集成 MCP

模型上下文协议 (MCP) 是一种开放标准，可实现 AI 代理和外部工具之间的无缝通信。当你在 AI 代理或工具中实现 MCP 时，客户可以将你的解决方案直接集成到他们现有的代理工作流程中，而无需复杂的 API 集成工作。

MCP 改变了 AI 代理访问外部功能的方式。代理不是为每个工具构建自定义集成，而是使用标准化协议来发现、连接兼容 MCP 的服务并与之交互。这种方法降低了集成的复杂性并实现了 plug-and-play功能。

有关在代理或工具中实现模型上下文协议的更多信息，请参阅集成 MCP。

模型上下文协议集成的主要优点

MCP 集成为 AI 代理提供商和最终用户提供了优势。

为 AI 代理提供商带来的好处

• 使用支持 MCP 的常用 AI 开发解决方案吸引客户。

• 通过标准化集成减少客户入职摩擦。

• 通过兼容 MCP 的客户端应用程序启用发现。

• 通过单一实现支持 Support 多个客户端平台。

为最终用户带来的好处

• 无需自定义开发，即可将您的功能添加到现有 AI 工作流程中。

• 使用他们已经知道的熟悉的模型上下文协议客户端接口。

• 受益于自动协议处理和错误管理。

• 通过多个 AI 平台和应用程序访问您的工具。

• 在支持模型上下文协议的服务之间保持一致的身份验证。

模型上下文协议架构和组件

模型上下文协议使用客户端-服务器架构，您的 AI 代理或工具充当模型上下文协议服务器。客户应用程序（模型上下文协议客户端）连接到您的服务器以访问您的功能。

该协议定义了以下三种主要的功能类型：

• 工具-代理可以调用以执行操作的函数。

• 资源-代理可以读取或查询的数据源。

• 提示-代理可以使用的预定义提示模板。

实现模型上下文协议的技术要求

您的模型上下文协议服务器必须实现以下核心协议规范：

• JSON-RPC 2.0 通信协议

• 标准模型上下文协议消息类型和格式

• 能力广告和发现

• 身份验证和会话管理

• 错误处理和状态报告

实施步骤

1. 定义您的能力（工具、资源或提示）。

2. 实现模型上下文协议服务器接口。

3. 使用 JSON 架构创建能力架构。

4. 实现身份验证和授权。

5. 添加错误处理和日志记录。

6. 使用与模型上下文协议兼容的客户端进行测试。

7. 记录你为客户提供的能力。

能力定义示例

{
  "name": "search_knowledge_base",
  "description": "Search the knowledge base for relevant information",
  "parameters": {
    "type": "object",
    "properties": {
      "query": {
        "type": "string",
        "description": "The search query"
      },
      "max_results": {
        "type": "integer",
        "description": "Maximum number of results to return",
        "default": 5
      }
    },
    "required": ["query"]
  }
}

测试和验证

在列出与模型上下文协议兼容的代理或工具之前 AWS Marketplace，请彻底测试您的实现：

• 验证功能发现和架构验证

• 测试身份验证流程和错误处理

• 验证各种负载条件下的性能

• 确保与常用的模型上下文协议客户端兼容

• 记录任何客户特定的配置要求

文件要求

在上列出与模型上下文协议兼容的代理或工具时 AWS Marketplace，请附上全面的文档：

• 详细的功能描述和示例

• 身份验证和配置说明

• 常见集成场景的示例代码

• 故障排除指南和错误参考

• 性能注意事项和最佳实践

其他资源

有关在 AI 代理或工具中实现模型上下文协议的更多信息，请参阅以下资源：

• 模型上下文协议规范

• MCP 存储库 GitHub

• AWS Marketplace 提供模型上下文协议集成支持的@@ 卖家运营团队