View a markdown version of this page

Créez un agent qui utilise votre AgentCore passerelle - Base rocheuse de l'Amazonie AgentCore

Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

Créez un agent qui utilise votre AgentCore passerelle

Après avoir créé et testé votre passerelle, vous pouvez créer et connecter des agents IA à votre passerelle. Un agent connecté à votre passerelle peut appeler les outils de la passerelle et utiliser un modèle Amazon Bedrock pour répondre aux requêtes.

Pour savoir comment créer un agent, le connecter à une passerelle et l'invoquer pour répondre à des requêtes, sélectionnez l'une des méthodes suivantes :

Exemple
Strands

  1. from strands import Agent
from strands.models import BedrockModel
from strands.tools.mcp.mcp_client import MCPClient
from mcp.client.streamable_http import streamablehttp_client

def _invoke_agent(
    bedrock_model,
    mcp_client,
    prompt
):
    with mcp_client:
        tools = mcp_client.list_tools_sync()
        agent = Agent(
            model=bedrock_model,
            tools=tools
        )
        return agent(prompt)

def _create_streamable_http_transport(headers=None):
    url = {gatewayUrl}
    access_token = {AccessToken}
    headers = {**headers} if headers else {}
    headers["Authorization"] = f"Bearer {access_token}"
    return streamablehttp_client(
        url,
        headers=headers
    )

def _get_bedrock_model(model_id):
    return BedrockModel(
        inference_profile_id=model_id,
        temperature=0.0,
        streaming=True,
   )

mcp_client = MCPClient(_create_streamable_http_transport)

if __name__ == "__main__":
    user_prompt = "What orders do I have?"
    _response = _invoke_agent(
        bedrock_model=_get_bedrock_model("us.anthropic.claude-sonnet-4-20250514-v1:0"),
        mcp_client=mcp_client,
        prompt=user_prompt
    )
    print(_response)
LangGraph

  1. from mcp import ClientSession
from mcp.client.streamable_http import streamablehttp_client

from langgraph.prebuilt import create_react_agent
from langchain_mcp_adapters.tools import load_mcp_tools

# Replace with actual values and the Amazon Bedrock model of your choice
gateway_url = "${GatewayUrl}"
access_token = "${AccessToken}"
model = ChatBedrock(model_id="anthropic.claude-3-sonnet-20240229-v1:0", region_name="us-west-2")

async with streamablehttp_client(gateway_url, headers={"Authorization": f"Bearer {access_token}"}) as (read, write, _):
    async with ClientSession(read, write) as session:
        # Initialize the connection
        await session.initialize()

        # Get tools
        tools = await load_mcp_tools(session)
        agent = create_react_agent(model, tools)
        math_response = await agent.ainvoke({"messages": "what's (3 + 5) x 12?"})
Claude Code

  1. #!/bin/bash
# Script to add MCP server to Claude

# Server configuration
SERVER_NAME=${ServerName} # Write your server name
GATEWAY_MCP_SERVER_URL=${GatewayUrl} # The gateway MCP URL
AUTH_TOKEN=${AuthToken} # Claude authentication token

echo "Adding MCP server to Claude..."
echo "Server Name: $SERVER_NAME"
echo "Server URL: $SERVER_URL"
echo ""

# Add the MCP server
claude mcp add "$SERVER_NAME" "$GATEWAY_MCP_SERVER_URL" \
  --transport http \
  --header "Authorization: Bearer $AUTH_TOKEN"

# Check if the command was successful
if [ $? -eq 0 ]; then
    echo "MCP server added successfully!"
    echo ""
    echo "You can now check mcp server health with: claude mcp list"
else
    echo "Failed to add MCP server"
    exit 1
fi