使用 Amazon Bedrock AgentCore 和 Mistral AI Studio 構建並連線生產級電子商務 MCP 伺服器

當電商團隊需要加速 AI 驅動的客戶體驗上線時，往往面臨數週的自定義整合工作，導致釋出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戶端編寫自定義 API 程式碼、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。透過 AgentCore Runtime 託管的 MCP 伺服器，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線一個電子商務 MCP 伺服器。您將實現 MCP 工具、設定雙層 JWT 認證、使用 AWS CDK 部署，並將結果連線到 Mistral AI 的 Vibe 介面。該伺服器支援產品搜尋、訂單下達、評價提交和退貨處理，資料儲存使用 Amazon DynamoDB，身份管理由 Amazon Cognito 負責。

Amazon Bedrock AgentCore 是一個用於大規模構建、連線和最佳化 AI 代理的平臺。其內部的 AgentCore Runtime 是完全託管的無伺服器元件，用於託管代理和 MCP 工作負載，提供會話隔離、長時間請求支援、內建 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介軟體。本教程中，您將使用 Python 和 FastMCP 構建 MCP 伺服器，然後將其部署到 Runtime 進行託管。Amazon Cognito 透過 OAuth 2.1 管理使用者身份，確保每個客戶的資料隔離。藉助 MCP，您只需編寫一個伺服器，多個 AI 客戶端即可連線，而無需為每個客戶端單獨構建整合。Mistral AI 的 Vibe 在 Web、iOS 和 Android 上為使用者提供對話式介面。

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 伺服器，透過 /mcp 端點暴露六種電商工具，同時提供 /health 健康檢查端點。
• 資料層：五個 DynamoDB 表分別儲存產品、客戶、訂單、評價和退貨資料，按需容量自動擴充套件，全域性二級索引支援高效查詢。
• 安全層：雙層認證確保資料隱私。Amazon Cognito 作為身份提供商，AgentCore Runtime 在基礎設施層驗證 JWT 令牌，應用層則提取使用者屬性以限定資料訪問範圍。

部署使用 AWS CDK 包含四個基礎設施棧：DynamoDBStack 建立資料表，CognitoStack 配置使用者池和 OAuth 客戶端，DataLoaderStack 透過 Lambda 自定義資源填充測試資料，AgentCoreRuntimeStack 建立 IAM 角色、ECR 儲存庫和配置引數。

技術實現

定義 MCP 工具時，使用 FastMCP 裝飾器將 Python 函式暴露為工具，函式引數和文件字串自動生成工具模式。例如，get_order_history 工具首先檢查使用者是否已認證，然後根據客戶 ID 查詢 DynamoDB 並豐富訂單資料。伺服器透過 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，應用層則透過呼叫 Cognito 獲取 custom:customer_id 屬性，將令牌對映為具體的客戶身份，從而確保資料隔離。

部署與連線

完成開發後，使用 agentcore deploy 命令將伺服器部署到 AgentCore Runtime，並透過 .bedrock_agentcore.yaml 配置檔案指定 Cognito 使用者池和授權客戶端。部署後，使用者透過 Mistral Vibe 登入併發出自然語言請求，例如“顯示我最近的訂單”，AI 模型會呼叫相應的 MCP 工具並返回結構化資料，最終以自然語言回覆給使用者。

本文還提供了完整的 GitHub 倉庫連結，包含所有原始碼和詳細實現步驟，幫助您快速上手。