Создание MCP-сервера для электронной коммерции на базе Amazon Bedrock и Mistral AI
Разбор архитектуры и процесса разработки стандартизированного ИИ-ассистента для интернет-магазина с использованием Model Context Protocol, AWS и Mistral AI.
Главное за 30 секунд
Использование Model Context Protocol (MCP) позволяет создать единый сервер для ИИ-клиентов, избавляя от необходимости писать уникальный код интеграции для каждого приложения.
- Сервер использует фреймворк FastMCP на Python для определения инструментов.
- Amazon Cognito обеспечивает изоляцию данных пользователей через протокол OAuth 2.1.
- Amazon Bedrock AgentCore берет на себя управление контейнерами и валидацию JWT-токенов.
Неочевидное: Перенос проверки авторизации на уровень облачной инфраструктуры значительно упрощает код самого приложения и снижает риски утечки пользовательских данных.
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.
Также по темеВыход Anthropic на биржу: компания оценила акции для первичного размещения
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.



