mcpField
S
Sample Model Context Protocol Demos

Sample Model Context Protocol Demos

本地服务
github.com/aws-samples开发工具10347 周前更新

关于 Sample Model Context Protocol Demos

这是一组使用 AWS 构建 Agentic AI 的示例项目,演示如何结合 Amazon Bedrock 使用 Model Context Protocol。适合希望参考部署方式的开发者。

主要功能

  1. 01Amazon Bedrock Converse API 客户端示例
  2. 02MCP stdio 与 SSE 传输示例
  3. 03基于 ECS 的容器化部署示例
  4. 04pgvector RAG 与 MCP 服务结合示例

适用场景

  1. 01在本地通过 stdio 连接 Bedrock 与 MCP 服务
  2. 02在 ECS 上部署 MCP 服务与 Agent
  3. 03构建带 RAG 与预约管理的 Agent

MCP 相关

示例包含 MCP 服务与 MCP 客户端,客户端通过 stdio 或 SSE 与服务通信。

配置

本地服务的配置在各客户端中通用,复制后粘贴到客户端的 MCP 配置文件即可。

暂未收录安装方式

我们还没有获取到这个服务的安装包或远程地址,请按项目 README 中的说明安装。

代码仓库

工具

还没有获取到工具列表

本地服务需要在你的电脑上运行后才能读取工具,维护者暂未提供工具列表。

详细介绍

Agentic AI 示例

使用 AWS 构建 Agentic AI 的示例集合,其中包括 Model Context Protocol。

模块列表:

模块语言描述
Server Client MCP/SSE DemoTypeScript这个完整示例使用 converse API 和 MCP 服务创建 Amazon Bedrock MCP 客户端。示例部署在容器中,并通过 MCP/SSE 连接。
Server Client MCP/stdio DemoPython这是一个使用 converse API 和简单 MCP stdio 服务的 Amazon Bedrock MCP 客户端示例。示例在本地运行,并连接到 Amazon Bedrock。
Server Client MCP/SSE on ECSSpring AI & Kotlin提供一个运行在 ECS 上的 Spring AI MCP 服务示例;该服务由一个使用 Bedrock 的 Spring AI Agent 调用;该 Agent 也运行在 ECS 上,并通过负载均衡器公开访问。
Server Client MCP/SSE in Bedrock Converse Client w/ pgVector RAGSpring AI & Java一个基于 Bedrock 构建的 Spring AI 狗狗领养 Agent,使用 PostgreSQL 和 pgvector 实现 RAG,并使用 MCP 服务管理领养预约。
Server MCP/SSE on ECSSpring AI & Kotlin非常基础的 Spring AI MCP 服务,通过 SSE 提供服务并运行在 ECS 上。
MCP/SSE Server - FastAPI Client with Anthropic BedrockPython一个 MCP SSE 服务,配有使用 Anthropic Bedrock 的 FastAPI 客户端。示例运行在 ECS Fargate 上,并通过 Application Load Balancer 对外开放访问。

安全

更多信息请参阅 CONTRIBUTING。

许可证

此库采用 MIT-0 许可证。请参阅 LICENSE 文件。

评论

支持 Markdown

第一次接触 MCP?

从协议是什么,到在客户端里装上第一个服务,这几条回答覆盖了大多数入门问题。

一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。