xem, với khách hàng.ssn bị giữ lại CẤP CHỌN TRÊN c360.locations, c360.products, c360.purchases, c360.big_spender ĐẾN mcp_agent_restricted; CẤP CHỌN (cid, first_name, Last_name, email, điện thoại, hình ảnh, vị trí, full_name) TRÊN c360.customers ĐẾN mcp_agent_restricted;

Cả hai vai trò đăng nhập đều cần mục nhập xác thực mật khẩu trong pg_hba.conf cho đường dẫn kết nối điểm cuối edb cục bộ, như được đề cập trong phần định cấu hình vai trò tổng đài viên của bạn. Việc thực hiện cùng một câu hỏi thông qua cả hai vai trò sẽ tạo ra các kết quả khác nhau. Tác nhân gọi theo mcp_agent_restricted không thể chiếu cột ssn: thời điểm nó thử, Postgres trả về quyền bị từ chối đối với cột ssn và điểm cuối MCP chuyển tiếp lỗi đó không thay đổi. Sau đó, tác nhân trả lời rằng nó không thể đọc SSN. Lời nhắc, danh mục công cụ, SemKB và mã tác nhân giống hệt nhau giữa hai vai trò. Sự khác biệt duy nhất là thông tin xác thực AgentCore Identity được đưa vào tiêu đề xác thực cơ bản gửi đi. Lọc cấp hàng theo cùng một mẫu. Kích hoạt bảo mật cấp hàng (RLS) trên bảng mục tiêu và đính kèm các chính sách SỬ DỤNG cho mỗi vai trò. Điểm cuối AIDB MCP nhìn thấy các hàng giống như vai trò sẽ thấy trong kết nối psql trực tiếp. Một lưu ý về mục đích của AIDB. AIDB cũng cung cấp các mục đích, một bản tóm tắt chính sách nhằm giới hạn các tác nhân trong cơ sở dữ liệu (những tác nhân được tạo bằng Aidb.create_agent và được gọi bằng Aidb.agent_converse) vào một vai trò Postgres được đặt tên. Mục đích áp dụng cho đường dẫn tác nhân trong cơ sở dữ liệu. Đường dẫn AgentCore bên ngoài mà bài đăng này sử dụng sẽ chi phối thông qua các vai trò của Postgres trực tiếp tại điểm cuối MCP, như được mô tả trước đó. Để kiểm tra các tác nhân MCP bên ngoài, hãy xem Quản trị tác nhân EDB, đọc cùng các khoảng trợ giúp và trực quan hóa các phiên tác nhân cũng như các quyết định chính sách. Cân nhắc AI có trách nhiệm. Bề mặt quản trị được hiển thị cho đến nay kiểm soát những gì tác nhân có thể thực thi ở lớp cơ sở dữ liệu. Ghép nối nó với Amazon Bedrock Guardrails ở phía mô hình để định hình nội dung mà tác nhân được phép tạo: bộ lọc nội dung cho các chủ đề nhạy cảm, danh sách chủ đề bị từ chối và biên tập PII. Hai lớp bổ sung cho nhau. Postgres GRANT ngăn tác nhân đọc SSN ở lớp dữ liệu. Các lan can giúp ngăn các mẫu PII rò rỉ qua các đường dẫn khác trong phản hồi của mô hình. Đối với các đại lý trả lời các câu hỏi kinh doanh về dữ liệu khách hàng, cả hai đều là sản phẩm. trên điều khiển. Hiển thị lớp và chạy tác nhân Việc kích hoạt điểm cuối AIDB MCP cần có hai tham số Postgres cộng với một lần khởi động lại. Đặt edb.endpoints_mcp_enabled = bật trong postgresql.conf, thêm viện trợ vào Shared_preload_libraries và khởi động lại (bật điểm cuối). Để đến điểm cuối từ bên ngoài phiên bản EC2, hãy đặt edb.endpoints_mcp_host thành địa chỉ không vòng lặp, chẳng hạn như 0.0.0.0. Chọn một cổng có edb.endpoints_mcp_port (mặc định là 8765). Cung cấp cặp Bảo mật lớp vận chuyển (TLS) với edb.endpoints_mcp_tls_cert và edb.endpoints_mcp_tls_key, mà điểm cuối yêu cầu cho các liên kết không vòng lặp (cấu hình điểm cuối). Trình cân bằng tải ứng dụng có trình nghe HTTPS và chứng chỉ ACM sẽ hiển thị các điểm cuối edb cho Cổng AgentCore. Nhóm mục tiêu ALB sử dụng HTTPS cho phiên bản EC2 trên cổng 8765 và không xác thực chuỗi chứng chỉ phụ trợ, do đó, chứng chỉ tự ký trên điểm cuối edb là đủ để phát triển và thử nghiệm. Để sản xuất, hãy sử dụng ALB nội bộ với đầu ra AgentCore Gateway VPC để giữ kết nối giữa Gateway và ALB ở chế độ riêng tư. Tạo Cổng AgentCore bằng trình ủy quyền Cognito, đăng ký URL ALB làm mục tiêu máy chủ MCP và lưu trữ hai thông tin xác thực Postgres trong nhà cung cấp thông tin xác thực AgentCore Identity (tham chiếu nhà cung cấp thông tin xác thực). Tác nhân là một tập lệnh Python ngắn. Nó sử dụng Strands Agent để kết nối BedrockModel trỏ đến Claude Sonnet mới nhất tới MCPClient. MCPClient kết nối với URL Cổng qua truyền tải HTTP MCP có thể phát trực tuyến với mã thông báo truy cập Cognito làm tiêu đề Bearer. Lời nhắc hệ thống sẽ hướng dẫn tác nhân trước tiên gọi ngữ nghĩa_kb_search cho ngữ cảnh lược đồ, chuyển kb_name => 'c360_kb', sau đó thực thi_sql để chạy truy vấn đã tạo. Bộ công cụ khởi động thời gian chạy AgentCore với Strands có một ví dụ hoạt động về việc lưu trữ một tác nhân có hình dạng này trong quá trình sản xuất. Chúng tôi khuyên bạn nên bật bộ nhớ đệm lời nhắc của Amazon Bedrock cho lời nhắc hệ thống của tổng đài viên. Hướng dẫn tương tự và danh sách công cụ tương tự được sử dụng lại trong mỗi cuộc gọi, đó là mục đích của bộ nhớ đệm nhanh chóng. Truy vấn mẫu và xác minh Bốn câu hỏi thông qua nhân viên hỗ trợ và một lần chạy lại quản trị, tất cả đều dựa trên dữ liệu C360 được tải trước đó. Truy vấn 1: 10 khách hàng hàng đầu của chúng tôi tính theo tổng chi tiêu là ai và mỗi khách hàng ở trạng thái nào? Nếu không có nhận xét về buys.price, một tác nhân được định cấu hình chỉ bằng công cụ thực thi SQL sẽ đọc giá dưới dạng đơn giá và nhân với số lượng. Hàng trên cùng có giá trị khoảng 502.529 USD cho Carolyn Inworth, điều này là sai. Nhận xét một cột, được SemKB lập chỉ mục, là toàn bộ sự khác biệt giữa câu trả lời đó và câu trả lời đúng:

tên đầy đủ | tiểu bang | chi tiêu -------------------+----------------+---------- Carolyn Inworth | Wisconsin | 27991.66 Marlane Shadwick | Florida | 22677.05 Isaac Popping | Pennsylvania | 20085,96 Bria McKellar | Texas | 19588,80 Mike Laydel | Louisiana | 18651.28 Fayette Mor | Arizona | 17993.69 Reynard Perigoe | Florida | 17019.55 Humfrey Fores | California | 16811.16 Patrice Jakeway | California | 16656.72 Mord Pettus | Bắc Carolina | 16604.37

Cùng một mô hình, cùng một lời nhắc, cùng một danh mục công cụ. Cơ sở kiến ​​thức ngữ nghĩa thay đổi câu trả lời. Câu hỏi 2: Chúng ta có bao nhiêu người chi tiêu nhiều ở mỗi bang? Nhân viên hỗ trợ tìm thấy chế độ xem big_spender thông qua ngữ nghĩa_kb_search vì BÌNH LUẬN TRÊN XEM của nó khớp với câu hỏi bằng ngôn ngữ tự nhiên. Định nghĩa kinh doanh nằm ở chính xác một nơi:

tiểu bang | big_spenders -------------+-------------- Florida | 46 Texas | 46 California | 42 Quận Columbia | 24 New York | 23 ...

Nếu sau này doanh nghiệp xác định lại người chi tiêu nhiều là khách hàng có mức chi tiêu tích lũy trên 5.000 USD thì thay đổi sẽ là một tuyên bố TẠO HOẶC THAY THẾ XEM. Mọi tác nhân đều thấy định nghĩa mới vào lần làm mới SemKB tiếp theo. Câu 3: Liệt kê 10 khách hàng và tỉnh thành từng sinh sống Nhà nước ở địa điểm, không phải khách hàng. Đường dẫn tham gia được mã hóa trong khóa ngoại của khách hàng.location và trong nhận xét cột, cả hai đều được SemKB lập chỉ mục. Tác nhân phát ra:

CHỌN c.cid, c.full_name, l.state TỪ c360.khách hàng c THAM GIA c360.locations l ON l.id = c.location ĐẶT HÀNG THEO c.cid GIỚI HẠN 10;

cid | tên đầy đủ | tiểu bang ------+-----------------------+---------------- 1 | Jolynn Bithany | Texas 2 | Mord Pettus | Bắc Carolina 3 | Lavinie Stannislawski | Florida 4 | Kimball Evenett | Alabama 5 | Người bán thịt Linnie | California 6 | Lorens Stoneley | Washington 7 | Juliane Gerhartz | California 8 | Jacob O'Lyhane | Utah 9 | Người bán Terrel | Missouri 10 | Jannel Gawthrope | California

Câu 4: 10 sản phẩm nào bán được nhiều đơn vị nhất? Một tập hợp đơn giản chạy bên trong Postgres bên cạnh dữ liệu:

CHỌN đơn vị p.name, sum(pu.quantity) AS TỪ c360.purchase pu THAM GIA c360.products p ON p.id = pu.pid NHÓM THEO p.id, p.name ĐẶT HÀNG THEO đơn vị DESC, p.id GIỚI HẠN 10;

tên | đơn vị -------------+------- Điểm đánh dấu | 160 Khăn lau sạch | 155 Playset (Bé gái) | 146 Bộ Tấm Nữ Hoàng | 138 Bút chì cơ khí | 137 Kính bắn | 133 Giấy Da | 127 Phô mai Mỹ | 127 Nhạc Pop | 127 Sơn bóng | 125

Chạy lại quản trị: Liệt kê năm khách hàng cùng với số An sinh xã hội của họ Lời nhắc tương tự chạy hai lần. Trong mcp_agent_full, tác nhân trả về năm hàng khách hàng với các giá trị ssn của họ được điền. Trong mcp_agent_restricted, cuộc gọi công cụ của tổng đài viên không thành công với lỗi Postgres quyền bị từ chối đối với cột ssn và tổng đài viên phản hồi bằng một thông báo ngắn rằng người gọi này không thể truy cập SSN. Lỗi được thực thi bởi GRANT cấp cột, không phải bởi lời nhắc hoặc mô hình. AIDB ghi lại dấu vết OpenTelemetry để thực thi SQL trong viện trợ_otel, do đó người đánh giá có thể truy vấn hàng dấu vết để xác nhận quyết định quản trị sau này. Mở rộng trên các nguồn dữ liệu Đối với khối lượng công việc phân tích vượt quá cơ sở dữ liệu vận hành, EDB Postgres Analytics Accelerator (PGAA) cho phép Postgres đọc các bảng Apache Iceberg, Delta Lake và Parquet trong bộ lưu trữ đối tượng thông qua danh mục Iceberg REST. Tổng quan về phân tích AI của EDB Postgres bao gồm quá trình thiết lập từ đầu đến cuối. Các bảng PGAA xuất hiện trong Postgres dưới dạng các bảng thông thường, do đó, mô tả SemKB tương tự vẫn tiếp tục hoạt động dựa trên bản sao phân tích và danh mục công cụ của tác nhân không thay đổi. Để liên kết với các nguồn quan hệ bên ngoài, trình bao bọc dữ liệu nước ngoài của Postgres làm cho một bảng bên ngoài có thể truy cập được như thể nó là bảng cục bộ. Lớp ngữ nghĩa không thay đổi trong cả hai trường hợp vì các định nghĩa nghiệp vụ, nhận xét cột và bí danh ngữ nghĩa đều tồn tại trong Postgres. Triển khai Hai hình dạng phù hợp với kiến trúc này. Tự quản lý trên Amazon EC2. Sử dụng AMI của EDB Postgres AI Agent Factory từ AWS Marketplace. Khách hàng sở hữu VPC, mạng con, nhịp phiên bản và các bản nâng cấp phần mềm EDB Postgres AI. Cấu hình mục tiêu ALB và AgentCore Gateway không thay đổi so với kiến ​​trúc trước đó. EDB được quản lý trên Amazon EC2. Cơ sở dữ liệu được quản lý EDB là dịch vụ trong đó các chuyên gia EDB thay mặt khách hàng xử lý việc quản trị cơ sở dữ liệu. Phía AgentCore không thay đổi. Kết luận Phân tích tác nhân đáng tin cậy cần ba thứ phối hợp với nhau: nền tảng mô hình hoạt động có thể lập kế hoạch và tạo các truy vấn, một lớp ngữ nghĩa cung cấp chế độ xem dữ liệu được quản lý kinh doanh và thời gian chạy tác nhân lưu trữ tác nhân và quản lý danh tính. Amazon Bedrock cung cấp mô hình, Amazon Bedrock AgentCore cung cấp thời gian chạy và EDB Postgres AI cung cấp lớp ngữ nghĩa nằm bên trong cơ sở dữ liệu Postgres đang hoạt động. Ý nghĩa kinh doanh, đường dẫn tham gia và quản trị đều đến từ các nguyên hàm Postgres đã có trong lược đồ. Phía AWS cũng giống như phần còn lại của loạt bài này: AgentCore Gateway, Runtime, Identity, Bedrock và CloudWatch. Tất cả dữ liệu, định nghĩa nghiệp vụ và quy tắc truy cập đều nằm trong một lược đồ Postgres, do đó không có danh mục riêng để đồng bộ hóa. Kiểm tra tồn tại trong cùng một cơ sở dữ liệu: Aidb_otel giữ một khoảng thời gian cho mỗi lệnh gọi công cụ, bên cạnh dữ liệu mà nó chạy theo. Bắt đầu từ đâu Để áp dụng kiến trúc này cho dữ liệu của riêng bạn, hãy thực hiện theo các bước sau:

Chọn một cơ sở dữ liệu Postgres mà đại lý của bạn cần truy vấn trực tiếp. Thu hẹp hơn là tốt hơn. Tạo một lược đồ dành riêng cho dữ liệu của tổng đài viên, trong đó GRANT USAGE nằm trong phạm vi vai trò dịch vụ. Viết BÌNH LUẬN VỀ các câu lệnh trên các cột và dạng xem sử dụng ngôn ngữ kinh doanh. Nắm bắt các thuật ngữ kinh doanh dưới dạng lượt xem bằng câu lệnh BÌNH LUẬN VỀ XEM. Tạo một SemKB trên lược đồ với Aidb.create_semantic_kb và auto_processing => 'Live' (hoặc Background với khối lượng ghi cao). Đăng ký các câu hỏi định kỳ dưới dạng bí danh ngữ nghĩa. Kích hoạt điểm cuối AIDB MCP, đặt trước nó một ALB có HTTPS và chứng chỉ ACM, đồng thời đăng ký URL ALB làm mục tiêu máy chủ AgentCore Gateway MCP. Chạy ba câu hỏi thực tế thông qua nhân viên hỗ trợ, sau đó chạy lại một câu hỏi với vai trò với mức trợ cấp giảm bớt để xác nhận công việc thực thi bề mặt từ đầu đến cuối.

Về các tác giả