Avec MCP, Amazon simplifie l’accès des agents IA aux données

Amazon centralise l’accès aux data lakes avec un serveur Model Context Protocol construit sur Amazon ECS et AWS Fargate. L’équipe soutient le réseau North America Sort Center, dont les équipes de planification utilisent des données opérationnelles. Le serveur sert de passerelle entre les agents IA et le lac de données d’entreprise. Il évite à chaque agent de maintenir sa propre logique SQL, ses connexions et ses connaissances de schéma. Les organisations peuvent ainsi connecter plusieurs applications et clients compatibles avec MCP. L’architecture vise notamment les usages liés à la capacité, à la main-d’œuvre et aux flux de colis. Amazon présente cette mise en œuvre dans un article technique.

Les équipes réduisent l’intégration grâce à un catalogue de métadonnées. Celui-ci décrit les schémas, les colonnes, leurs significations et les relations entre tables. L’agent consulte ces informations au moment de générer une requête SQL. Une modification de schéma ne nécessite donc pas de modifier chaque agent ni de redéployer l’application. L’ajout d’un jeu de données demande un fichier JSON contenant sa description métier, ses colonnes et des exemples de valeurs. Le pipeline indexe ensuite ces métadonnées dans Amazon Bedrock Knowledge Bases. Le jeu devient alors découvrable par les agents connectés, sans réindexation manuelle ni redémarrage du serveur.

Amazon sépare quatre couches

L’architecture répartit les responsabilités entre le client, le serveur MCP, les outils et l’actualisation de la base de connaissances. Une application web, Slack, une extension d’environnement de développement ou un agent externe peut envoyer une demande. Amazon Route 53 assure la résolution DNS. Un Application Load Balancer reçoit le trafic HTTPS, tandis qu’AWS WAF et Amazon Cognito interviennent avant l’accès aux services privés. Le service client fonctionne sur ECS Fargate et conserve l’état des sessions dans Amazon DynamoDB. Il transmet ensuite les requêtes au serveur MCP via un Application Load Balancer interne. Chaque couche peut être déployée et dimensionnée séparément.

Bedrock orchestre les requêtes dans le serveur MCP exécuté sur un autre cluster ECS Fargate. L’agent analyse l’intention, sélectionne les outils, exécute les opérations et génère la réponse. FastMCP fournit l’interface JSON-RPC accessible par le point de terminaison /mcp. Des clients compatibles, comme Amazon Q Developer ou des extensions d’environnement de développement, peuvent découvrir et appeler les outils. Les tâches Fargate restent sans état, tandis que DynamoDB conserve l’historique conversationnel. Le système comprend des outils SQL pour Amazon Athena et Amazon Redshift, ainsi que des recherches sémantiques dans Amazon Bedrock Knowledge Bases. Les recherches couvrent aussi les documents, les métadonnées et les procédures opérationnelles.

Fargate encadre les accès

Les contrôles sont centralisés au niveau du serveur MCP. Amazon Bedrock Guardrails s’applique à chaque interaction avec le modèle. Ces contrôles filtrent les contenus nuisibles, vérifient l’ancrage des réponses et contribuent à bloquer les tentatives d’injection de consignes. Les outils Athena autorisent uniquement les requêtes SELECT. Ils rejettent les opérations d’écriture avant leur transmission au lac de données. Un mécanisme de contexte peut limiter la recherche à certaines tables. Dans les tests présentés, ce filtrage maintient la latence d’une interaction complète entre 15 et 20 secondes. Ajouter un domaine métier demande seulement une nouvelle entrée de configuration.

Le catalogue automatise l’onboarding des tables grâce aux fichiers JSON. Chaque fichier peut préciser le service de données, la base, le nom de table, les descriptions de colonnes, les valeurs d’exemple et la fréquence de rafraîchissement. Il peut aussi inclure des consignes propres au moteur SQL. Un exemple décrit une table contenant environ 2,1 milliards de lignes, rafraîchie chaque jour à 6 heures UTC. Amazon Titan Text Embeddings génère les vecteurs utilisés par Amazon Bedrock Knowledge Bases. Lorsqu’un utilisateur demande ses dix commandes les plus élevées du mois précédent, l’agent recherche les schémas pertinents, sélectionne une table et construit la requête à partir de ces métadonnées. Le protocole MCP est documenté sur le site officiel. Pour aller plus loin, consultez notre guide sur déployer un agent IA en PME sans développeur.