使用 Amazon Bedrock AgentCore 和 Mistral AI Studio 構建並連接生產級電子商務 MCP 服務器

當電商團隊需要加速 AI 驅動的客户體驗上線時，往往面臨數週的自定義集成工作，導致發佈延遲並增加安全風險。構建生產級 AI 助手通常需要為每個客户端編寫自定義 API 代碼、管理容器基礎設施並實現複雜認證。Amazon Bedrock AgentCore 和 Mistral AI Studio 簡化了這一流程。通過 AgentCore Runtime 託管的 MCP 服務器，開發者可以專注於業務邏輯，而無需關心底層運維。

本教程將帶領您從頭開始構建並連接一個電子商務 MCP 服務器。您將實現 MCP 工具、設置雙層 JWT 認證、使用 AWS CDK 部署，並將結果連接到 Mistral AI 的 Vibe 界面。該服務器支持產品搜索、訂單下達、評價提交和退貨處理，數據存儲使用 Amazon DynamoDB，身份管理由 Amazon Cognito 負責。

Amazon Bedrock AgentCore 是一個用於大規模構建、連接和優化 AI 代理的平台。其內部的 AgentCore Runtime 是完全託管的無服務器組件，用於託管代理和 MCP 工作負載，提供會話隔離、長時間請求支持、內置 JWT 驗證和可觀測性，從而無需管理容器、負載均衡器或認證中間件。本教程中，您將使用 Python 和 FastMCP 構建 MCP 服務器，然後將其部署到 Runtime 進行託管。Amazon Cognito 通過 OAuth 2.1 管理用户身份，確保每個客户的數據隔離。藉助 MCP，您只需編寫一個服務器，多個 AI 客户端即可連接，而無需為每個客户端單獨構建集成。Mistral AI 的 Vibe 在 Web、iOS 和 Android 上為用户提供對話式界面。

解決方案架構

解決方案分為三層：

• 應用層：基於 FastMCP 構建的 Python MCP 服務器，通過 /mcp 端點暴露六種電商工具，同時提供 /health 健康檢查端點。
• 數據層：五個 DynamoDB 表分別存儲產品、客户、訂單、評價和退貨數據，按需容量自動擴展，全局二級索引支持高效查詢。
• 安全層：雙層認證確保數據隱私。Amazon Cognito 作為身份提供商，AgentCore Runtime 在基礎設施層驗證 JWT 令牌，應用層則提取用户屬性以限定數據訪問範圍。

部署使用 AWS CDK 包含四個基礎設施棧：DynamoDBStack 創建數據表，CognitoStack 配置用户池和 OAuth 客户端，DataLoaderStack 通過 Lambda 自定義資源填充測試數據，AgentCoreRuntimeStack 創建 IAM 角色、ECR 存儲庫和配置參數。

技術實現

定義 MCP 工具時，使用 FastMCP 裝飾器將 Python 函數暴露為工具，函數參數和文檔字符串自動生成工具模式。例如，get_order_history 工具首先檢查用户是否已認證，然後根據客户 ID 查詢 DynamoDB 並豐富訂單數據。服務器通過 http_app(path="/mcp", stateless_http=True) 配置為無狀態，以滿足 AgentCore 的負載均衡要求。

雙層認證：AgentCore Runtime 在基礎設施層驗證 JWT 簽名和過期時間，應用層則通過調用 Cognito 獲取 custom:customer_id 屬性，將令牌映射為具體的客户身份，從而確保數據隔離。

部署與連接

完成開發後，使用 agentcore deploy 命令將服務器部署到 AgentCore Runtime，並通過 .bedrock_agentcore.yaml 配置文件指定 Cognito 用户池和授權客户端。部署後，用户通過 Mistral Vibe 登錄併發出自然語言請求，例如“顯示我最近的訂單”，AI 模型會調用相應的 MCP 工具並返回結構化數據，最終以自然語言回覆給用户。

本文還提供了完整的 GitHub 倉庫鏈接，包含所有源代碼和詳細實現步驟，幫助您快速上手。