13 Сен в 03:21

MCP Apps на AWS Bedrock AgentCore: запуск и архитектура

Разработчик создаёт интерактивное MCP-приложение для AI-ассистентов на защищённой облачной инфраструктуре

11 сентября 2026 года AWS опубликовала практическое руководство по развёртыванию интерактивных MCP Apps на Amazon Bedrock AgentCore. Речь идёт не просто о сервере инструментов для AI-агента: приложение может возвращать в чат полноценные карточки, формы и другие HTML-виджеты, с которыми пользователь взаимодействует без перехода в отдельный интерфейс.

Для компаний это важный шаг от текстовых чат-ботов к прикладным AI-сервисам. Один и тот же MCP-сервер можно подключать к разным совместимым AI-хостам, а бизнес-логику и пользовательский интерфейс развивать отдельно. Однако переносимость не отменяет требований к авторизации, проверке входных данных, журналированию и контролю расходов.

Что именно показала AWS

В демонстрационном проекте Unicorn Rentals пользователь просматривает доступные позиции, оформляет бронирование, проверяет активный заказ и завершает аренду прямо в диалоге. Пример намеренно простой, но архитектура подходит для внутренних каталогов, сервис-десков, закупок, CRM-сценариев и корпоративных порталов.

MCP App расширяет Model Context Protocol интерактивным интерфейсом. Инструмент возвращает структурированные данные, а связанный ресурс — самодостаточный HTML-виджет. Совместимый AI-хост получает ресурс и отображает его в изолированном iframe. Если визуальный интерфейс не нужен, инструмент может вернуть обычный текстовый ответ.

Таким образом, разработчик не обязан превращать каждую операцию в длинный диалог. Выбор товара, подтверждение параметров или просмотр статуса можно представить привычными карточками и элементами управления, сохранив естественный язык как основной способ навигации.

Архитектура MCP Apps на Amazon Bedrock AgentCore

В опубликованной AWS схеме MCP-приложение работает в Amazon Bedrock AgentCore Runtime. Перед ним расположен AgentCore Gateway, который предоставляет единый защищённый адрес для AI-хостов. AWS WAF проверяет входящий трафик, а права вызова Runtime ограничиваются ресурсной политикой и ролью IAM шлюза.

Внутри MCP-сервера зарегистрированы два типа сущностей:

инструменты — операции бизнес-логики, например просмотр каталога или создание бронирования;
ресурсы интерфейса — HTML-виджеты с URI вида ui://, которые визуализируют структурированный результат.

Сервер в примере написан на TypeScript с официальным SDK Model Context Protocol и расширением @modelcontextprotocol/ext-apps. Бизнес-операции вынесены в AWS Lambda, состояние хранится в DynamoDB, а статические изображения выдаются через CloudFront из S3. Сборка упаковывается и развёртывается в Runtime; конфигурация примера использует среду Node.js 22.

Такое разделение полезно эксплуатационно: MCP-слой отвечает за протокол и связь инструмента с виджетом, Lambda — за правила предметной области, а хранилище — за состояние. Изменение интерфейса не требует переносить всю бизнес-логику, а замена базы данных не должна менять публичный контракт инструмента.

Почему это важно для AI-интеграторов

Главное преимущество — снижение зависимости от одного клиентского приложения. AWS подчёркивает, что один сервер может работать с ChatGPT, Claude и другими хостами, поддерживающими расширение MCP Apps. На практике переносимость всё равно следует проверять: конкретные хосты могут различаться по поддерживаемым возможностям, политике контента, размерам виджета и жизненному циклу сессии.

Для интегратора появляется понятная модель продукта: существующие API и функции можно обернуть тонким MCP-слоем, а пользователю предоставить визуальный ответ там, где он действительно удобнее текста. Это особенно актуально для каталогов, таблиц статусов, подтверждений и управляемых рабочих процессов.

Открытый пример AWS размещён в репозитории aws-samples/sample-agentcore-mcp-apps. Он показывает сборку виджетов в единые HTML-файлы, упаковку TypeScript-сервера и развёртывание инфраструктуры. Репозиторий стоит использовать как отправную точку, а не как готовый производственный шаблон.

Что стоит учесть бизнесу в Узбекистане

Локальные банки, телеком-операторы, ритейлеры и интеграторы могут применять этот подход для внутренних помощников: поиска по каталогу услуг, обработки заявок, согласования закупок, поддержки сотрудников и управления техническими операциями. Интерфейс внутри AI-хоста уменьшает число переключений между системами, но не должен обходить действующие роли и процедуры согласования.

Перед пилотом полезно проверить четыре вопроса:

доступен ли нужный регион AWS и допустимо ли размещение конкретных данных за пределами локальной инфраструктуры;
какой AI-хост будет использоваться сотрудниками и полностью ли он поддерживает MCP Apps;
как пользовательская роль передаётся до бизнес-сервиса и повторно проверяется на каждой операции;
как будут измеряться стоимость Runtime, Lambda, Gateway, WAF, хранилища и исходящего трафика.

Для систем с персональными, банковскими или коммерчески чувствительными данными потребуется отдельная правовая и безопасностная оценка. Сам факт запуска в управляемом облаке не заменяет классификацию данных, модель угроз и внутренние политики доступа.

Риски и производственные требования

AWS рекомендует валидировать аргументы инструментов строгими схемами в MCP-сервере и повторять проверку в Lambda, не доверяя данным, пришедшим от модели или интерфейса. Неструктурированный текст, пересекающий доверенную границу, можно дополнительно фильтровать средствами Bedrock Guardrails, включая блокировку нежелательных тем и редактирование персональных данных.

Нужны также журналирование вызовов MCP, метрики ошибок и задержек, контроль состояния контейнеров Runtime и алармы в CloudWatch. Для действий, меняющих данные или деньги, следует применять явное подтверждение, идемпотентность и серверную проверку полномочий. Виджет улучшает интерфейс, но не является границей безопасности.

Экономику лучше оценивать на реальной нагрузке. AgentCore Runtime использует модель оплаты по потреблению, а итоговая стоимость складывается из нескольких сервисов. Пилот должен измерять не только цену запроса к модели, но и длительность контейнеров, число вызовов функций, объём журналов и сетевой трафик.

Вывод

Публикация AWS показывает зрелую схему для нового класса AI-приложений: агент вызывает инструмент, получает структурированный результат, а пользователь видит интерактивный виджет внутри привычного AI-хоста. Для бизнеса ценность заключается в повторном использовании серверной логики и более удобных рабочих сценариях; для разработчиков — в разделении протокола, интерфейса и предметных операций.

Начинать стоит с узкого внутреннего процесса, где легко измерить сокращение времени и число ошибок. В производство такую систему следует выпускать только после проверки совместимости хостов, авторизации, обработки данных, наблюдаемости и полной стоимости владения.

Первоисточники

Материал носит информационный характер. Доступность сервисов, цены, региональные ограничения и требования к данным следует проверять в актуальной документации AWS и в политиках вашей организации.