Разбор архитектуры и процесса разработки стандартизированного ИИ-ассистента для интернет-магазина с использованием Model Context Protocol, AWS и Mistral AI.
2 мин
Интеграция искусственного интеллекта в платформы электронной коммерции часто превращается в долгий и ресурсоемкий процесс. Командам приходится тратить недели на написание уникального кода для каждого клиента, управление инфраструктурой контейнеров и настройку сложной аутентификации. Совместное решение от Amazon Web Services и Mistral AI демонстрирует, как стандартизация может решить эти проблемы.
В основе подхода лежит использование протокола контекста модели (Model Context Protocol, MCP). Это стандарт, который позволяет написать серверную часть один раз, после чего к ней могут подключаться различные ИИ-клиенты. В связке с Amazon Bedrock AgentCore и Mistral AI Studio разработчики получают готовую инфраструктуру для быстрого развертывания безопасных ИИ-ассистентов.
Four-phase diagram of the solution: one-time Setup with cdk deploy and agentcore deploy; per-session Connect that establishes OAuth 2.1; per-session Discovery via list_tools; and per-request flow from Le Chat through AgentCore JWT validation, the MCP server, Cognito, and DynamoDB
Традиционно создание ИИ-помощника, способного искать товары, оформлять заказы и обрабатывать возвраты, требует сложной архитектуры. Необходимо обеспечить строгую изоляцию данных, чтобы один пользователь не мог получить доступ к истории покупок другого. Кроме того, требуется балансировка нагрузки и управление серверами. Новый подход переносит большую часть этой рутины на управляемые сервисы.
Архитектура представленного решения состоит из трех ключевых уровней. Уровень приложения реализован на Python с использованием фреймворка FastMCP. Он предоставляет конечные точки для выполнения торговых операций. Инструменты описываются простыми функциями с декораторами, которые автоматически формируют схему для ИИ-модели.
Уровень данных опирается на Amazon DynamoDB. Пять таблиц хранят информацию о продуктах, клиентах, заказах, отзывах и возвратах. Использование глобальных вторичных индексов обеспечивает быстрый поиск по базе без необходимости поднимать сложные реляционные базы данных.
Изображение из источника
Наибольший интерес представляет уровень безопасности. Здесь применяется двухэтапная аутентификация. Amazon Cognito выступает в роли провайдера идентификации, работая по протоколу OAuth 2.1. Когда пользователь делает запрос через интерфейс Mistral AI Vibe, он передает JWT-токен. Amazon Bedrock AgentCore валидирует этот токен на уровне инфраструктуры до того, как запрос достигнет самого приложения. Это защищает сервер от неавторизованного доступа и упрощает код бизнес-логики.
Использование MCP меняет парадигму разработки ИИ-интеграций. Вместо создания множества разрозненных API под конкретные задачи, разработчики создают универсальный набор инструментов. ИИ-модель сама читает схемы этих инструментов и решает, когда и как их вызывать для ответа на запрос пользователя на естественном языке.
Внедрение подобных стандартизированных протоколов означает, что корпоративные системы становятся более открытыми для ИИ. В будущем мы увидим больше решений, где безопасность и масштабирование отданы на откуп облачным провайдерам, а разработчики фокусируются исключительно на описании бизнес-логики через инструменты MCP.
Использование Model Context Protocol (MCP) позволяет создать единый сервер для ИИ-клиентов, избавляя от необходимости писать уникальный код интеграции для каждого приложения.
Перенос проверки авторизации на уровень облачной инфраструктуры значительно упрощает код самого приложения и снижает риски утечки пользовательских данных.
