首页 / 开发教程 / AI Agent集成MCP实用教程

AI Agent集成MCP实用教程

发布时间：2025-06-02 浏览：559

将AI集成到系统和开发工具中变得越来越普遍，其中AI Agent为用户交互带来了一个全新模式。例如在Amazon Q Developer等代码辅助工具中，用户只需给AI分配任务，它就能自主规划并完成操作。接下来将由站长百科详细为大家介绍在亚马逊云科技上集成MCP Server与Agent的全流程。

一、MCP与Agent集成原理

MCP（Model Context Protocol）提供了Agent连接外部服务的标准方法，例如产品数据库、CRM系统等。要实现连接，Agent需作为MCP Client，通过配置或代码获取与之交互的MCP Server列表。

MCP规范定义了两种基础传输方式：

1、STDIO传输：适用于本地进程分叉场景，目前多数AI代码辅助工具中的MCP Server采用此方式，可直接访问开发者本地资源。

2、Server-Sent Events（SSE）传输：适用于网络服务器场景，支持客户端与服务器的状态更新（如工具列表变化时主动通知）。但由于有状态协议在Serverless架构中兼容性较差，2025年3月MCP规范更新为更简单的Streamable HTTP协议（当前官方SDK暂未支持，后续将跟进介绍）。

二、在亚马逊云科技上部署MCP Server

点击注册亚马逊云科技立享100+免费云服务>>>

亚马逊云科技支持通过亚马逊云服务器、EKS、ECS等服务运行基于SSE的MCP Server。以下以Java + Spring AI为例，演示如何实现一个预约领养狗狗的MCP Server（代码来自AWS官方）：

网络架构如下：

AI Agent集成MCP实用教程

1、核心代码实现

@SpringBootApplication publicclassSchedulingApplication {
publicstaticvoidmain(String[] args){
SpringApplication.run(SchedulingApplication.class, args);
}

@Bean
ToolCallbackProvider serviceToolCallbackProvider(
DogAdoptionAppointmentScheduler scheduler) {
return MethodToolCallbackProvider.builder()
.toolObjects(scheduler)
.build();
}

}

@Service
classDogAdoptionAppointmentScheduler {

@Tool(description = "schedule an appointment to adopt a dog" +
" at the Pooch Palace dog adoption agency")
String scheduleDogAdoptionAppointment(
@ToolParam(description = "the id of the dog") int id,
@ToolParam(description = "the name of the dog") String name) {
// demo scheduling response (but could use backing data / services on AWS)
var instant = Instant.now().plus(3, ChronoUnit.DAYS);
System.out.println("confirming the appointment: " + instant + " for dog " + id + " named " + name);
return instant.toString();
}
}

2、Maven依赖配置

<dependencyManagement> <dependencies> <dependency> <groupId>org.springframework.ai</groupId> <artifactId>spring-ai-bom</artifactId> <version>1.0.0-M6</version> <type>pom</type> <scope>import</scope> </dependency> </dependencies> </dependencyManagement> <dependencies>  <dependency> <groupId>org.springframework.ai</groupId> <artifactId>spring-ai-mcp-server-webflux-spring-boot-starter</artifactId> </dependency> </dependencies>

3、部署与安全配置

MCP Server可通过安全组限制访问，仅允许VPC内的MCP Client通信。如需公开访问，可结合AWS API Gateway等服务配置身份验证。

AI Agent集成MCP实用教程

三、集成Agent与MCP Client

完成MCP Server部署后，可通过以下两种方式在亚马逊云科技上运行Agent：
1、使用Amazon Bedrock内置Agent：直接对接MCP Server。

2、基于Spring AI构建自定义Agent：通过REST API暴露服务，以下为实现示例：

1、依赖配置（Maven）

<dependencyManagement> <dependencies> <dependency> <groupId>org.springframework.ai</groupId> <artifactId>spring-ai-bom</artifactId> <version>1.0.0-M6</version> <type>pom</type> <scope>import</scope> </dependency> </dependencies> </dependencyManagement> <dependencies>  <dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-web</artifactId> </dependency>  <dependency> <groupId>org.springframework.ai</groupId> <artifactId>spring-ai-mcp-client-spring-boot-starter</artifactId> </dependency>  <dependency> <groupId>org.springframework.ai</groupId> <artifactId>spring-ai-bedrock-converse-spring-boot-starter</artifactId> </dependency>  <dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-actuator</artifactId> </dependency> </dependencies>

2、配置文件（application.properties）

spring.ai.bedrock.converse.chat.options.model=amazon.nova-pro-v1:0 spring.ai.bedrock.converse.chat.enabled=true

3、REST控制器实现

@RestController classConversationalController {
privatefinal ChatClient chatClient;

ConversationalController(
@Value("${scheduling-service.url}") String schedulingUrl,
ChatClient.Builder builder) {

var mcpClient = McpClient
.sync(new HttpClientSseClientTransport(url))
.build();

mcpClient.initialize();

this.chatClient = builder
.defaultTools(new SyncMcpToolCallbackProvider(mcpClient))
.build();
}

@PostMapping("/inquire")
String inquire(@RequestParam String question){
return chatClient
.prompt()
.user(question)
.call()
.content();
}
}

四、实战测试

将Agent服务部署到Amazon ECS后，可通过以下命令测试：

curl -X POST --location "http://myecsserver/inquire" \ -H "Content-Type: application/x-www-form-urlencoded" \ -d 'question=when can i schedule to adopt Prancer'

此时，Agent会通过MCP Client调用Server中的预约工具，返回如“3天后可预约领养Prancer”的结果。