用 EDB Postgres AI 与 Amazon Bedrock AgentCore 为智能体 AI 构建语义层

该方案把语义层放进承载业务数据的同一个 Postgres 数据库，由 AIDB 扩展提供语义知识库（SemKB），无需再部署第二套系统或同步元数据目录。示例数据集为 Stardog C360 Knowledge Kit，加载到专用 c360 schema，包含 customers、locations、products、purchases 四张表和 big_spender 视图，物理结构就是普通的外键连接图。 语义编写分三类：用 COMMENT ON 语句为表和列补充业务含义，例如说明 purchases.price 是整单总额而非单价、customers.location 外键指向 locations.id 且州信息在 locations.state；把“大额消费者”这类业务术语固化为带注释的视图；把重复出现的问题注册为语义别名，即带自然语言描述的只读参数化 SELECT。创建 SemKB 时指定嵌入模型 bge-small-en-v1.5-f16、目标 schema 和 auto_processing 模式（Disabled、Live、Background），Live 通过 Postgres 事件触发器响应 schema 变更，同时自动把外键爬取为连接路径。 请求链路上，分析员经 Amazon Cognito 认证后携带 JWT 调用 AgentCore Gateway，Gateway 校验令牌并按 Cedar 策略决定可调用的工具，再路由到 AgentCore runtime，由 Claude on Amazon Bedrock 负责规划与作答。智能体的 MCP 工具调用经 Gateway 转发到 EDB VPC 内的 Application Load Balancer，再到 AIDB 内的 edb-endpoints MCP 服务器；AgentCore Identity 保管 Postgres 角色凭据并以 HTTP Basic 认证注入，智能体代码本身接触不到该凭据。整个架构不需要 AWS Lambda。 可观测性方面，AgentCore 把工具调用、LLM 调用和 token 用量追踪发往 CloudWatch Transaction Search，AIDB 则把每次 SQL 执行的 OpenTelemetry 追踪写入 Postgres 内的 aidb_otel schema，可用普通 SQL 查询。治理完全依赖 Postgres 原语：AIDB 的 MCP 端点没有独立权限系统，列级 GRANT 与行级安全决定不同调用者能执行什么，因此两个角色提出同一问题会得到不同答案，而提示词、工具目录和智能体代码保持不变。