加速人工智能创新：在AWS上为企业工作负载扩展模型上下文协议服务器
生成型人工智能一直在快速发展，新的工具、产品和模型经常发布。2025年被称为生成型人工智能代理年，组织正在就如何在企业环境中使用代理进行原型设计。代理依赖于工具，每个工具都有自己的发送和接收信息的机制。Anthropic的模型上下文协议（MCP）是一种试图解决这一挑战的开源协议。它提供了一种与工具交叉兼容的协议和通信标准，可供Agent应用程序的LLM使用，通过标准机制连接到各种工具。但是，像金融服务这样的大型企业组织往往具有复杂的数据共享和运营模式，这使得实施与MCP合作的代理变得非常具有挑战性。
一个主要的挑战是孤立的方法，即单个团队构建自己的MCP工具，导致重复工作和浪费资源。这种方法减缓了创新，并在集成和企业设计中造成了不一致。此外，跨团队管理多个断开连接的MCP工具，使得有效扩展人工智能计划变得困难。这些低效率阻碍了企业充分利用生成性人工智能的潜力来完成交易后处理、客户服务自动化和监管合规等任务
在这个存储库中，我们查看了一个集中式MCP服务器实现，它通过提供对工具和资源的共享访问提供了一种创新的方法。这种方法使团队能够专注于构建人工智能能力，而不是花时间开发或维护工具。
此存储库是已发布的AWS博客文章的一部分：一旦发布，将进行更新。
建筑
Amazon Bedrock Agent如何与MCP服务器交互
以下是对代理利用MCP服务器上托管的工具时实际发生的情况的深入了解：
How Amazon Bedrock Agent interact with MCP Server
让我们浏览一下图中显示的步骤：
- 作为第一步，应用程序通过负载均衡器连接到中央MCP集线器，并从特定的MCP服务器请求可用工具列表。这可以根据代理应用程序可以访问的服务器进行细粒度划分。
- 在这种情况下，交易服务器会返回可用工具列表，包括工具名称、描述和所需输入参数等详细信息。
- 现在，代理应用程序调用Amazon Bedrock Agent并提供可用工具列表。
- 使用此信息，Bedrock Agent会根据给定的任务和可用的工具列表推断下一步要做什么。
- 基岩代理选择最合适的工具进行使用，并以工具名称和工具输入参数进行响应。控制权回到代理应用程序
- 代理应用程序使用工具名称和工具输入参数通过MCP服务器调用工具的执行。
- 交易MCP服务器执行该工具并将执行结果返回给应用程序。
- 应用程序将工具执行的结果返回给Amazon Bedrock Agent。
- Amazon Bedrock Agent观察工具执行结果和下一步的原因，直到得出最终答案。
部署说明
此存储库提供了一个CDK应用程序，该应用程序将整个演示部署在两个VPC上，并部署到您的默认区域。
使用的AWS服务
- 亚马逊基岩
- 亚马逊弹性容器服务（ECS）
- 亚马逊弹性容器存储库（ECR）
- 弹性负载均衡器
- 亚马逊API网关
- AWS Lambda
- AWS机密管理器
- 亚马逊虚拟私有云（VPC）
- AWS私人链接
- AWS身份和访问管理
先决条件
- 亚马逊基岩-您需要访问Anthropic Claude v3.5 Haiku。为了在Amazon Bedrock中设置模型访问， 阅读下面的文章.
- Python-你需要Python 3.12及以上版本。
- Docker-你需要使用Docker Buildx的v24.0.0及以上版本，并运行Docker守护进程。
部署
运行以下命令安装必要的python库并部署解决方案。
$ ./deploy.sh动手
- 部署完成后，访问Streamlit应用程序。
- 你可以找到 *流式传输URL* 通过前往 云形成，选择部署的堆栈名称，然后转到 *输出* 选项卡。URL将在以下位置可用 *StreamlitNLBURL*.
- 第一个选项卡显示了MCP服务器注册表上可用的MCP服务器（及其相应工具）的列表。您可以展开每个列出的MCP服务器上的工具列表，以查看它支持的工具及其所需的输入参数。
- 第二个选项卡显示了一个示例代理应用程序，该应用程序将使用MCP Server Hub中提供的工具。
a.点击“提交”按钮，调用带有样品请求的亚马逊基岩代理处理流程。\ b.查看Trace输出，查看为满足请求而执行的工具。对于代理使用的每个工具，您可以查看输入参数的值，然后查看相应的结果。
清理
要销毁解决方案，请执行以下操作：
$ ./destroy.sh