無需 OAuth：適用於 AWS IAM 的 MCP 用戶端

當 Anthropic 發布模型上下文協定 (MCP)時，我立即開始在 AWS 上嘗試各種部署選項：

首先，我嘗試將 MCP 伺服器作為 AWS Lambda 函數執行。這在簡單性和成本方面都是一個很棒的解決方案，但也意味著我必須在每次呼叫之間手動管理會話狀態。

接下來，我將它們作為容器部署在 Amazon ECS 上，這立即解決了我的會話狀態管理問題，但我必須為執行中的伺服器付費，即使它處於空閒狀態。

後來， Amazon Bedrock AgentCore發布了，它正是我一直在尋找的解決方案：一個無伺服器執行時環境，能夠自動處理會話狀態，並且只對 MCP 請求的實際處理時間收費——可謂兩全其美。此外，作為原生 AWS 服務，它也支援 IAM，這與我現有的技術堆疊完美契合。

但是當我嘗試將代理連接到伺服器時，卻遇到了阻礙：

無論我使用哪個代理框架，它們都要求 OAuth。這意味著我需要搭建一個單獨的 Cognito 堆疊，僅僅為了將代理連接到它的工具。但我希望像在 AWS 上管理其他所有事務一樣，使用 IAM 憑證。

這就是我為 IAM 建立 MCP 用戶端的原因，它是一個即插即用的替代品，可以使用官方 MCP SDK 的streamablehttp_client與任何 Python 框架一起使用。

無需 Cognito 設定、無需令牌管理、無需自訂簽名程式碼。此用戶端使用您代理現有的 AWS 憑證自動對 MCP 請求進行簽署。

在這篇文章中，我將向您展示如何將其與流行的 AI 代理框架（如 LangChain、Strands Agents、LlamaIndex 和 Microsoft 的 Agent Framework）一起使用。

入門所需物品

適用於 IAM 的 MCP 用戶端是開源的，並且是AWS 官方 MCP 代理的一部分。您可以在GitHub和PyPI上找到它。

如果您已經在 AWS 上擁有一個啟用了 IAM 驗證的 MCP 伺服器，那麼您只需要在用戶端安裝該軟體包：

pip install mcp-proxy-for-aws

就這樣。現在你可以用以下導入語句取代 MCP 的預設streamablehttp_client ：

from mcp_proxy_for_aws.client import aws_iam_streamablehttp_client

如果您還沒有在 AWS 上部署 MCP 伺服器，請繼續關注。我很快就會發布 AgentCore Runtime 和 AgentCore Gateway 的完整端到端範例。

整合模式

不同的框架對 MCP 連線的管理方式不同。客戶端支援兩種整合模式，以配合以下方法：

模式 1：客戶端工廠集成

圖片描述

適用場景：接受傳回 MCP 用戶端的工廠函數的框架，例如 Strands Agents SDK 和 Microsoft 的 Agent aws_iam_streamablehttp_client作為工廠函數傳遞給框架，框架隨後會在內部處理連接生命週期。

範例 - 鏈狀代理：

from mcp_proxy_for_aws.client import aws_iam_streamablehttp_client

mcp_client_factory = lambda: aws_iam_streamablehttp_client(
    endpoint=mcp_url,    # The URL of the MCP server
    aws_region=region,   # The region of the MCP server
    aws_service=service  # The underlying AWS service, e.g. "bedrock-agentcore"
)

with MCPClient(mcp_client_factory) as mcp_client:
    mcp_tools = mcp_client.list_tools_sync()
    agent = Agent(tools=mcp_tools, ...)

例如—微軟的代理框架：

from mcp_proxy_for_aws.client import aws_iam_streamablehttp_client

mcp_client_factory = lambda: aws_iam_streamablehttp_client(
    endpoint=mcp_url,    # The URL of the MCP server
    aws_region=region,   # The region of the MCP server
    aws_service=service  # The underlying AWS service, e.g. "bedrock-agentcore"
)

mcp_tools = MCPStreamableHTTPTool(name="MCP Tools", url=mcp_url)
mcp_tools.get_mcp_client = mcp_client_factory

async with mcp_tools:
    agent = ChatAgent(tools=[mcp_tools], ...)

模式 2：直接 MCP 會話集成

圖片描述

適用場景：需要直接存取 MCP 會話的框架， aws_iam_streamablehttp_client LangChain 和 LlamaIndex。 aws_iam_streamablehttp_client 提供經過驗證的傳輸流，然後使用這些傳輸流建立 MCP ClientSession 。

範例 - LangChain：

from mcp_proxy_for_aws.client import aws_iam_streamablehttp_client

mcp_client = aws_iam_streamablehttp_client(
    endpoint=mcp_url,    # The URL of the MCP server
    aws_region=region,   # The region of the MCP server
    aws_service=service  # The underlying AWS service, e.g. "bedrock-agentcore"
)

async with mcp_client as (read, write, session_id_callback):
    async with ClientSession(read, write) as session:
        mcp_tools = await load_mcp_tools(session)
        agent = create_langchain_agent(tools=mcp_tools, ...)

範例 - LlamaIndex：

from mcp_proxy_for_aws.client import aws_iam_streamablehttp_client

mcp_client = aws_iam_streamablehttp_client(
    endpoint=mcp_url,    # The URL of the MCP server
    aws_region=region,   # The region of the MCP server
    aws_service=service  # The underlying AWS service, e.g. "bedrock-agentcore"
)

async with mcp_client as (read, write, session_id_callback):
    async with ClientSession(read, write) as session:
        mcp_tools = await McpToolSpec(client=session).to_tool_list_async()
        agent = ReActAgent(tools=mcp_tools, ...)