AWS와 AgentCore를 활용한 MCP 서버 통합 가이드

#AWS와 AgentCore를 활용한 MCP 서버 통합 가이드

서론

AgentCore Runtime과 Amazon Quick을 활용하여 MCP 서버를 통합하는 방법에 대해 알아보겠습니다. 이 과정은 AWS Bedrock AgentCore 서비스를 활용하여 AI 에이전트를 설정하고, 다양한 도구와 함께 통합하는 방법을 다룹니다. 더불어 AWS의 다양한 기능을 통한 자동화 및 보안 측면의 이점도 소개합니다.

본문

AgentCore와 Amazon Quick의 통합

MCP(Model Context Protocol) 서버는 외부 데이터를 안전하게 접근하는 표준화된 방법을 제공합니다. 이러한 MCP 서버는 기술 신뢰성을 높이며, 다양한 AI 에이전트 워크플로우를 지원합니다. 특히, Amazon Quick과 통합을 통해 실시간 데이터 액세스 및 전문화된 AI 하위 에이전트 통합을 가능하게 합니다.

주요 설정 및 배포 가이드

AgentCore Runtime을 통해 MCP 서버를 설정하고 Amazon Quick과 통합하는 과정은 아래와 같습니다:

1. AgentCore Runtime에서의 MCP 서버 배포
   FastMCP 기능을 이용해 MCP 서버를 구축하고 에이전트 도구를 호스트합니다.

   from mcp.server.fastmcp import FastMCP
   
   mcp = FastMCP(host="0.0.0.0", stateless_http=True)
   
   @mcp.tool()
   def getOrder() -> int:
       return 123
   
   @mcp.tool()
   def updateOrder(orderId: int) -> int:
       return 456
   
   if __name__ == "__main__":
       mcp.run(transport="streamable-http")
   

2. AgentCore Gateway와의 MCP 서버 통합
   인바운드 및 아웃바운드 인증을 통해 안전한 통신 설정합니다. 이를 위해 Amazon Cognito 및 AgentCore Identity를 사용할 수 있습니다.

3. Amazon Quick에서 MCP 통합 등록
   Amazon Quick의 콘솔에서 모델 컨텍스트 프로토콜을 선택하여 통합을 완료합니다.

사례

AgentCore와 Amazon Quick을 통해 여러 도구를 통합하여 AI 능력을 확장한 회사 사례를 살펴볼 수 있습니다. 이들 기업은 MCP 서버를 통해 보다 효율적인 데이터를 활용함으로써 경쟁력을 강화했습니다.

결론

이번 포스트에서는 MCP 서버를 AgentCore Runtime에 배포하고, Amazon Quick과 통합하는 방법을 검토했습니다. 이 방식은 AI 도구와 에이전트를 표준화된 MCP 인터페이스를 통해 직접 활용하게 하여 재사용성을 높입니다. 다양한 AI 워크플로우를 구현할 수 있게 하여 빠르고 유연한 시스템 개발이 가능합니다.

[1] 원문 URL: https://aws.amazon.com/blogs/machine-learning/connect-an-agentcore-runtime-hosted-mcp-server-to-amazon-quick/