官方來源· AWS Artificial Intelligence· AI· 發布於 2026年11月6日

AWS 示範以 metadata JSON 擴充資料湖 MCP 伺服器,部署於 Amazon ECS Fargate

AWS 於 2026 年 11 月 6 日發布一套以 Amazon ECS 和 AWS Fargate 執行的無伺服器 Model Context Protocol (MCP) 伺服器架構,讓 AI 代理存取企業資料湖。新增資料集只需提供 metadata JSON;工具則涵蓋 SQL 查詢、語意搜尋與政策搜尋。

AWS 示範以 metadata JSON 擴充資料湖 MCP 伺服器,部署於 Amazon ECS Fargate

完整報導

AWS 介紹一套供 AI 代理存取企業資料湖的無伺服器 MCP 伺服器,建置於 Amazon ECS 和 AWS Fargate。架構分為 client、MCP server、tools 與 knowledge-base refresh 四層;任何 MCP-compatible client 都可透過標準化的 `/mcp` endpoint 探索並呼叫工具。

資料集的加入以 metadata JSON 檔案處理,不需要為每個資料集撰寫整合程式碼;新 metadata 會在下一次 pipeline sync 時自動探索。工具包含透過 Amazon Athena 和 Amazon Redshift 執行 SQL 查詢、透過 Amazon Bedrock Knowledge Bases 進行語意搜尋,以及政策搜尋。

安全設計方面,Amazon Bedrock Guardrails 套用於每次模型互動;Athena 工具只允許 SELECT 查詢,並拒絕寫入操作。MCP 伺服器位於 private subnets、部署在 internal Application Load Balancer 後方,無法從網際網路連線;client layer 則使用 Amazon Cognito 進行 JWT 驗證,並以 Amazon DynamoDB 儲存 session。

AWS 作者表示,測試中的端到端互動延遲為 15–20 秒。這項指南聚焦於資料湖存取;AWS 於 2026 年 4 月 14 日發布的另一份 MCP 指南,則示範由 Gradio UI、Amazon Bedrock AI agent 與 FastMCP server 組成的三服務應用,同樣部署於 Amazon ECS 和 AWS Fargate。

為什麼值得注意

這套設計把資料集加入流程設為 metadata JSON,並透過同一個 MCP endpoint 提供查詢與搜尋工具,讓讀者能評估其是否符合資料湖代理的整合需求。文章也明確列出網路隔離、驗證與查詢限制等控制方式,以及作者在測試中報告的互動延遲。

來源證據

先看主要證據,再查看佐證來源與來源脈絡。

1 則

主要證據

1
  • 官方AWS Artificial Intelligence文件原始來源

    Serverless MCP server for AI agent data lake access on Amazon ECS Fargate

    Aishwarya Pawar

    “Learn how to build a serverless Model Context Protocol (MCP) server on Amazon ECS with AWS Fargate that gives AI agents secure, metadata-driven access to an enterprise data lake. Exposing a new dataset requires only a JSON file, with no per-dataset integration code.”

推薦消息

根據品牌、主題與近期相關消息推薦

目前沒有更多推薦消息

官方原始聲明

查看官方原始來源