TypeScript Strands Agent 到 MCP

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

该生成器会设置所有必要的连接，使您的智能体能够发现并调用 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。

前置条件

在使用此生成器之前，请确保您具有：

1. 一个包含 Strands Agent 组件的 TypeScript 项目
2. 一个包含 MCP 服务器组件的项目（ts#mcp-server 或 py#mcp-server）
3. 两个组件都使用 computeType: BedrockAgentCoreRuntime 创建

用法

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

选择您的智能体项目作为源，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	-	The source project
targetProject 必需	string	-	The target project to connect to
sourceComponent	string	-	The source component to connect from (component name, path relative to source project root, or generator id). Use '.' to explicitly select the project as the source.
targetComponent	string	-	The target component to connect to (component name, path relative to target project root, or generator id). Use '.' to explicitly select the project as the target.

生成器输出

生成器会创建一个共享的 agent-connection 包并修改您的智能体代码：

• 文件夹packages/common/agent-connection

  • 文件夹src

    • 文件夹app

      • <mcp-server-name>-client.ts 连接的 MCP 服务器的高级客户端
    • 文件夹core

      • agentcore-mcp-client.ts 带有 SigV4/JWT 身份验证的低级 AgentCore MCP 客户端
    • index.ts 导出所有客户端
  • project.json
  • tsconfig.json

此外，它还会：

• 转换您的智能体的 agent.ts 以导入和使用 MCP 服务器的工具
• 更新智能体的 serve-local 目标以依赖于 MCP 服务器的 serve 目标
• 安装所需的依赖项

使用已连接的 MCP 服务器

生成器会转换您的智能体的 agent.ts 以使用 MCP 服务器的工具：

packages/example/src/my-agent/agent.ts

import { Agent, tool } from '@strands-agents/sdk';
import { MyMcpServerClient } from ':my-scope/agent-connection';

export const getAgent = async (sessionId: string) => {
  const myMcpServerClient = await MyMcpServerClient.create(sessionId);
  return new Agent({
    systemPrompt: '...',
    tools: [myMcpServerClient],
  });
};

sessionId 参数从调用者传递过来，确保 Bedrock AgentCore Observability 的一致性。

基础设施

CDK

运行连接生成器后，您需要授予智能体调用 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 access to bedrock models
myAgent.agentCoreRuntime.addToRolePolicy(
  new PolicyStatement({
    actions: ['bedrock:InvokeModel', 'bedrock:InvokeModelWithResponseStream'],
    resources: ['arn:aws:bedrock:*:*:foundation-model/*', 'arn:aws:bedrock:*:*:inference-profile/*'],
  }),
);

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

MCP 服务器的 AgentCore 运行时 ARN 会由生成的 CDK 构造自动注册到 Runtime Configuration 的 connection 命名空间中，以便智能体可以在运行时发现它。

Terraform

运行连接生成器后，您需要在 Terraform 配置中授予智能体调用 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 Runtime Configuration 的 connection 命名空间中，以便智能体可以在运行时发现它。

本地开发

生成器会配置智能体的 serve-local 目标以：

1. 自动启动已连接的 MCP 服务器
2. 设置 SERVE_LOCAL=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智能体：

pnpm

pnpm nx <agent-name>-serve-local <project-name>

yarn

yarn nx <agent-name>-serve-local <project-name>

npm

npx nx <agent-name>-serve-local <project-name>

bun

bunx nx <agent-name>-serve-local <project-name>

这将同时启动智能体和所有已连接的 MCP 服务器，智能体通过 HTTP 在其分配的本地端口上直接连接到 MCP 服务器。