Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Amazon Bedrock AgentCore MCP Server: Pengkodean Vibe dengan asisten pengkodean Anda

Server Amazon Bedrock AgentCore Model Context Protocol (MCP) membantu Anda mengubah, menerapkan, dan menguji AgentCore-compatible agen Amazon Bedrock langsung dari lingkungan pengembangan pilihan Anda. Dengan dukungan bawaan untuk integrasi runtime, konektivitas gateway, dan manajemen siklus hidup agen, server MCP menyederhanakan perpindahan dari pengembangan lokal ke penerapan produksi pada layanan Amazon Bedrock AgentCore .

Server MCP bekerja dengan klien MCP populer termasuk Kiro, Cursor, Claude Code, dan Amazon Q CLI, menyediakan perintah percakapan untuk mengotomatiskan alur kerja pengembangan agen yang kompleks.

Prasyarat

Sebelum Anda mulai, verifikasi bahwa Anda memiliki yang berikut:

Untuk informasi selengkapnya tentang Amazon Bedrock AgentCore, lihat dokumentasi Amazon Bedrock AgentCore .

Instal dependensi yang diperlukan

Instal paket yang diperlukan untuk AgentCore pengembangan Amazon Bedrock.

Untuk menginstal paket yang diperlukan, jalankan perintah berikut:

# Install the AgentCore CLI
npm install -g @aws/agentcore

# Install the AgentCore Python SDK
pip install bedrock-agentcore

Langkah 1: Instal server MCP

Untuk menginstal server AgentCore MCP, tambahkan ke file konfigurasi klien MCP Anda. Setiap klien MCP menyimpan konfigurasi ini di lokasi yang berbeda.

Tambahkan konfigurasi server MCP

Pilih klien MCP Anda dan tambahkan konfigurasi yang sesuai:

Untuk Kiro

Tambahkan ke .kiro/settings/mcp.json (jika tidak ada, lihat Membuat File Konfigurasi):

{
  "mcpServers": {
    "bedrock-agentcore-mcp-server": {
      "command": "uvx",
      "args": [
        "awslabs.amazon-bedrock-agentcore-mcp-server@latest"
      ],
      "env": {
        "FASTMCP_LOG_LEVEL": "ERROR"
      },
      "disabled": false,
      "autoApprove": [
        "search_agentcore_docs",
        "fetch_agentcore_doc"
      ]
    }
  }
}

Untuk kursor

Tambahkan ke.cursor/mcp.json:

{
  "mcpServers": {
    "bedrock-agentcore-mcp-server": {
      "command": "uvx",
      "args": [
        "awslabs.amazon-bedrock-agentcore-mcp-server@latest"
      ],
      "env": {
        "FASTMCP_LOG_LEVEL": "ERROR"
      },
      "disabled": false,
      "autoApprove": [
        "search_agentcore_docs",
        "fetch_agentcore_doc"
      ]
    }
  }
}

Untuk Amazon Q

Praktik terbaik adalah mengkonfigurasi server MCP untuk agen Q CLI individu. Untuk petunjuk konfigurasi, lihat Mengon figurasi server MCP untuk Amazon Q CLI.

Untuk Amazon Q di IDE (Kode VS dan JetBrains), lihat Menggunakan server MCP dengan Amazon Q di IDE Anda.

Untuk Kode Claude

Konfigurasi tergantung pada instalasi Anda:

Untuk aplikasi Claude Code mandiri:

{
  "mcpServers": {
    "bedrock-agentcore-mcp-server": {
      "command": "uvx",
      "args": [
        "awslabs.amazon-bedrock-agentcore-mcp-server@latest"
      ],
      "env": {
        "FASTMCP_LOG_LEVEL": "ERROR"
      },
      "disabled": false,
      "autoApprove": [
        "search_agentcore_docs",
        "fetch_agentcore_doc"
      ]
    }
  }
}

Verifikasi instalasi server MCP

Untuk memverifikasi bahwa server MCP terhubung dan berfungsi dengan sukses, mulai ulang klien MCP Anda setelah menambahkan konfigurasi dan konfirmasikan bahwa alat berikut tersedia:

Langkah 2: Mengubah agen yang ada untuk kompatibilitas AgentCore Runtime

Untuk membuat kode AgentCore agen Anda yang ada kompatibel dengan Amazon Bedrock AgentCore Runtime, gunakan server MCP untuk memandu proses transformasi. Misalnya, jika Anda memiliki AgentCore agen Strands, transformasi membantu mengubahnya menjadi Amazon Bedrock AgentCore-compatible dengan memperbarui impor, dependensi, dan struktur aplikasi.

Ubah kode agen Anda

Server MCP memandu klien MCP Anda untuk membuat perubahan berikut pada kode AgentCore agen Anda:

Tambahkan impor pustaka runtime

Server MCP menambahkan AgentCore impor yang diperlukan:

from bedrock_agentcore.runtime import BedrockAgentCoreApp

Perbarui dependensi

Server MCP memperbarui requirements.txt file Anda:

bedrock-agentcore
strands-agents

Inisialisasi aplikasi AgentCore

Server MCP menambahkan inisialisasi aplikasi:

app = BedrockAgentCoreApp()

Hiasi titik masuk utama

Server MCP mengonversi fungsi handler Anda:

@app.entrypoint
def handler(event, context):
    # Your agent logic here
    pass

Tambahkan pelari aplikasi

Server MCP menambahkan pelari aplikasi:

if __name__ == "__main__":
    app.run()

Prosedur transformasi

Untuk mengubah AgentCore agen Anda, buka file AgentCore agen yang ada (misalnya,weather_agent.py) di klien MCP Anda dan gunakan asisten AI klien MCP Anda dengan prompt berikut:

Transform this AgentCore agent code to be compatible with AgentCore runtime. Update the imports, dependencies, and application structure as needed.

Langkah 3: Menyebarkan agen Anda ke AgentCore Runtime

Setelah Anda mengubah AgentCore agen Anda untuk kompatibilitas AgentCore Runtime, terapkan menggunakan AgentCore CLI melalui klien MCP Anda.

Menyebarkan menggunakan AgentCore CLI

Server MCP menggunakan AgentCore CLI untuk menyebarkan agen Anda AgentCore . Proses penyebaran meliputi:

Untuk menyebarkan AgentCore agen Anda, gunakan asisten AI klien MCP Anda dengan prompt berikut:

Deploy this AgentCore agent to AgentCore runtime using the AgentCore CLI.

Server MCP mengeksekusi perintah CLI yang diperlukan secara otomatis.

Verifikasi penerapan

Setelah penerapan selesai, Anda menerima konfirmasi dengan detail berikut:

Langkah 4: Uji agen yang Anda gunakan

Uji AgentCore agen yang Anda gunakan dengan memanggilnya melalui Amazon Bedrock Runtime AgentCore .

Memanggil agen

Server MCP menggunakan AgentCore CLI untuk memanggil AgentCore agen Anda dan menampilkan hasil termasuk:

Untuk menguji AgentCore agen yang digunakan, gunakan asisten AI klien MCP Anda dengan prompt berikut:

Test the deployed AgentCore agent with a sample request.

Tinjau keluaran pemanggilan:

AgentCore Agent Response: Hello! I can help you with weather information.
Execution Time: 1.2s
Status: Success

Langkah selanjutnya

Setelah berhasil menerapkan dan menguji AgentCore agen pertama Anda dengan server AgentCore MCP Amazon Bedrock, Anda dapat menjelajahi kemampuan tambahan:

Untuk informasi selengkapnya, lihat berikut ini: