智能体工坊 —— 基于Amazon Bedrock 构建端到端的 AI-Agent + MCP 应用

Amazon Bedrock+MCP实战：10分钟，打造能“动手干活”的AI智能体

AI开发卡脖子？用 MCP 打通大模型与业务系统，实现降本提效

有人说，本次生成式 AI 进化带来的最大改变是编程；也有人说，最好的 AI 写的代码也需要严格审查，否则后续会产生诸多隐患。的确，生成式 AI 工具提升了代码编写效率，但对于企业级应用仍面临安全合规、工具链割裂、数据孤岛等难题。

一个典型的例子是，即便当前 AI 编写代码的质量达到可用标准，那些独立于企业开发工具链之外的大模型问答系统，在实际落地应用中仍面临诸多阻碍。

如何让大模型真正“动手”调用数据库、操作文件甚至对接业务系统？近日，亚马逊云科技上线了一个全新的“智能体工坊”实验，引入了基于 MCP 构建端到端的 AI-Agent 应用工作坊，通过场景化实验设计，指引开发者打造能“干活”的智能体。

实验上新：让大模型从“大脑”进化到“四肢”

MCP，全称 Model Context Protocol（模型上下文协议），是一个开放协议，标准化了应用程序如何向大型语言模型（LLM）提供上下文，被喻为 AI 应用程序的 USB-C 接口。

本次实验基于 Amazon Bedrock（Nova Pro大模型）和 MCP，构建端到端 AI 应用。具体流程是：用户提问→大模型决策→MCP 驱动工具（本地文件、数据库、开发工具、互联网检索）→结果反哺模型→生成业务级响应。

可以看到，实验设计的最大亮点就是实现了大模型与外部系统的双向动态交互，突破传统 ChatBot 的被动响应模式。这相当于为 ChatBot “大脑”接上了“四肢”，真正让大模型动起来，跟各种现存系统和数据联通。

这得益于 MCP 允许将文件读写、API 调用等功能，暴露给模型调用于完成任务，相当于通过一个“万能适配器”实现工具链集成，无缝连接现有系统，不仅破除了数据孤岛，还可以使用私有数据定制基础模型。

其次，实验以即插即用案例模板推出两大实操模块，也让开发者可以接触到 DeepSearch、Computer Use 等新型 AI 应用场景。

其中，DeepSearch MCP 应用实现了报告研究、行程规划，如果用于智能文档检索与分析，则可以解决企业知识管理痛点。Computer Use 应用则通过 MCP 调用本地工具，演示大模型如何自动化执行报告研究、行程规划任务。

如 Computer Use 案例演示的通过自然语言指令调用系统工具，甚至非技术人员也有可能通过可视化流程配置，让大模型动起来，从而极大地降低了开发门槛。

此外，由于 Amazon Bedrock 的企业级托管环境，数据全链路可控，在企业开发流程中引入生成式 AI 工具的安全合规性也将不再是问题。

因而也可以说，本次实验为开发者演示了在 Amazon 上构建和部署基于 MCP 的 企业级 Agent 应用的最佳实践。

开发者价值：驱策MCP“牛马”，成为AI开发先锋

从 MCP、A2A 协议的横空出世，到各大 AI 及云服务商对 MCP 的快速支持，2025 年作为 AI-Agent 爆发年的趋势愈发明显，开发者也很有必要为下一代智能应用形态提前布局技能储备。

亚马逊云科技推出的“智能体工坊”实验，将让基于Amazon Bedrock构建企业级AI-Agent、基于 MCP 实现大模型与本地系统/数据库的深度集成、具备“四肢”的完全智能体架构设计等三大核心能力，牢牢地挂在开发者的技能树之上。

通关本实验，从开发创新角度，开发者将可以借助 Bedrock 和 MCP 的强大能力，为现有开发工具增添 AI 动能，如利用 AI-Agent 自动生成测试用例，调用测试工具执行；或者解决内部系统自动化难题，如 ERP 数据查询、日志分析、工单处理，降低重复性开发成本。

从业务创新角度，开发者还可以探索“大模型 + 垂直工具”的 N 种可能，如在医疗影像分析、金融合规审核、教育智能教辅等项目中，实现以往难以企及的复杂功能，从而成为招聘市场上的“抢手货”。

现在，“智能体工坊”实验将成为开发者迈向生成式 AI 应用开发的关键一步，帮助开发者打开通往未来智能化开发的大门。赶紧扫码报名参加实验，开启您的 AI 开发之旅。在亚马逊云科技的支持下，探索无限可能，成为生成式 AI 时代的领航者！