Strategy Mosaic 在 AWS 上构建面向 Agentic AI 的语义层并支持 MCP 协议

AWS 机器学习博客发布了一篇由 Strategy 与 AWS 联合撰写的技术教程，演示了如何在 Amazon Bedrock AgentCore 之上使用 Strategy Mosaic 构建面向 Agentic AI 的语义层。该方案利用 Model Context Protocol (MCP) 将受治理的业务逻辑暴露给 Strands 框架中的 AI Agent，使 Agent 能够基于统一的指标定义查询分散在 Amazon Redshift 和 Amazon Aurora PostgreSQL-compatible 中的数据。

核心架构采用无 ETL 的模型链接模式：Mosaic 分别向两个数据源下发原生 SQL 进行聚合或过滤，并在引擎内部基于共享属性（如 cid）合并中间结果集，避免了物理层面的跨引擎 Join。系统通过 OAuth 2.0 流程将人类用户的 JWT 身份透传至 Mosaic，确保行级安全（RLS）和对象级安全（OLS）在 Agent 调用时依然生效，例如不同角色的分析师看到的 SSN 字段权限不同。此外，教程详细展示了如何通过 get_semantics 接口获取包含业务描述、层级关系和复合公式的元数据，配合 Bedrock Prompt Caching 降低 Token 成本，提升 Agent 对复杂商业问题（如计算“客户生命周期花费”）的理解准确率。

该方案不仅服务于 AI Agent，还通过 JDBC/ODBC、XMLA 和 REST 协议同时支持 Power BI、Tableau 等 BI 工具及自定义应用，实现了“一次建模，多端消费”。文章最后提及支持 Apache Ossie 格式导出，以解决语义定义的跨平台互操作性问题。文中明确提到的技术组件包括 Claude Sonnet 4.6、Strands、Trino 方言 SQL 以及 AWS Secrets Manager 等，均为当前可用的具体实现细节。