As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.
Etapas para criar a imagem Docker do servidor MCP
Para usar servidores MCP (Model Context Protocol) com o Generative AI Application Builder na AWS, você precisa de uma imagem Docker criada e armazenada em um repositório privado do Amazon ECR como primeira etapa.
nota
No momento, os servidores MCP implantados existentes no tempo de AgentCore execução do Amazon Bedrock não podem ser exportados para o GAAB. Para que os servidores MCP sejam conectados aos agentes criados por meio do GAAB, eles precisam ser criados por meio do GAAB.
Etapa 1: Crie seu servidor MCP
Primeiro, você precisa ter a implementação do servidor MCP pronta. Para obter instruções detalhadas sobre como criar um servidor MCP, consulte o Amazon Bedrock AgentCore Developer Guide - Criar um servidor MCP.
Recomendamos a seguinte estrutura de projeto:
. ├── __init__.py ├── extras/ │ ├── extra_dependencies.py │ ├── Dockerfile ├── requirements.txt └── server.py <-- Server Entry point
Para a estrutura do Dockerfile, recomendamos usar um formato semelhante ao exemplo a seguir:
FROM ghcr.io/astral-sh/uv:python3.13-bookworm-slim WORKDIR /app # All environment variables in one layer ENV UV_SYSTEM_PYTHON=1 \ UV_COMPILE_BYTECODE=1 \ UV_NO_PROGRESS=1 \ PYTHONUNBUFFERED=1 \ DOCKER_CONTAINER=1 \ AWS_REGION=us-east-1 \ AWS_DEFAULT_REGION=us-east-1 COPY requirements.txt requirements.txt # Install from requirements file RUN uv pip install -r requirements.txt RUN uv pip install aws-opentelemetry-distro>=0.10.1 # Signal that this is running in Docker for host binding logic ENV DOCKER_CONTAINER=1 # Create non-root user RUN useradd -m -u 1000 bedrock_agentcore USER bedrock_agentcore EXPOSE 9000 EXPOSE 8000 EXPOSE 8080 # Copy entire project (respecting .dockerignore) COPY . . # Use the full module path CMD ["opentelemetry-instrument", "python", "-m", "server"]
Etapa 2: Teste seu servidor MCP localmente
Antes de implantar na AWS, é importante testar seu servidor MCP localmente para garantir que ele funcione conforme o esperado. Para obter instruções detalhadas sobre testes locais, consulte o Amazon Bedrock AgentCore Developer Guide - Teste seu servidor MCP localmente.
Etapa 3: Implantar no Amazon ECR
Depois que seu servidor MCP for criado e testado localmente, siga estas etapas para implantá-lo no Amazon ECR:
-
Verifique se você tem a versão mais recente do AWS CLI e do Docker instalados. Para obter mais informações, consulte Conceitos básicos do Amazon ECR.
-
Recupere um token de autenticação e autentique seu cliente Docker em seu registro. Use a AWS CLI:
aws ecr get-login-password --region us-east-1 | docker login --username AWS --password-stdin <account-id>.dkr.ecr.us-east-1.amazonaws.com -
Crie sua imagem do Docker usando o comando a seguir. Para obter informações sobre como criar um arquivo Docker do zero, consulte a documentação do Docker
. Você pode pular essa etapa se sua imagem já estiver criada: docker build -t <repository-name> . -
Depois que a compilação for concluída, marque sua imagem para que você possa enviá-la para esse repositório:
docker tag <repository-name>:latest <account-id>.dkr.ecr.us-east-1.amazonaws.com/<repository-name>:latest -
Execute o comando a seguir para enviar essa imagem para seu repositório AWS recém-criado:
docker push <account-id>.dkr.ecr.us-east-1.amazonaws.com/<repository-name>:latest
Para obter instruções completas de implantação, consulte o Amazon Bedrock AgentCore Developer Guide - Implante seu servidor MCP na AWS.
Etapa 4: usar o URI do ECR no GAAB
Depois de enviar com sucesso sua imagem do Docker para o Amazon ECR, copie o URI da imagem do console do ECR. Você usará esse URI ao implantar seu servidor MCP por meio do assistente de implantação Generative AI Application Builder na AWS.