Компании, использующие AI-приложения с большими языковыми моделями (LLM), сталкиваются с проблемой масштабируемого доступа агентов к корпоративным данным. Обычно каждый агент требует индивидуальной интеграции с базами данных и API, что приводит к раздробленности контроля доступа и сложностям при добавлении новых источников данных.
Amazon создал MCP-сервер на базе Amazon ECS Fargate, который выступает единым шлюзом между AI-агентами и дата-озером. Для подключения нового набора данных достаточно добавить JSON-файл с метаданными, что исключает необходимость писать новый код.
Архитектура разделена на четыре слоя: клиентский, MCP-сервер, инструменты и обновление базы знаний. MCP-сервер использует каталог метаданных, который содержит описание схем, семантику столбцов и связи таблиц, что позволяет агентам динамически формировать SQL-запросы без жесткой привязки к структурам данных.
Система обеспечивает централизованный контроль доступа, масштабируемость под пиковые нагрузки и упрощает сопровождение благодаря конфигурационному подходу. В тестах задержка ответа на запросы удерживается в пределах 15–20 секунд.
Реализация MCP-сервера на безсерверной инфраструктуре AWS позволяет компаниям быстро и безопасно масштабировать AI-агентов, снижая затраты на разработку и поддержку интеграций с корпоративными данными.
Внедрение централизованного MCP-сервера для AI-агентов существенно упрощает и ускоряет доступ к корпоративным данным, снижая риски ошибок в контроле доступа и затраты на интеграцию. Это критично для масштабируемых AI-приложений, где количество агентов и источников данных постоянно растёт.
Материал подготовлен редакцией VOSHOD по открытому источнику. Мы сокращаем и адаптируем текст, чтобы выделить практический смысл.