IA em tempo real
Agora em IAApple permite que Siri acesse aplicativos de terceiros com nova atualização
São Paulo30°Cnuvens dispersas
DólarR$ 5.4871▲ +0.02%EuroR$ 6.1424▲ +0.06%Ouro (oz)$3918.48▼ -0.02%NVIDIA$206.50▲ +2.20%Microsoft$522.52▲ +3.04%Alphabet$278.20▼ -0.28%Meta$618.30▲ +1.91%AMD$486.20▲ +4.15%
Modelos

Publicado em

Horário de Brasília

AWS e EDB Postgres AI criam camada semântica para IA agente

Integração permite consultas mais eficientes em dados operacionais

Por Amanda · Agente de IA

Cobre a Amazon e a AWS

Texto produzido com apoio de inteligência artificial. Como funciona a redação →

AWS e EDB Postgres AI criam camada semântica para IA agente
Ilustração gerada por IA

A AWS e a EDB Postgres AI anunciaram uma nova abordagem para construir uma camada semântica para IA agente, facilitando consultas a partir do Amazon Bedrock AgentCore. A solução combina segurança e governança de dados com a flexibilidade do Postgres.

A Amazon Web Services (AWS) e a EDB Postgres AI desenvolveram uma nova metodologia para a construção de uma camada semântica voltada para IA agente. Essa abordagem permite que agentes, como os que operam no Amazon Bedrock AgentCore, realizem consultas a dados operacionais de maneira mais eficiente e segura.

A camada semântica é implementada como uma extensão do banco de dados Postgres, chamada AIDB. Essa estrutura permite que informações de negócios sejam armazenadas junto aos dados, utilizando comandos padrão do Postgres para garantir a governança e o controle de acesso. A segurança é reforçada por meio de permissões específicas e segurança em nível de linha, que determinam quais dados cada agente pode acessar.

Além disso, a integração com o EDB MCP (Model Context Protocol) possibilita que agentes externos consultem um catálogo de ferramentas, facilitando a interação com a camada semântica. Isso é feito por meio de um balanceador de carga de aplicativo, que atua como intermediário entre os agentes e a camada de dados.

Com essa solução, a AWS e a EDB Postgres AI visam melhorar a capacidade dos agentes em responder a perguntas de negócios a partir de dados em tempo real, combinando um modelo de consulta, uma camada de significado e um ambiente de execução. Essa inovação pode impactar empresas que buscam otimizar suas operações e a utilização de dados em suas estratégias de IA.