亚马逊 NASC 团队如何在 Amazon ECS Fargate 上构建无服务器 MCP 服务器，为 AI 智能体提供数据湖访问

亚马逊北美分拣中心（NASC）的规划团队需要以对话方式访问运营数据，但此前每个 AI 智能体都各自实现 SQL 生成、schema 知识和连接处理，schema 变更需逐个修补，新增一张表通常要花数天做定制代码、查询校验和重新部署。为此团队构建了一个无服务器 MCP 服务器，作为智能体与企业数据湖之间与智能体无关的集中式网关。 架构分为客户端、MCP 服务器、工具和知识库刷新四层，各自独立扩展与部署。请求经 Route 53 解析到配置了 HTTPS 与 AWS WAF 的 Application Load Balancer，由 Amazon Cognito 完成 JWT 认证，客户端层在 ECS Fargate 上运行并用 DynamoDB 保存会话状态，再经内部负载均衡转发到独立的 MCP 服务器集群。服务器层由 Amazon Bedrock 驱动的智能体编排基于 FastMCP 构建的工具，所有模型交互都经过 Amazon Bedrock Guardrails。 工具层包括面向 Athena 和 Redshift 的 SQL 查询工具、基于 Bedrock Knowledge Bases 的文档与元数据语义搜索，以及政策检索。Athena 工具只允许 SELECT 查询，写操作在工具层即被拒绝。元数据目录存放 schema 描述、列级语义和表关系，智能体在查询时从中获取 schema 知识，因此表结构变化无需硬编码或重新部署。 数据集接入完全由配置驱动：只需一个描述表结构、业务上下文和列语义的 JSON 文件，流水线会用 Amazon Titan Text Embeddings 生成向量并索引到 Bedrock Knowledge Bases，之后所有已连接智能体即可发现该表，无需手动重建索引或重启服务。可选的上下文映射能把查询范围收窄到相关表，测试中这一范围限定使端到端交互延迟保持在 15–20 秒。外部 MCP 兼容客户端如 Amazon Q Developer 或 IDE 扩展可通过 /mcp 端点直接发现并调用工具。