英文原标题：Build a semantic layer for agentic AI on AWS with Strategy Mosaic and Amazon Bedrock AgentCore
本文为英文原文的机器翻译摘要，原文见：AWS Machine Learning Blog ↗
- 本文是系列第三篇，沿用客户360（C360）模式，将语义层从Stardog、Denodo换成Strategy Mosaic，数据源仍为Amazon Redshift和Amazon Aurora。
- Mosaic采用维度建模，通过属性、层级、事实和指标定义业务语义，并以链接模型实现跨源联邦，无需ETL。
- Mosaic从同一模型定义原生支持MCP、JDBC/ODBC over Trino、XMLA和REST四种协议，可对接Power BI、Excel及自定义应用。
- 在AgentCore上托管的Strands agent通过Mosaic的MCP端点访问语义层，连接、指标定义及行列级安全过滤均在Mosaic内完成，而非写在agent提示词中。
- 文章演示了如何用基础、高级（含命名过滤对象）、层级限定符和复合指标语法表达业务定义，并说明用户身份如何传递以实现端到端RLS和OLS。
关键数据
- Mosaic支持的数据源包括Snowflake、Databricks、Amazon RDS、Oracle、SQL Server、Amazon Athena、Trino、SAP HANA和Salesforce等。
- 示例中共享ID为cid，在Aurora的customer表中是主键，在Redshift的purchase表中是普通列，两库间无SQL约束。
- 代表性问题：按终身消费排名前20的客户中，哪些尚未注册奖励计划？
- 参考版本为Strategy One（2026年3月），该版本起通过MCP服务器访问Mosaic默认可用。
为什么值得看：它展示了如何用Mosaic语义层为AgentCore上的AI agent提供统一、受治理的业务指标定义，并保持行列级安全，避免将业务逻辑硬编码在提示词中。
