AWSがAgentCoreで対話型MCP Appsを構築する方法を公開、UIを共通化

発表の概要

Amazon Web Services（AWS）は、Model Context Protocol（MCP）を拡張するMCP Appsと、エージェント基盤Amazon Bedrock AgentCoreを組み合わせ、対話型のHTMLウィジェットをAIホスト内に表示するMCPアプリの構築方法を公開しました。MCP Appsは、テキストだけでなくリッチなUIをAIホスト上で描画するための仕組みです。背景には、ChatGPTやClaudeといったAIホスト経由でサービスを利用する顧客が増え、特定のホストに依存せずに自社サービスを届けたいという企業側のニーズがあります。

記事では、ユニコーンの貸し出しを題材にしたサンプルアプリ「Unicorn Rentals」を使って、動作とデプロイ手順が説明されています。利用者はユニコーンの一覧表示、予約、予約内容の確認、返却という4つの操作を自然言語で行えます。予約や一覧表示では画像や時間単価を含むカードが描画される一方、予約確認と返却はテキストで応答します。すべての要求にリッチな画面が必要なわけではない、という設計意図がうかがえます。

MCP Appsがホストに依存しない標準であるため、ChatGPTでもClaudeでも、対応する他のホストでも同じ見た目と操作感になるとしています。1つのMCPサーバーを用意すれば複数のホストに対応できる点が、この構成の要点です。

構成と2つのフェーズ

サンプルの構成は、MCPサーバーと業務ロジックを分離した形になっています。MCPアプリはAgentCore runtime上で動作し、AgentCore Gatewayが単一のマネージドエンドポイントとして外部のAIホストに公開します。業務ロジックは専用のAWS Lambda関数が担い、データの永続化にはAmazon DynamoDBを使います。ウィジェットが必要とする画像はAmazon CloudFront経由で配信され、配信元はAmazon S3です。

MCPアプリをAIホストに登録する際は、まずMCPサーバーのURLを含むアプリ情報を指定します。AIホストは、AgentCore Gatewayが公開するURLに対してtools/listとresources/listを呼び出し、利用できるツールとリソースを取得します。サンプルではlist_unicorns、book_unicorn、view_bookings、return_unicornというツールと、unicorn-listやbooking-confirmationといったウィジェット用HTMLを返すリソースが用意されています。取得した情報はAIホスト側でキャッシュされる場合があります。

処理は2つのフェーズに分かれます。Phase 1では、AIホストが自然言語の要求をtools/callメッセージに変換してGatewayに送り、GatewayがAgentCore runtime上のMCPアプリを呼び出します。MCPアプリはLambdaに業務処理を委譲し、結果をMCP形式で返します。Phase 2では、ツールに紐づくリソースURIがある場合に限り、AIホストがresources/readを送り、MCPアプリがウィジェットのHTMLを返します。HTMLはサンドボックス化されたiframe内で描画され、ツール応答の構造化データが流し込まれます。

実装のポイント

MCPアプリはTypeScriptで書かれ、公式の@modelcontextprotocol/sdkと、対話型ウィジェットを配信するための拡張@modelcontextprotocol/ext-appsを基盤にしています。AgentCore runtimeが内部で管理するExpress.jsのHTTPサーバーとして動作します。ツールはregisterAppToolで、ウィジェットはregisterAppResourceで登録します。ツール設定の_meta.ui.resourceUriが、応答の表示に使うウィジェットをAIホストに伝える役割を持ちます。

業務ロジックがMCPを意識していない点も重要です。Lambda関数は在庫照会や予約処理をDynamoDBに対して実行するだけで、MCPに関する知識を持ちません。記事では、実際の実装ではAmazon ECSやAmazon EKS上で動く既存サービスをそのまま使えると説明されています。MCPサーバーは薄いプロトコルアダプターとして位置づけられ、既存の業務ロジックをHTTP呼び出しやSDKクライアントなどの標準的な方法で接続する形です。

配備にあたっては、ビルド処理がMCPアプリのコードをzipファイルにまとめ、配備処理がそれをAmazon S3にアップロードしてAgentCore runtimeリソースを作成します。runtimeの設定ではNODE_22環境、エントリーポイント、MCPプロトコルモードを指定します。MCPプロトコルモードを指定することで、MCPサーバー向けの最適化が有効になると説明されています。

認証とセキュリティ

AgentCore runtimeはIAM（SigV4）とOAuthによる呼び出しをサポートします。この構成では、Gatewayが認証なしの受信リクエストを受け、自身のIAM実行ロールでSigV4を使ってruntimeを呼び出します。そのため、呼び出し側がAWS認証情報を扱う必要はありません。runtime側のリソースベースポリシーは、Gatewayの実行ロールだけに呼び出しを許可し、それ以外のプリンシパルを拒否します。

GatewayのエンドポイントはAWS WAFで保護されます。具体的には、IP許可リスト、マネージドの脅威検知ルール、レート制限が適用されると記載されています。外部のAIホストに公開する入り口を1つにまとめ、その手前で検査する構成です。

runtimeはサーバーレスで、受信リクエスト量に応じて自動的にスケールし、セッションが分離される環境として説明されています。基盤の運用をAWS側に任せ、開発者はプロトコルアダプターとウィジェットの設計に集中できるという整理になっています。

デプロイと接続

デプロイは、CDKスタックの構築と配備をまとめて実行する単一のdeploy.shスクリプトで行います。GitHubのリポジトリ（aws-samples/sample-agentcore-mcp-apps）を複製し、スクリプトを実行すると必要なリソースがAWSアカウント上に作成されます。事前準備として、AgentCore runtimeを配備する権限を持つAWSアカウント、AWS CLI V2.0以上、グローバルにインストールしたAWS CDK CLIが必要です。配備後に出力されるGatewayResourceUrlを、AIホストへの接続に使います。

接続手順はAIホストごとに用意されており、リポジトリに詳しいセットアップガイドが含まれるとされています。ChatGPTの場合は開発者モードを有効にし、新しいプラグインとしてUnicornRentalsを登録する流れが示されています。ただし原文ではChatGPT側の設定項目の説明が途中で終わっており、Claudeを含む他ホストの具体的な設定手順は記事内では確認できません。

対応ホストの一覧、利用可能なリージョン、料金に関する記載も原文にはありません。サンプルアプリの動作と構成は具体的に説明されていますが、本番導入を判断するための運用面の情報は、今後の公式ドキュメントの確認が必要です。