Hoy, estamos entusiasmados de anunciar el servidor de contexto del Modelo Bedrock de Amazon Bedrock (MCP). Con el soporte incorporado para el tiempo de ejecución, la integración de la puerta de enlace, la gestión de identidad y la memoria del agente, el servidor AgentCore MCP está diseñado especialmente para acelerar la creación de compatentes compatibles con Bedrock AgentCore. Puede usar el servidor MCP AgentCore para prototipos rápidos, soluciones de IA de producción o para escalar la infraestructura de su agente para su empresa.
IDES de agente como Kiro, Claude Code, GitHub Copilot y cursor, junto con los sofisticados servidores MCP están transformando cómo los desarrolladores construyen agentes de IA. Lo que generalmente requiere un tiempo y esfuerzo significativos, por ejemplo, aprender sobre los servicios de agente de base, la integración de tiempo de ejecución y herramientas de puerta de enlace, administrar configuraciones de seguridad e implementar en la producción ahora se puede completar en minutos a través de comandos de conversación con su asistente de codificación.
En esta publicación presentamos el nuevo servidor MCP AgentCore y caminamos a través de los pasos de instalación para que pueda comenzar.
Capacidades del servidor MCP de AgentCore
El servidor MCP AgentCore aporta una nueva experiencia de desarrollo de agente a AWS, proporcionando herramientas especializadas que automatizan el ciclo de vida completo del agente, eliminan la curva de aprendizaje empinada y reducen la fricción de desarrollo que puede retrasar los ciclos de innovación. Para abordar los desafíos de desarrollo de agentes específicos, el servidor MCP AgentCore:
Transforma a los agentes para la integración del tiempo de ejecución de Agentcore proporcionando orientación a su asistente de codificación en los cambios mínimos de funcionalidad necesarios: agregar importaciones de la biblioteca de tiempo de ejecución, actualizar las dependencias, inicializar aplicaciones con BedRockAgentCorePp (), convertir puntos de entrada a decoradores y cambiar las llamadas de agentes directos a la manejo de la carga útil, mientras presenta las características de la lógica de su agente existente y las características agentes de los agentes. Automates development environment provisioning by handling the complete setup process through your coding assistant: installing required dependencies (bedrock-agentcore SDK, bedrock-agentcore-starter-toolkit CLI helpers, strands-agents SDK), configuring AWS credentials and AWS Regions, defining execution roles with Bedrock AgentCore permissions, setting up ECR repositories, and creating .BedRock_AgentCore.yaml Archivos de configuración. Simplifica la integración de herramientas con Bedrock AgentCore Gateway para una comunicación perfecta de agente a mesa en el entorno de la nube. Permite la invocación y las pruebas de agentes simples al proporcionar comandos de lenguaje natural a través de su asistente de codificación para invocar a los agentes aprovisionados en el tiempo de ejecución de Agentcore y verificar el flujo de trabajo completo, incluidas las llamadas a las herramientas de puerta de enlace de AgentCore cuando corresponda.
Enfoque en capas
Al usar el servidor MCP AgentCore con su cliente favorito, le recomendamos que considere una arquitectura en capas diseñada para proporcionar soporte integral de desarrollo de agentes de IA:
Capa 1: IDE o cliente de agente: use Kiro, Claude Code, Cursor, Vs Code Extensions u otra interfaz de lenguaje natural para los desarrolladores. Para tareas muy simples, los IDE de agente están equipados con las herramientas adecuadas para buscar documentación y realizar tareas específicas de Bedrock AgentCore. Sin embargo, solo con esta capa, los desarrolladores pueden observar el rendimiento subóptimo en las rutas de desarrolladores de agente. Capa 2: Documentación del servicio de AWS: instale el servidor MCP de documentación AWS para la documentación integral del servicio AWS, incluido el contexto sobre Bedrock AgentCore. Capa 3: Documentación del marco: instale los Strands, Langgraph u otros servidores MCP Docs Framework o use el LLMS.txt para el contexto específico del marco. Capa 4: Documentación de SDK: instale el MCP o use el LLMS.txt para el agente marco SDK y Bedrock Agentcore SDK para una capa de documentación combinada que cubre la documentación SDK de los agentes de los hilos y las referencias de API de agente de roca. Capa 5: Archivos de dirección: orientación específica para la tarea para flujos de trabajo más complejos y repetidos. Cada IDE tiene un enfoque diferente para usar archivos de dirección (por ejemplo, ver dirección en la documentación de Kiro).
Cada capa se basa en la anterior, proporcionando un contexto cada vez más específico para que su asistente de codificación pueda manejar todo, desde operaciones básicas de AWS hasta transformaciones e implementaciones de agentes complejos.
Instalación
Para comenzar con el servidor MCP de Amazon Bedrock AgentCore, puede usar la instalación de un solo clic en el repositorio de GitHub.
Cada IDE se integra con un MCP de manera diferente utilizando el archivo mcp.json. Revise la documentación de MCP para su IDE, como Kiro, Cursor, Q CLI y Claude Code para determinar la ubicación del MCP.JSON.
Use lo siguiente en su mcp.json:
Por ejemplo, así es como se ve el IDE en Kiro, con el servidor MCP AgentCore y las dos herramientas, Search_AgentCore_Docs y Fetch_AgentCore_Doc, Connected:
Uso del servidor MCP AgentCore para el desarrollo de agentes
Si bien mostramos demostraciones para varios casos de uso a continuación utilizando el IDE Kiro, el servidor AgentCore MCP también se ha probado para que funcione en el código Claude, Amazon Q CLI, el cursor y el complemento VS Code Q. Primero, echemos un vistazo a un ciclo de vida de desarrollo de agente típico utilizando los servicios de AgentCore (recuerde que este es solo un ejemplo con las herramientas disponibles, y puede explorar más casos de uso de este tipo simplemente instruyendo al agente en su IDE de agente favorito):
El ciclo de vida del desarrollo del agente sigue estos pasos:
El usuario toma un conjunto local de herramientas o servidores MCP y crea un objetivo Lambda para AgentCore Gateway; o implementa el servidor MCP como en el tiempo de ejecución de AgentCore, el usuario prepara el código de agente real utilizando un marco preferido como los agentes de cadenas o langgraph. El usuario puede: comenzar desde cero (el servidor puede obtener documentos de los agentes de hilos o la documentación de Langgraph) comenzar desde el código de agente de trabajo total o parcialmente que el usuario le pide al agente que transforme el código en un formato compatible con el tiempo de ejecución de Agentcore con la intención de implementar el agente más adelante. Esto hace que el agente: escriba un requisito apropiado.txt Archivo Importe bibliotecas necesarias, incluido BedRock_AgentCore, decore el controlador principal (o cree uno) para acceder al agente central que llama lógica o controlador de entrada. El agente puede buscar la documentación y puede usar la CLI AgentCore para implementar el código del agente en tiempo de ejecución que el usuario puede probar al agente pidiéndole al agente que lo haga. El comando AgentCore CLI requerido para esto es escrito y ejecutado por el cliente que el usuario solicita modificar el código para usar el servidor MCP de Gateway de Gateway de Gateway implementado dentro de este agente de tiempo de ejecución de AgentCore. El agente modifica el código original para agregar un cliente MCP que puede llamar a la puerta de enlace implementada. El agente implementa una nueva versión V2 del agente para que se ejecute el agente y luego pruebe esta integración con un nuevo aviso
Aquí hay una demostración del servidor MCP que trabaja con cursor IDE. Vemos al agente realizar los siguientes pasos:
Transforme el weather_agent.py para que sea compatible con el tiempo de ejecución de agente.
Aquí hay otro ejemplo de implementar un agente de Langgraph en el tiempo de ejecución de Agentcore con el IDE cursor realizando pasos similares como se vio anteriormente.
Limpiar
Si desea desinstalar el servidor MCP, siga la documentación de MCP para su IDE, como Kiro, Cursor, Q CLI y Claude Code para instrucciones.
Conclusión
En esta publicación, mostramos cómo puede usar el servidor AgentCore MCP con su IDE de agente favorito de elección para acelerar sus flujos de trabajo de desarrollo.
Le recomendamos que revise el repositorio de GitHub, así como lea y use los siguientes recursos en su desarrollo:
Le recomendamos que pruebe el servidor AgentCore MCP y proporcione cualquier comentario a través de problemas en nuestro repositorio de GitHub.
Sobre los autores
Shreyas subramaniano
Shreyas es un científico principal de datos y ayuda a los clientes mediante el uso de IA generativa para resolver sus desafíos comerciales utilizando la plataforma AWS. Shreyas tiene experiencia en optimización a gran escala y aprendizaje profundo, y es un investigador que estudia el uso del aprendizaje automático y el aprendizaje de refuerzo para acelerar las tareas de aprendizaje y optimización. Shreyas también es un autor de libro más vendido de Amazon con varios trabajos de investigación y patentes a su nombre.
Primo Mu
Primo es ingeniero de desarrollo de software en el equipo de la Fundación AGENIC AI en AWS, donde construye sistemas fundamentales e infraestructura que alimentan aplicaciones inteligentes de IA. Tiene una amplia experiencia trabajando en servicios de orquestación sin estado de backend detrás de productos como Kiro y Q Dev CLI. Se enfoca en crear marcos escalables y arquitecturas robustas que permitan a los desarrolladores construir sistemas de agente sofisticados.