AWS abre o código do servidor MCP para AgentCore e facilita para você criar e implantar agentes de IA

Ouça este artigo

Neste artigo você vai descobrir como a AWS abriu o código do servidor MCP para o AgentCore do Amazon Bedrock e por que isso facilita para você criar e implantar agentes de IA. O servidor integra seu IDE ao runtime, automatiza refatorações, provisiona o ambiente e permite testar o agente direto da conversa. É uma abordagem em camadas que dá mais contexto ao assistente e encurta o caminho do prompt até a produção. Vou mostrar o que muda no seu fluxo de desenvolvimento e como conectar seu editor ao repositório no GitHub.

• AWS abriu o código do servidor MCP do AgentCore Bedrock

• Permite criar e implantar agentes direto do chat do IDE

• Automatiza ajustes de código, configuração AWS e conexão ao Gateway

• Instalação simples via GitHub com arquivo mcp.json para vários clientes

• Reduz trabalho manual e acelera o ciclo prompt → implantar → testar

AWS libera servidor MCP para AgentCore e facilita para você criar agentes de IA

A AWS tornou público o código de um servidor MCP (Model Context Protocol) para o Bedrock AgentCore. Para entender melhor o próprio protocolo, veja uma visão geral atualizada sobre o protocolo de contexto do modelo (MCP). Com isso, você pode transformar prompts do IDE em agentes prontos para o AgentCore Runtime. O repositório inclui automatizações para refatorar código, provisionar ambiente, conectar gateways de ferramentas e testar implantações sem sair do chat da IDE.

Confira o anúncio e os detalhes técnicos no artigo original: https://www.marktechpost.com/2025/10/03/aws-open-sources-an-mcp-server-for-bedrock-agentcore-to-streamline-ai-agent-development/

O que isso faz e por que importa

• O servidor MCP aceita comandos em linguagem natural da sua IDE e executa etapas que antes exigiam vários passos manuais.

• Você ganha um fluxo direto: refatorar pontos de entrada, adicionar dependências, configurar credenciais e deploy — tudo orientado pelo assistente da IDE. Para inspiração sobre como projetar agentes que coordenam tarefas e mantêm contexto compartilhado, veja como construir agentes MCP que coordenam em equipe.

• A solução reduz o atrito entre protótipo e produção ao mover tarefas de infraestrutura para o assistente.

Como instalar e usar

• Clone o repositório no GitHub (awslabs/mcp).

• Use o instalador de um clique fornecido (lançador leve chamado uvx).

• Configure um arquivo mcp.json no local esperado pela sua ferramenta.

• Abra a IDE com suporte MCP e chame o assistente para executar transformação e deploy.

Se você precisa garantir segurança na exposição do servidor MCP e na troca de credenciais durante deploys e testes, há recomendações práticas sobre como proteger um servidor MCP com OAuth 2.1.

Clientes com suporte citado

• Kiro

• Claude Code

• Cursor

• Amazon Q Developer CLI

• Plugin Q para VS Code

Observando o ecossistema de modelos e ferramentas, anúncios recentes como o da Anthropic ajudam a entender avanços em plataformas como a Claude Sonnet, que influenciam integrações com IDEs.

Locais comuns do arquivo mcp.json

Cliente	Caminho esperado
Kiro	.kiro/settings/mcp.json
Cursor	.cursor/mcp.json
Amazon Q CLI	~/.aws/amazonq/mcp.json
Claude Code	.claude/mcp.json

Arquitetura e modelo em camadas

A AWS recomenda um modelo por camadas para dar contexto ao assistente da IDE. A ordem sugerida é:

• Cliente agentico (sua IDE/assistente)

• Servidor MCP com documentação da AWS

• Documentação de frameworks (por exemplo, Strands Agents, LangGraph)

• Documentação do AgentCore e SDKs de frameworks de agente

• Arquivos de direcionamento por IDE para processos recorrentes

Para entender padrões que aceleram a produção de agentes e evitam perda de contexto, vale conferir os nove padrões de trabalho de IA para agentes em 2025. Esse arranjo reduz falhas de recuperação de contexto e permite que o assistente planeje todo o ciclo refatorar → deploy → testar sem alternar manualmente entre fontes.

Fluxo de desenvolvimento típico

• Você escreve um prompt ou código inicial na IDE.

• O assistente usa o MCP para identificar pontos de entrada.

• O servidor transforma chamadas diretas em handlers compatíveis com AgentCore.

• Gera imports, requirements.txt e configurações necessárias.

• Provisiona recursos AWS (roles, ECR, credenciais) quando preciso.

• Invoca o AgentCore CLI para implantar e testar o agente, incluindo chamadas via Gateway.

Para integrar agentes diretamente à interface do seu produto (por exemplo, para testes em tempo real ou painéis internos), veja como uma camada de UI pode integrar agentes em tempo real na sua interface.

Diferença prática

• Reduz a necessidade de conhecimento profundo de runtimes, políticas e CLIs antes da primeira iteração.

• Por ser um servidor MCP, ele se integra a outros servidores de documentação e melhora à medida que clientes MCP avançam.

• Torna o caminho do protótipo à produção mais repetível e scriptable.

Se você precisa que agentes mantenham estado entre execuções, há soluções de memória persistente que mostram como dar memória persistente a um agente, o que pode complementar o uso do MCP para fluxos mais complexos.

Notas sobre o repositório e licença

• Código disponível no repositório awslabs na pasta mono-repo mcp.

• Licença: Apache-2.0.

• O pacote do AgentCore MCP server fica em um diretório específico dentro do mono-repo e aponta para documentação adicional no mesmo repositório.

Comentários de analistas e equipe técnica

Analistas técnicos relatam que um endpoint MCP real para AgentCore simplifica a integração com IDEs. A configuração via uvx e o arquivo mcp.json tornam a conexão com clientes como Cursor, Claude Code e Kiro direta. Fontes técnicas afirmam que o servidor mapeia bem as camadas Runtime/Gateway/Memory e mantém compatibilidade com caminhos existentes em frameworks como Strands e LangGraph.

Conclusão

A AWS abrir o servidor MCP para o AgentCore encurta o caminho entre o seu prompt e a produção: menos passos manuais, menos contexto perdido e iterações bem mais rápidas. A integração com a IDE transforma ideias em agentes prontos, automatizando refatorar → deploy → test e cuidando de configuração, roles e Gateway. O repositório no GitHub (licença Apache‑2.0) coloca tudo à disposição para começar hoje mesmo.

Leia também o anúncio completo e detalhes técnicos em: https://www.marktechpost.com/2025/10/03/aws-open-sources-an-mcp-server-for-bedrock-agentcore-to-streamline-ai-agent-development/

Se você quer acelerar seu fluxo e reduzir atrito, experimente o servidor MCP: pegue o volante e teste.

Para mais artigos e atualizações técnicas, confira https://blog.aidirectory.com.br.

Perguntas Frequentes

• O que é o servidor MCP open-source da AWS para AgentCore?
  É um servidor MCP (Model Context Protocol) que a AWS abriu. Transforma prompts do IDE em agentes prontos para o AgentCore Runtime e automatiza refatoração, configuração e deploy.

• Como eu instalo e começo a usar?
  Há um fluxo one‑click no GitHub awslabs/mcp. Use o lançador leve uvx e o arquivo mcp.json. Depois conecte seu cliente MCP e rode os comandos de deploy.

• Quais clientes e IDEs já funcionam com ele?
  Suporta Kiro, Cursor, Claude Code, Amazon Q CLI e plugin Q para VS Code. Cada cliente lê mcp.json em locais padrão (ex.: .kiro, .cursor, ~/.aws/amazonq).

• O que é a arquitetura em camadas e por que importa?
  Você dá contexto ao assistente em camadas: cliente → docs AWS → docs de frameworks → SDK AgentCore → arquivos de steering. Isso evita perdas de contexto e faz o assistente planejar todo o fluxo refatorar → deploy → test.

• Como isso muda o fluxo de desenvolvimento?
  Reduz o gap prompt → produção. O assistente cuida de credenciais, roles, ECR, imports e chamadas Gateway. Resultado: iterações mais rápidas e menos trabalho manual.

Leituras relacionadas que podem interessar: artigos sobre uso de agentes ao lado de serviços para resposta a incidentes, estratégias de Agentic RAG e guias sobre construção de pipelines de pesquisa e conteúdo.

Se você quiser conhecer outros artigos semelhantes a AWS abre o código do servidor MCP para AgentCore e facilita para você criar e implantar agentes de IA, você pode visitar a categoria Notícias e Tendências.