AWS AgentCore MCP Apps｜让同一套工具与交互组件进入多个兼容 AI 主机
AWS 给出从工具调用到沙箱组件渲染的完整路径，并把业务逻辑留在原有服务中。
本文核心看点
AWS 于 9 月 11 日发布 AgentCore 上构建 MCP Apps 的技术示例。方案由 WAF、AgentCore Gateway、Runtime、Lambda 与 DynamoDB 组成：AI 主机先发现工具和资源，再调用业务工具，按资源 URI 读取自包含 HTML，并在沙箱 iframe 中注入结构化结果。AWS 强调 MCP Apps 是主机无关标准，同一服务器可服务支持该扩展的不同 AI 主机；上线时仍需严格校验参数、限制调用者并监控延迟与错误。
直接回答
AWS 于 9 月 11 日发布 AgentCore 上构建 MCP Apps 的技术示例。方案由 WAF、AgentCore Gateway、Runtime、Lambda 与 DynamoDB 组成：AI 主机先发现工具和资源，再调用业务工具，按资源 URI 读取自包含 HTML，并在沙箱 iframe 中注入结构化结果。AWS 强调 MCP Apps 是主机无关标准，同一服务器可服务支持该扩展的不同 AI 主机；上线时仍需严格校验参数、限制调用者并监控延迟与错误。
事实来源
AWS 的示例让 MCP 服务器运行在 AgentCore Runtime 上，并置于 AgentCore Gateway 后；WAF 负责 IP 白名单、托管规则与限流。
AI 主机通过 tools/list 与 resources/list 发现能力；工具调用返回结构化数据，关联资源则提供自包含 HTML，由主机在沙箱 iframe 中渲染。
示例以 Lambda 和 DynamoDB 实现租赁业务，MCP 层只做薄协议适配；AWS 表示原有业务服务也可通过 HTTP 或 SDK 接入。
核心变化
- MCP 工具可把交互组件作为资源与结构化结果配套交付
- 同一 MCP 服务器可面向支持 Apps 扩展的多个 AI 主机
- 协议适配层与业务服务、存储和界面资源保持分离
- 外部入口、运行时身份与组件沙箱形成分层信任边界
对普通 AI 用户的影响
这套架构把对话中的富交互从某个主机的专有插件改造成可移植协议资源。产品团队可以保留现有业务服务，只在前面增加薄 MCP 适配层，并为需要界面的工具声明资源 URI。不过，主机可能缓存资源，组件又会接收结构化业务数据，因此版本、缓存失效、内容安全策略、参数复验和最小权限必须共同设计；示例架构不是直接上线凭证。
给团队的操作清单
- 选择一个只读、高频场景，分别定义工具输入 Schema、结构化输出和可选组件资源 URI。
- 让 MCP 适配层仅负责协议转换，把授权、库存或交易规则继续留在现有业务服务中。
- 在网关与业务服务两侧复验参数，并限制可调用 Runtime 的主体、来源 IP 和请求速率。
- 用至少两个兼容 AI 主机测试工具发现、纯文本降级、组件缓存、错误路径与无障碍体验。
AI 前沿资讯与趋势解读、AI 软件应用与模型工具、AI 技能教程与验证方法、AI 账号服务与权限说明
FAQ
MCP Apps 是否要求把业务逻辑重写到 AgentCore？
不要求。AWS 示例把 MCP 服务器定位为薄协议层，业务逻辑可继续位于 Lambda、ECS、EKS 或其他现有服务。
每次工具调用都会显示交互组件吗？
不会。只有关联资源 URI 的工具进入组件渲染阶段；示例中的部分操作仍直接返回文本。
同一组件能否自动兼容所有聊天产品？
只能面向支持 MCP Apps 扩展的主机；仍需逐主机验证能力、沙箱限制、缓存和降级行为。
总结
AgentCore 的示例价值在于把工具、组件和业务服务拆成清晰边界；先用只读流程验证跨主机一致性，再逐步开放写操作，能比一次性移植整套应用更稳妥。
本文由 AI 辅助撰写；发布前由 ENHE AI 自动化审计核对官方来源、双语字段、图片权利、页面安全与历史去重。
这对普通用户意味着什么？
这套架构把对话中的富交互从某个主机的专有插件改造成可移植协议资源。产品团队可以保留现有业务服务，只在前面增加薄 MCP 适配层，并为需要界面的工具声明资源 URI。不过，主机可能缓存资源，组件又会接收结构化业务数据，因此版本、缓存失效、内容安全策略、参数复验和最小权限必须共同设计；示例架构不是直接上线凭证。
你可能会用到这些工具
相关教程
相关工具/教程
你可以从下面的 ENHE AI 栏目继续把资讯信号转成工具选择、账号服务判断或实操学习路径。
相关阅读
AWS 将 AgentCore 评测接入 GitHub Actions：AI Agent 回归开始成为合并前质量门禁
AWS 于 9 月 8 日发布将 Amazon Bedrock AgentCore Evaluations 接入 GitHub Actions 的参考流程。该流水线在开发环境部署代理与受 OAuth 保护的 MCP 服务，运行代表性提示词，读取 OpenTelemetry 轨迹并按正确性、目标达成和工具选择等维度评分；低于阈值时阻断 PR。文章同时给出存量轨迹、测试用户和机器身份三种认证思路。团队采用前应验证角色边界、样本覆盖、评分稳定性、费用与失败回滚。
AWS AgentCore推出持久Runtime实例：生产级AI智能体可保留14天会话
AWS在2026年8月6日宣布Amazon Bedrock AgentCore Runtime instances，为生产AI智能体提供持久、托管的EC2基础设施，支持多智能体协作、GPU和最长14天的会话。它解决的是长任务状态、计算资源和会话连续性问题，不等于无需治理。团队应先估算空闲成本、数据边界、会话过期和回滚，再在非敏感工作负载中验证。
AWS展示AgentCore医疗政策工作流：多租户隔离与技能版本化成为重点
AWS在2026年8月7日介绍Cohere Health如何用Amazon Bedrock AgentCore把医疗先决授权政策转成结构化数据。案例使用Runtime的微型虚拟机隔离、Gateway统一工具入口、Memory会话记录和Agent Skills标准，并保留版本追踪与人工审核。普通AI用户可以借鉴其方法：把文档自动化拆成可回滚技能、隔离租户、明确数据来源和人工批准，而不是把一条提示词直接接入敏感业务。
AWS扩展Bedrock AgentCore，智能体知识检索进入托管阶段
AWS在2026年6月17日发布Amazon Bedrock AgentCore新能力，包括托管知识库、Web Search、AgentCore harness正式可用和策略集成，推动AI智能体从原型走向可治理的生产应用。
OpenAI Webhook 上线门禁｜验签、快速应答、幂等与重放测试
OpenAI Webhook 可把已订阅事件以 HTTP POST 推送到项目级端点。官方文档要求服务端保存创建时只显示一次的签名密钥，并用 SDK 的 unwrap 方法结合原始请求体与请求头验签。接收器应在数秒内返回成功 2xx，把耗时工作移交后台；失败会以指数退避方式重试最多 72 小时，3xx 重定向按失败处理。由于极少数事件可能重复，应用应以 webhook-id 做幂等键。上线门禁还要覆盖密钥缺失、伪造签名、重复投递、乱序、积压与重放恢复。
Mistral × Cloudera｜计划把模型、数据与学习闭环留在企业边界内
Mistral 与 Cloudera 于 9 月 10 日宣布主权企业 AI 合作。双方计划把 Mistral 模型整合进 Cloudera 混合数据平台，覆盖公有云、私有云、本地及完全隔离环境，并允许企业在受控环境中用专有数据训练定制模型。Mistral 称合作将面向 Cloudera 平台上由客户管理的 30 EB 数据，目标是让数据、模型权重、训练、推理、治理、观测和持续改进保留在客户定义的边界。公告没有披露具体型号、交付时间、价格或实测结果，企业仍需把主权主张转成可验证控制项。
