塑造MCP未来：AWS的承诺与愿景，全面解析模型上下文协议技术演进

AWS很高兴能够在模型上下文协议(MCP)移交给Linux基金会后继续给予支持。这一举措使我们、我们的合作伙伴和客户能够对已成为代理架构标准组件的协议的长期成功更有信心。Anthropic在2024年开源MCP，促进了该项目的广泛开发和采用。在Linux基金会中立治理下，开发者可以继续基于MCP进行构建和创新，并确信没有单一公司能决定其未来方向。

自协议首次发布过去一年以来，AI代理已经改变了构建者与软件交互的方式。MCP则改变了代理与世界交互的方式。代理与工具、数据和服务的交互现在对我们构建和部署软件至关重要——这就是为什么AWS全力投入MCP。我们构建了众多开源的MCP服务器，使我们的客户能够在我们的AI代码助手中使用MCP，并在我们无服务器的Amazon Bedrock AgentCore服务上交付他们自己的MCP服务器。我们期待继续努力，围绕MCP发展和完善生态系统。

AWS也将继续作为MCP的主要贡献者。在2025-11-25版本的MCP中，我们引入了"任务"功能，通过灵活的"立即调用，稍后获取"执行模式，为MCP提供了全面的异步操作支持。我们对MCP规范和实现的贡献也促成了新的交互范式。例如，2025-06-18版的MCP规范发布中包含了一种名为"启发"的新的人机交互范式，该功能现已在大多数主要的MCP实现中可用。该版本还包括"结构化工具输出"，使MCP客户端能够理解工具调用数据的模式。

现在MCP已作为一个正式的Linux基金会项目被拥有和治理，我们热切欢迎更多合作伙伴和贡献者加入协作，加速其发展。我们计划深化对规范和实现的支持与贡献，并期望许多其他贡献者也这样做。我们共同的贡献将继续重新定义软件的构建和部署方式。

MCP任务

如今，当代理调用一个MCP工具时，应用程序只是向连接的服务器发送请求并等待结果。对请求状态感兴趣的应用程序可以利用MCP的进度跟踪功能来接收相关通知。然而，这需要工具明确发出进度更新，并且要求客户端保持持久连接才能接收它们——这会创建一种场景，即工具调用可能被丢弃，而应用程序不知道响应或通知是否会到达。同样，如果工具结果由于应用程序错误或网络状况而丢失，客户端无法在工具调用完成后显式地检索该结果，迫使客户端再次调用该工具。这对于需要数分钟或更长时间的昂贵或长时间运行的操作来说是不可取的。

任务通过异步轮询模式实现MCP操作的容错执行，从而解决了这个问题。具备任务感知能力的客户端在向支持的请求发出后，会立即收到一个任务句柄，用于轮询操作的状态和结果——这种模式对于已经使用Amazon Simple Queue Service和AWS Step Functions等服务的客户来说应该很熟悉。这使得操作能够在网络中断、重启和部署周期中存活，同时保持对执行结果的访问。

该设计为未来的Webhook支持奠定了基础，以实现无服务器代理架构，此外还有子任务以支持多步骤代理工作流。这响应了社区和客户对代理间通信能力的请求，并简化了与他们现有AWS异步工作流的集成。

MCP启发

MCP已成为连接生成式AI代理与外部系统的标准。然而，在"启发"功能出现之前，MCP服务器无法在需要时从用户那里获取额外细节。工具调用所需的一切都必须由工具提供或可访问。需要一种新的交互模型。

一个典型场景是当用户的个人资料不包含处理其请求所需的全部信息时。例如，有了"启发"功能，如果用户想预订航班但未指定首选航空公司，MCP服务器可以在继续之前"启发"该信息。在聊天代理端，这可能表现为：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13


用户> 预订下周从丹佛到旧金山的行程，周一出发，周五返回
        
        AI> 我看到几个选项，但不知道您的首选航空公司。您的偏好是什么？
        
        用户> 美联航
        
        AI> 好的，这是美联航为您推荐的一个好选择：
        
        …
        
        您想让我为您预订吗？
        
        用户> 看起来不错。预订吧。

在这种情况下，searchFlights工具只需要知道是哪个用户在提出请求以及他们的日期和城市。然后，该工具可以连接到旅行系统并检索用户的旅行偏好。仅当未设置首选航空公司时，它才会"启发"该信息，然后在用户提供后继续执行searchFlights工具调用。如果没有"启发"功能，将需要许多工具调用来获取所有必要的信息。工具调用的参数将会塞满本应从外部系统检索的细节。

要使用MCP构建这种具有人机交互的工具调用，我们可以使用Python MCP实现以及FastMCP库，并实现启发：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15


# 注意：为简洁起见，省略了一些支持类
# 保存启发响应
class UserResponse(BaseModel):
    airline: str = Field(description="航空公司名称")

@mcp.tool()
async def search_flights(depart: str, arrive: str, date: datetime, ctx: Context[ServerSession, None]) -> FlightOptions:
    """搜索单程航班"""
    user = await user_from_ctx(ctx)
    if user.preferred_airline is None:
        # 发出启发请求
        result = await ctx.elicit(message="您的首选航空公司是什么？", schema=UserResponse)
        if result.action == "accept":
            user.preferred_airline = result.data.airline
    return await flight_service.search(depart, arrive, date, user)

启发功能已经在许多MCP实现中得到了广泛采用，我们很高兴看到此功能在代理应用中实现了更丰富的交互。要了解更多关于"启发"的信息，请参阅MCP规范详情、FastMCP文档和Java SDK文档。

未来MCP改进

像"启发"和"任务"这样的新MCP功能实现了AI代理与后端服务之间增强的交互模型。我们将继续探索和开发新的交互模型，使我们的客户能够为代码助手和通用代理应用交付集成式AI解决方案。

随着MCP协议的发展，我们继续在各种其他AWS服务和工具中扩展支持。我们现在有数十个AWS MCP服务器，为AI代码助手提供使用AWS服务、与用户的AWS账户交互以及访问AWS知识/文档的上下文。

AWS知识MCP服务器现已正式发布，是我们的第一个远程MCP服务器，使其能够轻松添加到AI代码助手和托管的AI工具中。新的AWS MCP服务器现已推出预览版，提供了一个统一的接口，用于访问AWS文档、生成和执行对超过15,000个AWS API的调用，并遵循预构建的工作流程（称为代理标准操作程序），这些程序指导AI代理完成AWS上的常见任务。我们还在我们的AI代码助手Kiro、Kiro CLI以及VS Code和IntelliJ中的Amazon Q Developer中提供了MCP支持。

要在AWS上托管MCP服务器，您可以使用Amazon Bedrock AgentCore，它对MCP服务器提供了一流的支持，无论服务器是使用开源实现运行，还是代理到其他运行时。这两种选择都为您的MCP服务器提供了一个无服务器、托管的环境，使其能够集成到自定义代理和AI代码助手中。

AWS对MCP的广泛支持使客户能够利用MCP提高生产力，并创建连接到他们所需数据和流程的集成式AI代理。我们很高兴继续发展MCP规范和实现，以进一步满足客户的需求。随着MCP移交给Linux基金会，我们期望在代理架构中看到更广泛地使用MCP。欢迎加入我们在GitHub上为MCP社区做出贡献。