什么是 MCP（模型上下文协议）？

模型上下文协议(Model Context Protocol， MCP)是一套标准化规范，用于实现 AI 模型与外部数据源、工具系统的安全连接。MCP 使 AI 应用能够访问企业数据、调用业务工具，同时保持数据隐私与系统安全。通过统一的通信接口，MCP 简化了从本地开发到生产部署的全周期流程。

统一的数据访问接口

MCP 提供标准化的方式供 AI 模型访问多种数据源——文档库、数据库、知识库、API 等，无需为每个数据源单独改造模型代码。通过 MCP 网关，模型可以透明地查询任何支持 MCP 的数据源，实现"一次集成、多处复用"。MCP 的设计理念是充当"通用翻译器"，使语言模型与企业系统无缝对话。

工具调用的规范化

MCP 定义了 AI 模型与外部工具交互的标准合约：包括工具定义、参数验证、响应格式等。这意味着开发者可以用同一套工具库同时适配 Kiro、Cursor、Claude Code 等多个 MCP 客户端，大幅降低集成工作量。MCP 服务器可以通过 Resources(资源)、Prompts(提示模板)、Tools(工具函数)、Elicitation(用户输入请求)、Sampling(LLM 内容生成)等特性多维度为客户端提供能力。

会话状态管理

MCP 支持有状态模式，在多轮对话中维护上下文连续性，确保 AI 模型能够准确维持对话状态，特别是在涉及企业数据的场景中至关重要。在有状态模式下，MCP 服务器在初始化时返回会话标识，客户端在后续请求中必须包含该标识以保持会话上下文。如果服务器终止或会话过期，客户端需要重新初始化以获得新的会话标识。

企业级安全合规

MCP 支持集成 AWS Secrets Manager 管理敏感凭证，与 AWS AppConfig 配置安全策略，保证在企业数据访问过程中的加密、审计、权限控制。AgentCore Gateway 通过 IAM SigV4(默认)和 JWT/OIDC bearer token(来自 Amazon Cognito、Microsoft Entra ID、Okta 等身份提供商)支持双层授权机制。所有组件通过 OpenTelemetry 发出追踪、指标和日志，导出到 AWS X-Ray 分布式追踪和 Amazon CloudWatch，提供端到端可观测性。

企业知识库问答

将公司内部文档、政策、培训材料通过 MCP 对接到 AI 模型，员工可以通过自然语言问答快速查询信息，无需手动翻阅文档。MCP 确保只有授权用户才能访问敏感信息。通过 RAG 结合，可以高效缓解提示词膨胀问题，让模型专注于推理而非处理海量文档。

业务流程自动化

连接 CRM、ERP、HR 等核心业务系统，让 AI 代理能够帮助审核订单、处理员工请求、生成报表等日常任务，同时保持对数据修改的审计跟踪。MCP 的工具调用机制使 Lambda 函数能够原生支持 MCP 协议，无需改造 Lambda 的核心逻辑。通过 AgentCore Runtime 支持的 Agent-as-Tool 模式，复杂的多步推理工作流可以透明地集成为单一工具。

实时数据驱动的决策

将实时数据源(营销分析、销售管道、库存系统)通过 MCP 接入 AI，使 AI 能够基于最新的信息给出建议，而不是过时的训练数据。

多工具协同工作流

企业可能同时使用代码编辑器(Kiro、Cursor)、IDE(VS Code with Amazon Q)、命令行工具等多个开发环境。通过 MCP，这些工具可以共享同一套 AI 代理与数据接口，确保工作流的一致性。

FinOps 成本管理

基于 Amazon Bedrock AgentCore 与 MCP 协议，将 AWS 账单相关 API 封装为工具，部署到 Bedrock AgentCore Runtime，并接入企业聊天应用，让业务用户以自然语言直接查询多账号的云成本数据。

Amazon Bedrock AgentCore

Amazon Bedrock AgentCore 提供完整的 MCP 服务器运行时，支持直接在 AWS 云端部署和执行 MCP 兼容的代理。AgentCore 负责会话管理、权限验证、日志审计等基础设施工作，开发者只需专注业务逻辑。Bedrock 支持多种基础模型选择，包括 Amazon Nova、Claude 等，并与 MCP 深度集成。通过 AgentCore MCP Server，开发者可以在本地(Kiro、Cursor 等编辑器)完成代理开发和测试，然后一键部署到云端，同一套代码无需修改即可在高可用环境运行。

AWS Secrets Manager

用于安全存储 MCP 连接所需的 API 密钥、数据库凭证等敏感信息。通过集成 Secrets Manager，MCP 应用能够动态获取凭证，避免在代码中硬编码密钥。

AWS AppConfig

用于集中化管理 MCP 连接配置、功能开关、数据源清单等。AppConfig 支持灰度发布和配置验证，确保配置变更的安全性。

Amazon CloudWatch 与 AWS X-Ray

用于收集 MCP 端到端的可观测性数据。所有组件(MCP 客户端、AgentCore Gateway、Lambda、Agent Runtime)都通过 OpenTelemetry 发出追踪、指标和日志，汇聚到 CloudWatch 和 X-Ray，实现分布式追踪和性能监控。

AgentCore MCP 开发工具包

AWS 提供开箱即用的 MCP 服务器开发包(bedrock-agentcore-mcp-server)，支持主流 MCP 客户端配置(Kiro、Cursor、Claude Code、Amazon Q CLI)。开发者可以通过 npm 或 pip 快速安装工具包，无需从零开始构建 MCP 适配层。

本地开发到云部署一体化

Bedrock AgentCore MCP Server 帮助开发者在本地(Kiro、Cursor 等编辑器)完成代理开发和测试，然后一键部署到 Amazon Bedrock AgentCore Runtime，同一套代码无需修改即可在云端高可用运行。

跨客户端的工具库共享

开发者只需定义一次 MCP 工具(如"查询客户信息"、"提交订单"等)，就能同时在 Kiro、Cursor、Amazon Q 等多个客户端中使用，提高工具开发和维护的效率。

MCP 企业应用加速

AWS 为企业提供了 MCP 服务器的扩展部署方案，包括配置最优实践、安全模型、性能优化等，帮助企业快速从小范围试点扩展到企业级部署。

1. 安装 MCP 服务器

在你选用的 MCP 客户端(如 Kiro 或 Cursor)中配置 bedrock-agentcore-mcp-server，通过简单的配置文件声明，自动获得 Amazon Bedrock AgentCore 文档搜索、代码示例、部署指南等工具。

2. 转换现有代理为 AgentCore 兼容格式

使用 MCP 服务器的转换工具，将本地开发的 Strands Agents 或 LangGraph 代理自动转换为 Amazon Bedrock AgentCore Runtime 兼容格式，包括导入更新、依赖版本调整、应用初始化等。

3. 配置安全凭证与权限

在 AWS Secrets Manager 中存储数据源连接凭证(如数据库密码、API 密钥)，通过 IAM 策略控制代理对敏感数据的访问范围，确保企业数据安全。可选地，应用 Amazon Bedrock Guardrails(包括自动化推理检查)在代理管道中验证输出。

4. 部署到 Bedrock AgentCore Runtime

通过 AWS CLI 或控制台一键部署配置好的代理到 Bedrock AgentCore，获得自动扩展、监控告警、日志审计等企业级运维能力。

相关 AWS 博客: MCP 在 AWS 的创新应用， AgentCore 架构指南

Q: MCP 与 RAG(检索增强生成)有什么区别?

A: RAG 侧重于向模型注入文档内容来改进回答质量;MCP 则是更广泛的协议，支持访问任何数据源和调用任何工具。实际上，MCP 可以包含 RAG 场景：通过 MCP 工具调用向量数据库进行文档检索。MCP 的优势是标准化和安全性:统一的接口规范+权限管理+审计日志。

Q: 我的现有 LangGraph 代理可以直接用 MCP 吗?

A: 是的。Amazon Bedrock AgentCore 提供自动化转换工具，可以将 LangGraph、Strands Agents 等主流框架的代理无缝转换为 MCP 兼容格式，转换过程中保持原有业务逻辑不变。

Q: MCP 是否支持多模型同时使用?

A: 是的。通过 Amazon Bedrock，你可以在同一个 MCP 连接中调用多个基础模型(Amazon Nova、Claude、Llama 等)，动态选择最适合当前任务的模型，而无需改造 MCP 数据源连接。

Q: 如何确保 MCP 连接中的企业数据安全?

A: AWS 提供分层安全机制:1. 凭证层使用 AWS Secrets Manager 加密存储;2. 传输层支持 TLS 加密;3. 访问层通过 IAM 角色控制哪些用户/应用可以调用特定 MCP 工具;4. 审计层记录所有数据访问操作，对接 AWS CloudTrail 和 OpenTelemetry。

Amazon Web Services (AWS) 提供完整的 MCP 集成方案，从开发到部署全面支持模型上下文协议。

Amazon Bedrock 是一项完全托管的生成式 AI 服务，通过 AgentCore 网关原生支持 MCP 协议，让 AI 模型安全连接企业数据源和工具，无需管理底层基础设施。

AWS Secrets Manager 安全存储和管理 MCP 连接中使用的凭证和密钥，确保 AI 代理访问外部系统时的数据安全性。

Amazon CloudWatch 提供端到端的可观测性，监控 MCP 服务器的性能指标、延迟和调用量，帮助您优化 AI 应用的运行效率。

AWS Lambda 支持以无服务器方式运行 MCP 工具函数，按调用量计费，无需预置服务器，适合构建轻量级的 MCP 工具集成。

立即创建 AWS 账户，开始在 AWS 上构建您的 MCP 应用。