将 AgentCore Runtime 托管的 MCP 服务器接入 Amazon Quick

MCP 服务器正在成为 AI 智能体架构的行业标准组件。它不仅能减少模型幻觉、提供准确上下文，还支持有状态的多轮交互能力。Amazon Quick 作为 AWS 的 AI 助手产品，已原生支持 MCP 集成，用户可在网页端或桌面应用中通过对话智能体和 Flows 工作流调用外部工具与子智能体。

针对不同场景，AWS 提供了三种集成路径。若已有 REST API 或运行在 Amazon API Gateway 上的服务，可直接通过 AgentCore Gateway 与 Amazon Quick 对接；若偏好无服务器架构且只需基础执行能力，可编写 AWS Lambda 函数并经由 AgentCore Gateway 集成；若需要完整托管的无服务器 MCP 服务器方案，包含会话隔离、持久文件系统、内置认证、可观测性及双向流式传输等企业级特性，则推荐使用 AgentCore Runtime。

认证体系是本方案的关键设计。从 Amazon Quick 到 AgentCore Gateway 的入站认证（Inbound Auth）负责验证用户身份并授权其访问 MCP 服务器，默认使用 Amazon Cognito，也可替换为其他身份提供商。从 AgentCore Gateway 到 AgentCore Runtime 的出站认证（Outbound Auth）处理机器间的身份验证，由专为 AI 智能体设计的 AgentCore Identity 服务承担，全程遵循 OAuth 2.0 协议。

在实现层面，开发者需要构建一个基于 FastMCP 的 MCP 服务器，并将 stateless_http 参数设置为 True 以满足 AgentCore Runtime 的兼容性要求。服务器容器需在 0.0.0.0:8000/mcp 路径上提供服务，这也是主流 MCP 服务器 SDK 的默认路径。通过 @mcp.tool() 装饰器，普通 Python 函数即可被封装为标准 MCP 工具，供下游智能体调用。

完整的集成流程分为四个阶段：在 AgentCore Runtime 上部署远程 MCP 服务器；配置 AgentCore Gateway 的入站与出站认证；在 Amazon Quick 中注册 MCP 集成并绑定到对话智能体；最后在 Amazon Quick 内进行端到端测试验证。AWS 已在 GitHub 上提供配套的 AgentCore 示例 Notebook，开发者可参照完整代码逐步操作。

这一集成模式的商业价值在于降低重复建设成本。企业可将常用的 AI 工具和智能体统一封装在 MCP 服务器中，所有接入 Amazon Quick 的客户端均可直接复用，无需为每个业务场景单独开发连接器。对于希望将自身产品能力嵌入 Amazon Quick 生态的 ISV 和开发者而言，这提供了一条标准化、低摩擦的接入路径。

要点

• AgentCore Runtime 提供全托管无服务器 MCP 服务器托管，内置会话隔离、持久文件系统、双向流式传输等企业级能力。
• 认证体系分为入站（Amazon Cognito）和出站（AgentCore Identity）两层，全程基于 OAuth 2.0，保障用户与机器间的安全访问。
• 通过 @mcp.tool() 装饰器可将 Python 函数直接转化为 MCP 工具，部署时需将 stateless_http 设为 True 以兼容 AgentCore Runtime。
• MCP 工具复用机制可避免重复开发，企业只需维护一套 MCP 服务器，即可为所有 Amazon Quick 用户提供统一的工具与子智能体能力。
• AWS 已在 GitHub 提供完整示例 Notebook，涵盖本地测试到生产部署的全流程代码参考。