AWS redujo la conexión de un nuevo conjunto de datos a un servidor MCP a un único archivo JSON

Cuando un único asistente de IA está conectado directamente a una base de datos, la arquitectura parece sencilla. Los problemas comienzan cuando aparecen una docena de agentes y cientos de tablas: cada cliente conserva su propio conocimiento de los esquemas, genera SQL según sus propias reglas y comprueba los permisos a su manera. Un cambio en una columna debe propagarse por varias aplicaciones, mientras que el equipo de seguridad carece de un lugar único para realizar auditorías.

El equipo que mantiene la red norteamericana de centros de clasificación de Amazon describió otro enfoque: un servidor MCP compartido entre los agentes y el lago de datos corporativo. Se ejecuta en Amazon ECS Fargate, ofrece el endpoint estándar /mcp y conecta Athena, Redshift y Bedrock Knowledge Bases como herramientas detectables. La principal promesa práctica es que un nuevo conjunto de datos no se añade mediante un nuevo conector, sino con un único archivo JSON que contiene los metadatos.

Cómo un archivo sustituye una integración independiente

Pensemos en una tabla de pedidos. El JSON especifica la base de datos y el nombre de la tabla, la finalidad de los datos, los tipos y las descripciones de las columnas, la frecuencia de actualización y ejemplos de valores reales. Estos últimos son especialmente útiles: el agente puede ver que el identificador de un centro logístico tiene el formato FC-EAST-07, en lugar de ser un nombre de región arbitrario. En el mismo archivo también se pueden guardar indicaciones para un motor SQL concreto; por ejemplo, cómo comparar una fecha almacenada como cadena con una columna de tipo timestamp.

Tras la sincronización, el archivo pasa a formar parte del catálogo de búsqueda de Bedrock Knowledge Bases. Cuando un usuario pregunta por los diez pedidos más caros del mes anterior, el agente primero encuentra la tabla adecuada y su descripción, después construye el SQL, comprueba su compatibilidad con Athena y solo entonces ejecuta la consulta. Según los autores, el ciclo completo tardó entre 15 y 20 segundos.

Para aplicaciones concretas se puede añadir un mapa de contextos adicional. Si la solicitud procede de una herramienta de planificación de personal, la búsqueda puede limitarse a las tablas de plantilla en vez de recorrer todo el catálogo. Esto reduce el ruido y disminuye la probabilidad de elegir una tabla parecida, pero incorrecta. La misma arquitectura permite combinar en un solo paso el resultado de una consulta SQL con una búsqueda en documentos internos.

Dónde encaja el control de acceso

El servidor MCP está desplegado en una subred privada detrás de un balanceador de carga interno. La capa pública del cliente pasa por AWS WAF y Cognito, mientras que el estado de la conversación se almacena en DynamoDB. Las herramientas de Athena solo aceptan consultas SELECT y sus llamadas se registran en CloudWatch. Bedrock Guardrails se aplica a las interacciones con el modelo y ayuda a filtrar contenido dañino, comprobar que las respuestas estén fundamentadas en las fuentes y bloquear algunos ataques basados en instrucciones incluidas en los datos.

Pero esto no constituye una protección universal lista para usar. Prohibir las operaciones de escritura no impide leer filas o columnas innecesarias si los permisos están configurados de forma demasiado amplia. Tampoco se puede considerar que Guardrails garantice protección contra la inyección de prompts. El equipo sigue necesitando políticas por fila o por columna, límites de coste para las consultas, comprobaciones de filtraciones de datos a través de las respuestas del modelo y pruebas de posibles formas de eludir el aislamiento entre inquilinos.

Qué incorporar a tu propia arquitectura

El valor de la solución no reside en una larga lista de servicios de AWS, sino en la separación de responsabilidades. El agente formula la intención, el catálogo explica los datos, la puerta de enlace MCP controla las herramientas y el propio almacén ejecuta la consulta. Los desarrolladores deberían empezar a pequeña escala: colocar una fuente de uso frecuente detrás de una interfaz MCP compartida, describir su esquema mediante un archivo legible por máquina y medir la precisión al seleccionar tablas, la latencia y el coste.

Si el piloto funciona, el siguiente paso es implantar una auditoría centralizada y un modelo explícito de permisos. El propio archivo JSON acelera la incorporación de tablas, pero la calidad de todo el sistema depende de quién puede leer los datos, de lo actualizados que estén los metadatos y de qué ocurre cuando el SQL es incorrecto. Son estas comprobaciones las que convierten una demostración atractiva en una puerta de enlace corporativa lista para producción.