详细内容或原文请订阅后点击阅览

利用Amazon Bedrock Agents的MCP服务器的功能

2025年4月1日 19:58 33 Comments
X Twitter Instagram Mail

今天，MCP正在为代理提供标准访问，以访问扩展的可访问工具列表，您可以使用这些列表来完成各种任务。在这篇文章中，我们向您展示了如何构建一个使用MCP访问数据源以快速构建生成AI应用程序的亚马逊基石代理。

来源:亚马逊云科技 _机器学习
AI代理通过与外部系统进行交互，执行复杂的工作流程并维持跨操作的上下文意识来扩展大型语言模型（LLM）。亚马逊基岩代理通过使用数据源，应用程序和用户输入来协调基础模型（FMS）来实现此功能，以通过API集成和知识基础增强来完成面向目标的任务。但是，过去，将这些代理与各种企业系统联系起来创造了开发瓶颈，每次集成都需要自定义代码和持续的维护 - 这一标准化挑战减慢了在组织数字生态系统中的上下文AI援助的提供。您可以通过使用模型上下文协议（MCP）解决这个问题，该问题为LLMS连接到数据源和工具提供了标准化的方法。随着时间的流逝，MCP可以通过市场促进代理和工具的更好可发现性，使代理可以共享上下文并具有共同的工作空间以更好地互动，并在整个行业之间进行规模代理互操作性。在这篇文章中，我们向您展示了如何构建Amazon Bedrock代理，该代理使用MCP来使用MCP来访问数据源以快速构建生成的AI应用程序。使用亚马逊基岩代理，您的代理可以与基于MCP的工具一起飞行组装：inlineagent（Foundation_model =“ US.Anthropic.Claude.Claude-3-5-5-Sonnet-20241022-v2：0” name =“ sampleactiongroup”，mcp_clients = [mcp_client_1，mcp_client_2]，），）。
用户输入 生态系统 模型 应用程序 亚马逊 mcp 进行 基础 client 系统 标准化 代理 减慢 操作性 AI MCP 输入 共同的 工作空间 互操作性 使用 集成 数据源 使用数据 操作的 复杂的 上下文 标准化的 目标的 工具 互操作 工具的 飞行组 Claude 时间的