La actualización de los sistemas heredados se ha vuelto cada vez más importante para mantenerse competitivo en el mercado actual, ya que la infraestructura anticuada puede costarle a las organizaciones tiempo, dinero y posición del mercado. Sin embargo, los esfuerzos de modernización enfrentan desafíos como revisiones de arquitectura que requieren mucho tiempo, migraciones complejas y sistemas fragmentados. Estos retrasos no solo impactan a los equipos de ingeniería, sino que tienen impactos más amplios, incluidas las oportunidades de mercado perdidas, la competitividad reducida y los costos operativos más altos. Con Desarrollador de Amazon Q, Amazon Bedrock Data Automation (Automatización de datos de roca) y antrópico Protocolo de contexto del modelo (MCP), los desarrolladores ahora pueden pasar de bocetos de pizarra y discusiones de equipo a arquitecturas de nube implementadas, seguras y escalables en cuestión de minutos, no meses.
Estamos entusiasmados de compartir el servidor del Modelo de Automatización de Datos Bedrock de Amazon (MCP) del Protocolo de contexto, para una integración perfecta entre Amazon Q y sus datos empresariales. Con esta nueva capacidad, los desarrolladores pueden usar las características de Amazon Q mientras mantiene el acceso seguro a los datos de su organización a través de interacciones MCP estandarizadas. En esta publicación, aprenderá cómo usar el servidor MCP de automatización de datos de rock rock de Amazon para integrarse de forma segura con los servicios de AWS, utilizar operaciones de automatización de datos de rock racial como herramientas de MCP llamables y crear una experiencia de desarrollo conversacional con Amazon Q.
El problema: cinco sistemas, falta de agilidad
Los ingenieros miraron una pizarra, mirando una compleja red de flechas, nombres de sistemas heredados y puntos de integración que durante mucho tiempo habían dejado de tener sentido. El diagrama representaba múltiples sistemas desconectados unidos por scripts frágiles, trabajos de lotes frágiles y un mosaico de soluciones manuales como se muestra en la siguiente ilustración.
El audio de la reunión se sintetizó utilizando Amazon Polly para dar vida a la conversación para esta publicación.
“Necesitamos dejar de parchear y comenzar a transformarse”, dijo Alex, señalando el desastre enredado. El equipo asintió, cansado de otra interrupción que dejó al equipo de finanzas reconciliando miles de transacciones a mano. El desarrollo de características se había ralentizado, los costos de infraestructura eran impredecibles y cualquier cambio se arriesgó a romper algo río abajo. La migración se sintió inevitable pero abrumadora. La pregunta no era si modernizarse, era cómo comenzar sin quemar meses en planificación y coordinación. Fue entonces cuando se volvieron hacia el nuevo patrón.
El avance
Hace solo unos meses, construir un prototipo de trabajo a partir de una sesión de pizarra como esta habría llevado meses, si no más. Los ingenieros habrían comenzado transcribiendo manualmente la reunión, convirtiendo ideas aproximadas en artículos de acción, limpiando diagramas de arquitectura, alineando a los equipos en las operaciones y la seguridad, y redactar plantillas de infraestructura a mano. Cada paso habría requerido coordinación, y cada cambio realizado habría invitado a riesgos al sistema. Incluso una prueba de concepto habría exigido horas de comandos de interfaz de línea de comandos (CLI), definiciones de políticas y solución de problemas de prueba y error. Ahora los ingenieros solo deben preguntar, y lo que solía llevar meses sucede en minutos.
Con Amazon Q CLI, el equipo inicia una conversación. Detrás de escena, Amazon Q CLI invoca el servidor MCP y extrae información del contenido multimodal utilizando la automatización de datos de roca madre. La grabación de la reunión y el borrador del diagrama de arquitectura también se analizan utilizando la automatización de datos de base. Amazon Q utiliza el contenido extraído de la automatización de datos de roca para generar la plantilla de información de AWS Cloud. Incluso lo implementa en la nube de AWS cuando se le pregunta. No hay traducción manual, ni secuencias de comandos frágiles ni mapeo de dependencia en los sistemas. El resultado es una arquitectura AWS totalmente desplegable y segura generada y aprovisionada en minutos. Lo que una vez requirió una coordinación interfuncional y ciclos de desarrollo prolongados ahora comienza y se completa con un chat.
Comprender el protocolo de contexto del modelo
El Protocolo de contexto del modelo (MCP) es un estándar abierto desarrollado por Anthrope para facilitar conexiones seguras de dos vías entre modelos de IA y múltiples fuentes de datos, incluidos repositorios de contenido, herramientas comerciales y entornos de desarrollo. Al estandarizar estas interacciones, MCP permite a los sistemas de IA acceder a los datos que necesitan para proporcionar respuestas más relevantes y precisas.
MCP opera en una arquitectura de cliente cliente, donde los desarrolladores pueden exponer sus datos a través de servidores MCP o crear aplicaciones de IA (clientes MCP) que se conectan a estos servidores. Esta configuración permite un proceso de integración más optimizado y escalable, reemplazando la necesidad de conectores personalizados para cada fuente de datos.
Mejora de Amazon Q con Amazon Bedrock Data Automation y MCP Server
La automatización de datos de roca madre complementa MCP al proporcionar un conjunto robusto de herramientas que automatizan la extracción, transformación y carga (ETL) de datos empresariales en flujos de trabajo de IA a escala y con una intervención manual mínima. Con la automatización de datos de rock rock, los clientes pueden:
- Extraiga datos no estructurados de diversas fuentes como documentos, imagen, audio y archivos de video.
- Transformar y validar los datos utilizando la extracción impulsada por el esquema utilizando Planospuntuación de confianza y práctica responsable de IA para mantener la precisión, la integridad y la consistencia.
- Cargue datos listos para usar en modelos de IA para el razonamiento de contexto en tiempo real y contextual en todos los negocios.
Esta integración profunda asegura que los modelos de IA no solo estén conectados a los datos, sino que se basan en información limpia, validada y rica en contexto. Como resultado, los agentes inteligentes ofrecen resultados más precisos, relevantes y confiables que impulsan decisiones más rápidas y ideas más ricas en toda la empresa. Amazon Q Developer es un asistente de conversación generativo de AI de AWS diseñado para ayudar a los desarrolladores de software y profesionales de TI a construir, operar y transformar software con mayor velocidad, seguridad y eficiencia. Actúa como una herramienta de codificación inteligente y una herramienta de productividad, integrada con el entorno AWS y disponible en editores de código populares, la consola de administración de AWS y herramientas de colaboración como los equipos de Microsoft y Slack. Como se describe en la siguiente figura, el servidor MCP de automatización de datos de rock rock funciona de la siguiente manera:
- El usuario envía una “acción de solicitud” al host MCP.
- El host MCP procesa la solicitud con un LLM.
- El host MCP luego solicita una ejecución de herramientas al cliente MCP.
- El cliente MCP hace una solicitud de llamada de herramienta al servidor MCP.
- El servidor MCP realiza una solicitud API para la automatización de datos de base.
- Bedrock Data Automation envía una respuesta de API al servidor MCP.
- El servidor MCP devuelve el resultado de la herramienta al cliente MCP.
- El cliente MCP devuelve el resultado al host MCP.
- El host MCP nuevamente procesa con LLM.
- El host MCP envía una respuesta final al usuario.
Guía paso a paso
Si esta es la primera vez que usa los servidores AWS MCP, visite el Guía de instalación y configuración en el repositorio de GitHub de AWS Labs Para instrucciones de instalación. Después de la instalación, agregue la siguiente configuración del servidor MCP a su configuración local:
Requisitos previos
Configurar MCP
Instalar Amazon Q para la línea de comandos y agregar la configuración a ~/.aws/amazonq/mcp.json. Si ya es un usuario de Amazon Q CLI, agregue solo la configuración.
Para confirmar que la configuración fue exitosa, abra una terminal e ingrese q chat Para ingresar a una sesión de chat con Amazon Q.
¿Necesita saber qué herramientas hay a su disposición? Ingresar:"Tell me the tools I have access to"
Si MCP se ha configurado correctamente, como se muestra en la siguiente captura de pantalla, tendrá, aws_bedrock_data_automation sufijo por getprojects, getprojectdetailsy analyzeasset como sus tres herramientas. Esto lo ayudará a verificar rápidamente el acceso y asegurarse de que los componentes necesarios estén configurados correctamente.
Ahora, puede pedirle a Amazon Q que use la automatización de datos de roca madre como una herramienta y extrae la transcripción de la reunión almacenada en el archivo .mp3 y consulte el diagrama de arquitectura actualizado, como se muestra en la siguiente captura de pantalla.
Puede continuar sin problemas una conversación en lenguaje natural con Amazon Q para generar un AWS CloudFormation plantilla, escribir código prototipo o incluso implementar soluciones de monitoreo. Las aplicaciones potenciales son prácticamente infinitas.
Limpiar
Cuando haya terminado de trabajar con el servidor MCP de automatización de datos de Amazon Bedrock, siga los pasos dados para realizar la limpieza:
- Vacíe y elimine los cubos S3 utilizados para la automatización de datos de roca madre.
- Eliminar la configuración agregada a
~/.aws/amazonq/mcp.jsonparabedrock-data-automation-mcp-server.
Conclusión
Con la automatización de datos MCP y Batedrock, el desarrollador de Amazon Q puede convertir las ideas desordenadas en arquitecturas en la nube que trabajan en tiempo récord. No quedan pizarras.
¿Estás listo para construir aplicaciones más inteligentes, más rápidas y más conscientes del contexto? Explorar Desarrollador de Amazon Q Y vea cómo MCP y Amazon Bedrock Data Automation pueden ayudar a su equipo a convertir las ideas en realidad más rápido que nunca.
Sobre los autores
WRICK TALUKDAR Es un especialista en IA generativo y líder de IA senior en Amazon Web Services, impulsando la innovación a través de IA multimodal, modelos generativos, visión por computadora y procesamiento del lenguaje natural. También es autor del libro más vendido “Building Agentic AI Systems”. Es un orador principal y, a menudo, presenta sus innovaciones y soluciones en los principales foros globales, incluidos AWS Re: Invent, ICCE, Global Consumer Technology Conference y los principales eventos de la industria como Ceraweek y ADIPEC. En su tiempo libre, le gusta escribir y fotografías de observación de aves.
Ayush goyal es ingeniero de software senior en Amazon Bedrock, donde se enfoca en diseñar y escalar sistemas distribuidos con IA. También le apasiona contribuir a proyectos de código abierto. Cuando no está escribiendo código, Ayush disfruta de Speed Cubing, explorando cocinas globales y descubriendo nuevos parques, tanto en el mundo real como a través de juegos de mundo abierto.
Himanshu sah es un consultor de entrega asociada en AWS Professional Services, especializado en desarrollo de aplicaciones y soluciones generativas de IA. Con sede en India, ayuda a los clientes a arquitectos e implementan aplicaciones de vanguardia aprovechando los servicios de AWS y las capacidades generativas de IA. Trabajando en estrecha colaboración con equipos interfuncionales, se enfoca en ofrecer implementaciones de la mejor práctica al tiempo que garantiza un rendimiento óptimo y una rentabilidad. Fuera del trabajo, le apasiona explorar nuevas tecnologías y contribuir a la comunidad tecnológica.