Компания AWS выпустила сервер Model Context Protocol (MCP) с открытым исходным кодом для Amazon Bedrock AgentCore. Это решение позволяет напрямую преобразовывать запросы на естественном языке в среде разработки (IDE) в готовые к использованию агенты на платформе AgentCore Runtime.
Что это такое?
Сервер AgentCore MCP предоставляет клиенту (например, Kiro, Claude Code, Cursor, Amazon Q Developer CLI или плагину VS Code Q) инструменты для выполнения конкретных задач и помогает ассистенту:
* минимально преобразовать существующего агента в модель AgentCore Runtime;
* подготовить и настроить среду AWS (учетные данные, роли/разрешения, ECR, файлы конфигурации);
* подключить AgentCore Gateway для вызовов инструментов;
* запустить и протестировать развёрнутого агента — и всё это из окна чата в IDE.
На практике сервер обучает вашего помощника по кодированию преобразовывать точки входа в обработчики AgentCore, добавлять импорт bedrock_agentcore, генерировать requirements.txt и переписывать прямые вызовы агентов в обработчики на основе полезной нагрузки, совместимые с Runtime. Затем сервер может вызвать интерфейс командной строки AgentCore CLI для развёртывания и тестирования агента, включая сквозные вызовы через инструменты Gateway.
Как установить и какая поддержка клиентов?
AWS предоставляет возможность установить сервер одним щелчком мыши из репозитория GitHub, используя облегчённый лаунчер (uvx) и стандартную запись mcp.json, которую потребляет большинство клиентов с поддержкой MCP.
Команда AWS перечисляет ожидаемые местоположения mcp.json для Kiro (.kiro/settings/mcp.json), Cursor (.cursor/mcp.json), Amazon Q CLI (~/.aws/amazonq/mcp.json) и Claude Code (~/.claude/mcp.json).
Репозиторий находится в монорепозитории awslabs «mcp» (лицензия Apache-2.0). В каталоге сервера AgentCore размещена реализация, а корневой репозиторий также содержит ссылки на более широкие ресурсы и документацию AWS MCP.
Рекомендации по архитектуре и многоуровневая модель контекста
AWS рекомендует многоуровневый подход, чтобы предоставить помощнику в IDE постепенно расширяющийся контекст:
* начать с агентского клиента;
* добавить сервер документации AWS MCP;
* включить документацию по фреймворкам (например, Strands Agents, LangGraph);
* добавить документацию SDK AgentCore и фреймворков агентов;
* наконец, управлять повторяющимися рабочими процессами с помощью «управляющих файлов» для каждой IDE.
Такая организация сокращает количество ошибок при поиске и помогает ассистенту планировать цикл преобразования/развёртывания/тестирования без ручного переключения контекста.
Рабочий процесс разработки (типичный путь)
* Начальная загрузка: используйте локальные инструменты или серверы MCP. Подготовьте Lambda-цель для AgentCore Gateway или разверните сервер напрямую в AgentCore Runtime.
* Авторство/Рефакторинг: начните с кода Strands Agents или LangGraph. Сервер инструктирует помощника преобразовать обработчики, импорты и зависимости для совместимости с Runtime.
* Развёртывание: помощник ищет соответствующие документы и вызывает интерфейс командной строки AgentCore CLI для развёртывания.
* Тестирование и итерация: вызовите агента через естественный язык; если нужны инструменты, интегрируйте Gateway (клиент MCP внутри агента), выполните повторное развёртывание (v2) и повторите тестирование.
В чём разница?
Большинство «агентских фреймворков» по-прежнему требуют от разработчиков изучения облачных сред выполнения, учётных данных, политик ролей, реестров и интерфейсов командной строки развёртывания перед любой полезной итерацией. Сервер MCP от AWS переносит эту работу на помощника в IDE и сокращает разрыв между «запросом и производством».
Поскольку это просто ещё один сервер MCP, он взаимодействует с существующими серверами документации (документация служб AWS, Strands, LangGraph) и может использовать улучшения в клиентах, осведомлённых о MCP, что делает его простой точкой входа для команд, стандартизирующихся на Bedrock AgentCore.
Комментарии от Marktechpost
Мне нравится, что AWS выпустила настоящий эндпойнт MCP для AgentCore, к которому мой IDE может обращаться напрямую. Конфигурация mcp.json на основе uvx упрощает подключение клиента (Cursor, Claude Code, Kiro, Amazon Q CLI), а инструменты сервера чётко сопоставляются со стеком AgentCore Runtime/Gateway/Memory, сохраняя при этом существующие пути кода Strands/LangGraph.
На практике это сворачивает цикл prompt→refactor→deploy→test в воспроизводимый, скриптованный рабочий процесс, а не в специальный связующий код.
Ознакомьтесь с репозиторием GitHub и техническими деталями. Не стесняйтесь заглянуть на нашу страницу GitHub, чтобы найти учебные пособия, коды и блокноты. Также подписывайтесь на нас в Twitter и присоединяйтесь к нашему сообществу в SubReddit (более 100 тысяч участников) и подписывайтесь на нашу рассылку. А если вы в Telegram, присоединяйтесь к нам и там!
1. Какие преимущества предоставляет сервер Model Context Protocol (MCP) от AWS для разработчиков AI-агентов?
Сервер MCP от AWS упрощает разработку AI-агентов, позволяя напрямую преобразовывать запросы на естественном языке в готовые к использованию агенты на платформе AgentCore Runtime. Это сокращает количество ошибок при поиске и помогает ассистенту планировать цикл преобразования/развёртывания/тестирования без ручного переключения контекста.
2. Как можно установить сервер MCP от AWS?
AWS предоставляет возможность установить сервер одним щелчком мыши из репозитория GitHub, используя облегчённый лаунчер (uvx) и стандартную запись mcp.json, которую потребляет большинство клиентов с поддержкой MCP.
3. Какие инструменты и ресурсы доступны разработчикам для работы с сервером MCP от AWS?
Для работы с сервером MCP разработчики могут использовать различные клиенты, такие как Kiro, Claude Code, Cursor, Amazon Q Developer CLI или плагин VS Code Q. AWS также предоставляет документацию и ресурсы в корневом репозитории awslabs «mcp» (лицензия Apache-2.0).
4. Какие шаги включает в себя типичный рабочий процесс разработки с использованием сервера MCP от AWS?
Типичный рабочий процесс разработки включает в себя начальную загрузку (использование локальных инструментов или серверов MCP), авторство/рефакторинг (преобразование кода для совместимости с Runtime), развёртывание (вызов интерфейса командной строки AgentCore CLI для развёртывания) и тестирование и итерация (вызов агента через естественный язык, повторное развёртывание и тестирование).
5. В чём заключается инновационность подхода AWS к разработке AI-агентов с использованием сервера MCP?
Инновационность подхода AWS заключается в том, что сервер MCP упрощает работу с облачными средами выполнения, учётными данными, политиками ролей, реестрами и интерфейсами командной строки развёртывания. Это сокращает разрыв между «запросом и производством» и позволяет разработчикам сосредоточиться на создании AI-агентов, а не на настройке инфраструктуры.