Python Agent 到 MCP

connection 生成器可以将您的 Python Agent 连接到 MCP 服务器(可以是 TypeScript 或 Python)。

该生成器会设置所有必要的配置,使您的代理能够发现和调用 MCP 服务器的工具,无论是部署到 AWS(通过 Bedrock AgentCore)还是在本地运行时都可以。

前提条件

在使用此生成器之前,请确保您具备:

1. 一个包含 Python Agent 组件的 Python 项目(Strands 或 LangChain)
2. 一个包含 MCP 服务器组件的项目(可以是 ts#mcp-server 或 py#mcp-server)
3. 两个组件都使用 infra: agentcore 创建

使用方法

运行生成器

VSCode

1. 安装 Nx Console VSCode Plugin 如果您尚未安装
2. 在VSCode中打开Nx控制台
3. 点击 Generate (UI) 在"Common Nx Commands"部分
4. 搜索 @aws/nx-plugin - connection
5. 填写必需参数
6. 点击 Generate

CLI

pnpm

pnpm nx g @aws/nx-plugin:connection

yarn

yarn nx g @aws/nx-plugin:connection

npm

npx nx g @aws/nx-plugin:connection

bun

bunx nx g @aws/nx-plugin:connection

您还可以执行试运行以查看哪些文件会被更改

pnpm

pnpm nx g @aws/nx-plugin:connection --dry-run

yarn

yarn nx g @aws/nx-plugin:connection --dry-run

npm

npx nx g @aws/nx-plugin:connection --dry-run

bun

bunx nx g @aws/nx-plugin:connection --dry-run

选择您的代理项目作为源,选择您的 MCP 服务器项目作为目标。如果您的项目包含多个组件,请指定 sourceComponent 和 targetComponent 选项以消除歧义。

选项

参数	类型	默认值	描述
sourceProject 必需	string	-	源项目
targetProject 必需	string	-	要连接到的目标项目
sourceComponent	string	-	要从其连接的源组件（组件名称、相对于源项目根目录的路径或生成器 ID）。使用 '.' 显式选择项目作为源。
targetComponent	string	-	要连接到的目标组件（组件名称、相对于目标项目根目录的路径或生成器 ID）。使用 '.' 显式选择项目作为目标。
preferInstallDependencies	boolean	true	是否在生成器运行后优先安装依赖项。设置为 false 可在批量运行多个生成器时延迟安装（如果后续生成器需要计算 Nx 项目图，仍会运行安装）；在最后统一安装一次。

生成器输出

生成器会在 packages/common/agent_connection/ 创建一个共享的 agent_connection Python 项目(如果尚不存在)。每个连接的客户端模块都会生成到这个共享项目中:

• 文件夹packages/common/agent_connection

  • 文件夹<scope>_agent_connection

    • __init__.py 重新导出每个连接的客户端
    • 文件夹core

      • agentcore_endpoints.py 框架无关的 ARN/URL 解析
      • agentcore_mcp_transport.py 框架无关的 MCP 传输
      • agentcore_mcp_client_<framework>.py 为您的代理框架封装传输的 MCP 客户端
      • 文件夹auth/ 框架无关的 SigV4 / 会话转发 httpx.Auth

        • …
    • 文件夹app

      • <mcp_server_name>_client_<framework>.py 每个 MCP 服务器的专用客户端

客户端后缀与您的代理框架匹配(_strands 或 _langchain)。

此外,生成器还会:

• 转换您的代理的 agent.py,通过基于类的客户端导入和使用 MCP 服务器的工具
• 将 agent_connection 项目添加为您的代理项目的工作区依赖项
• 更新代理的 dev 目标,使其依赖于 MCP 服务器的服务目标

使用已连接的 MCP 服务器

生成器会转换您的代理的 agent.py 以使用 MCP 服务器的工具:

Strands

packages/my-project/my_module/agent/agent.py

from contextlib import contextmanager
from strands import Agent

from my_scope_agent_connection import MyMcpServerClientStrands

@contextmanager
def get_agent():
    my_mcp_server = MyMcpServerClientStrands.create()
    with (
        my_mcp_server,
    ):
        yield Agent(
            system_prompt="...",
            tools=[*my_mcp_server.list_tools_sync()],
        )

Strands 客户端是一个上下文管理器,在代理周围的 with 块中进入。

LangChain

packages/my-project/my_module/agent/agent.py

from langchain.agents import create_agent
from langchain_aws import ChatBedrockConverse

from my_scope_agent_connection import MyMcpServerClientLangChain

def get_agent():
    my_mcp_server = MyMcpServerClientLangChain.create()
    return create_agent(
        model=ChatBedrockConverse(model=MODEL_ID, region_name=REGION),
        system_prompt="...",
        tools=[*my_mcp_server],
    )

LangChain 客户端返回通过 langchain-mcp-adapters 加载的工具列表。每个工具在每次调用时都会打开一个新的 MCP 会话,因此工具在代理的生命周期内保持可用——不需要 with 块。

AgentCore 会话 ID 会通过 X-Amzn-Bedrock-AgentCore-Runtime-Session-Id 标头自动传播到 MCP 服务器,适用于两种框架,确保 Bedrock AgentCore 可观测性 的一致性。

基础设施

CDK

运行连接生成器后,您需要授予代理调用 MCP 服务器的权限:

packages/infra/src/stacks/application-stack.ts

const mcpServer = new MyMcpServer(this, 'MyMcpServer');
const myAgent = new MyAgent(this, 'MyAgent');

// Grant the agent permissions to invoke the MCP server
mcpServer.grantInvokeAccess(myAgent);

MCP 服务器的 AgentCore 运行时 ARN 会由生成的 CDK 构造自动注册到 运行时配置 的 agentcore 命名空间中,因此代理可以在运行时发现它。

Terraform

运行连接生成器后,您需要在 Terraform 配置中授予代理调用 MCP 服务器的权限:

packages/infra/src/main.tf

module "inventory_mcp_server" {
  source = "../../common/terraform/src/app/mcp-servers/inventory-mcp"
}

module "story_agent" {
  source = "../../common/terraform/src/app/agents/story-agent"
}

# Grant the agent permissions to invoke the MCP server
resource "aws_iam_policy" "agent_invoke_mcp" {
  name = "AgentInvokeMcpPolicy"
  policy = jsonencode({
    Version = "2012-10-17"
    Statement = [{
      Effect   = "Allow"
      Action   = "bedrock-agentcore:InvokeAgent"
      Resource = module.inventory_mcp_server.agent_core_runtime_arn
    }]
  })
}

resource "aws_iam_role_policy_attachment" "agent_invoke_mcp" {
  role       = module.story_agent.agent_core_runtime_role_arn
  policy_arn = aws_iam_policy.agent_invoke_mcp.arn
}

MCP 服务器的 AgentCore 运行时 ARN 会由生成的 Terraform 模块自动注册到 运行时配置 的 agentcore 命名空间中,因此代理可以在运行时发现它。

本地开发

生成器会配置代理的 dev 目标以:

1. 自动启动已连接的 MCP 服务器
2. 设置 LOCAL_DEV=true,使生成的客户端使用直接 HTTP 传输而不是 AgentCore

使用以下命令在本地运行代理:

pnpm

pnpm nx <agent-name>-dev <project-name>

yarn

yarn nx <agent-name>-dev <project-name>

npm

npx nx <agent-name>-dev <project-name>

bun

bunx nx <agent-name>-dev <project-name>

这将同时启动代理和所有已连接的 MCP 服务器,代理将通过 HTTP 直接连接到分配的本地端口上的 MCP 服务器。