What problem do stateful MCP client capabilities solve on Amazon Bedrock AgentCore Runtime?

Stateful Model Context Protocol (MCP) client capabilities on Amazon Bedrock AgentCore Runtime address the critical limitations of previous stateless AI agent implementations. Stateless agents struggled with interactive, multi-turn workflows, as they couldn't pause mid-execution to solicit user input for clarification, request dynamic large language model (LLM)-generated content, or provide real-time progress updates during lengthy operations. Each request was independent, lacking shared context. This new feature fundamentally transforms agent interactions by enabling bidirectional conversations, allowing agents to maintain conversational threads, gather necessary input precisely when needed, generate dynamic content on the fly, and transparently inform users about ongoing processes. This leads to the development of significantly more responsive, intelligent, and user-centric AI applications capable of complex, adaptive workflows.

How does the transition from stateless to stateful mode work on AgentCore Runtime?

The transition to stateful mode within Amazon Bedrock AgentCore Runtime is initiated by a simple configuration adjustment: setting `stateless_http=False` when starting your MCP server. Once enabled, AgentCore Runtime provisions a dedicated microVM for each individual user session. This microVM is designed for persistence throughout the session's duration, which can last up to 8 hours or expire after 15 minutes of inactivity, ensuring isolated CPU, memory, and filesystem resources for each session. Continuity across interactions is maintained through a unique `Mcp-Session-Id` header. This ID is established during the initial handshake and subsequently included by the client in all follow-up requests, ensuring they are accurately routed back to the correct, persistent session, thereby preserving context and enabling complex, interactive dialogues.

What is Elicitation, and how does it enhance AI agent interactions?

Elicitation is a powerful stateful MCP capability that allows an AI agent (acting as the MCP server) to intelligently pause its ongoing execution and request specific, structured input directly from the user via the client. This significantly enhances interactive agent workflows by enabling agents to ask targeted questions at precise, opportune moments within their operational flow. For example, an agent might use elicitation to confirm a decision, gather user preferences, or collect particular data values that are contingent on preceding steps. The feature supports two robust modes: 'Form mode' for direct structured data collection through the MCP client, and 'URL mode' for secure, out-of-band interactions that require directing the user to an external URL (e.g., for OAuth or sensitive credential entry). The user's response – whether accepting, declining, or canceling the request – is then returned to the server, allowing the agent to dynamically adapt its workflow based on real-time human feedback.

How does Sampling capability benefit AI agents without managing LLM credentials?

Sampling equips the MCP server with the ability to request sophisticated large language model (LLM)-generated content directly from the client using the `sampling/createMessage` mechanism. A key benefit is that the MCP server itself does not need to manage its own LLM credentials, API keys, or direct integrations with various LLM providers. Instead, the server simply provides a well-formed prompt and any optional model preferences to the client. The client then acts as an intelligent intermediary, forwarding this request to its connected LLM and returning the generated response back to the server. This abstraction allows AI agents to seamlessly leverage powerful language model capabilities for tasks such as crafting personalized summaries, generating natural-language explanations from complex structured data, or producing context-aware recommendations, all while simplifying the operational overhead and security concerns associated with LLM management on the server side.

Amazon Bedrock: AgentCore Runtime-da Stateful MCP Müştəri İmkanları

Süni İntellekt Agentlərinin Təkmilləşdirilməsi: Amazon Bedrock-da Stateful MCP-yə Keçid

Süni intellekt agentləri sürətlə inkişaf edir, lakin onların tam potensialı, xüsusilə real-vaxt istifadəçi qarşılıqlı əlaqəsi, dinamik məzmun yaratma və ya davamlı tərəqqi yeniləmələri tələb edən ssenarilərdə, çox vaxt statsız tətbiqlər tərəfindən əngəllənmişdir. Mürəkkəb süni intellekt agentləri quran tərtibatçılar iş axınları dayandırılmalı, aydınlaşdırma toplanmalı və ya uzunmüddətli əməliyyatlar zamanı status barədə məlumat verilməli olduqda tez-tez çətinliklərlə üzləşirlər. Statsız icranın sərt, birtərəfli təbiəti həqiqətən interaktiv və həssas süni intellekt tətbiqlərinin inkişafını məhdudlaşdırır.

İndi, Amazon Bedrock AgentCore Runtime süni intellekt agentlərinin istifadəçilərlə və böyük dil modelləri (BDM-lər) ilə əlaqə qurma tərzini dəyişdirən, təməlqoyucu stateful Model Kontekst Protokolu (MCP) müştəri imkanlarını təqdim edir. Bu əsas yeniləmə agentləri statsız ünsiyyət məhdudiyyətlərindən azad edir, mürəkkəb, çoxmərhələli və yüksək interaktiv iş axınlarına imkan verir. Əsas MCP müştəri xüsusiyyətlərini – Sorğu, Seçmə və Tərəqqi Bildirişləri – birləşdirərək, Bedrock AgentCore Runtime MCP serverləri və müştəriləri arasında ikitərəfli söhbətləri asanlaşdırır, daha intellektual, istifadəçi mərkəzli süni intellekt həlləri üçün yol açır.

Statsızdan Stateful-a: İnteraktiv Agent İş Axınlarının Açılması

Əvvəllər, AgentCore-da MCP server dəstəyi statsız rejimdə fəaliyyət göstərirdi, burada hər bir HTTP sorğusu heç bir ortaq kontekstdən məhrum olaraq müstəqil şəkildə işləyirdi. Bu, əsas alət serverləri üçün tətbiqi sadələşdirsə də, söhbət davamlılığı, iş axınının ortasında istifadəçinin aydınlaşdırılması və ya real-vaxt tərəqqi hesabatı tələb edən ssenariləri ciddi şəkildə məhdudlaşdırırdı. Server sadəcə ayrı-ayrı sorğular arasında söhbət mövzusunu saxlaya bilmirdi, bu da həqiqətən interaktiv agentlərin inkişafını əngəlləyirdi.

Stateful MCP müştəri imkanlarının ortaya çıxması bu paradiqmanı əsaslı şəkildə dəyişdirir. Server işə salınarkən stateless_http=False təyin etməklə, AgentCore Runtime hər bir istifadəçi seansı üçün xüsusi bir mikroVM təmin edir. Bu mikroVM seansın müddəti—8 saata qədər, və ya idleRuntimeSessionTimeout ayarına görə 15 dəqiqə fəaliyyətsizlik—boyunca davam edir, seanslar arasında CPU, yaddaş və fayl sistemi təcridini təmin edir. Davamlılıq Mcp-Session-Id başlığı vasitəsilə qorunur ki, bu da server tərəfindən ilkinləşdirmə zamanı təmin edilir və müştəri tərəfindən bütün sonrakı sorğularda eyni seansa yönləndirmək üçün daxil edilir. Bu xüsusi, davamlı mühit agentlərə konteksti yadda saxlamağa, istifadəçi girişini tələb etməyə, dinamik BDM məzmunu yaratmağa və davamlı yeniləmələr təmin etməyə imkan verir.

Aşağıdakı cədvəl statsız və stateful rejimlər arasındakı əsas fərqləri ümumiləşdirir:

	Statsız rejim	Stateful rejim
`stateless_http` ayarı	`TRUE`	`FALSE`
Seans təcridi	Hər seans üçün xüsusi mikroVM	Hər seans üçün xüsusi mikroVM
Seans ömrü	8 saata qədər; 15 dəqiqə fəaliyyətsizlik timeout-u	8 saata qədər; 15 dəqiqə fəaliyyətsizlik timeout-u
Müştəri imkanları	Dəstəklənmir	Sorğu, seçmə, tərəqqi bildirişləri
Tövsiyə olunur	Sadə alət xidməti üçün	İnteraktiv, çoxmərhələli iş axınları üçün

Seansın müddəti bitdikdə və ya server yenidən işə salındıqda, erkən seans ID-si ilə sonrakı sorğular 404 qaytaracaq. Bu nöqtədə, müştərilər yeni bir seans ID-si əldə etmək və yeni bir seans başlatmaq üçün əlaqəni yenidən ilkinləşdirməlidirlər. Stateful rejimi aktivləşdirmək üçün konfiqurasiya dəyişikliyi serverin başlanğıcında tək bir bayraqdır:

mcp.run( transport="streamable-http", host="0.0.0.0", port=8000, stateless_http=False # Enable stateful mode)

Bu bayraqdan başqa, MCP müştəri ilkin əl tutma zamanı onlara dəstək verdiyini elan etdikdən sonra üç müştəri imkanı avtomatik olaraq mövcud olur.

Yeni Müştəri İmkanlarına Dərindən Baxış: Sorğu, Seçmə və Tərəqqi

Stateful rejimə keçidlə, Amazon Bedrock AgentCore Runtime MCP spesifikasiyasından üç güclü müştəri imkanını açır ki, bunların hər biri qabaqcıl süni intellekt agentləri üçün kritik olan fərqli qarşılıqlı əlaqə nümunələrini həll etmək üçün nəzərdə tutulmuşdur. Bu imkanlar bir zamanlar sərt, birtərəfli əmr icrasını MCP serveri və onun qoşulmuş müştəriləri arasında axıcı, ikitərəfli dialoqa çevirir. Qeyd etmək vacibdir ki, bu xüsusiyyətlər opt-in-dir, yəni müştərilər ilkinləşdirmə zamanı öz dəstəklərini elan edirlər və serverlər yalnız qoşulmuş müştərinin elan etdiyi imkanlardan istifadə etməlidir.

Sorğu: Süni İntellekt Agentlərində Dinamik İstifadəçi Girişini Təmin Etmək

Sorğu (Elicitation) interaktiv süni intellektin təməl daşlarından biri kimi dayanır, MCP serverinə icrasını ağıllı şəkildə dayandırmağa və müştəri vasitəsilə istifadəçidən xüsusi, strukturlaşdırılmış giriş tələb etməyə imkan verir. Bu imkan, aləti öz iş axını daxilində münasib anlarda dəqiq suallar verməyə gücləndirir, istər qərarı təsdiqləmək, istər istifadəçi üstünlüyünü toplamaq, istərsə də əvvəlki əməliyyatlardan əldə edilən bir dəyər toplamaq olsun. Server bunu insan tərəfindən oxuna bilən mesajı və gözlənilən cavab strukturunu təsvir edən istəyə bağlı requestedSchema daxil edən elicitation/create JSON-RPC tələbi göndərərək başladır.

MCP spesifikasiyası sorğu üçün iki möhkəm rejim təqdim edir:

Forma rejimi: Bu, konfiqurasiya parametrləri, istifadəçi üstünlükləri və ya həssas məlumatların iştirak etmədiyi sadə təsdiqləmələr kimi strukturlaşdırılmış məlumatları birbaşa MCP müştəri vasitəsilə toplamaq üçün idealdır.
URL rejimi: OAuth axınları, ödəniş emalı və ya həssas etimadnamənin daxil edilməsi kimi təhlükəsiz, kənardan bir proses tələb edən qarşılıqlı əlaqələr üçün URL rejimi istifadəçini xarici URL-ə yönləndirir. Bu, həssas məlumatların MCP müştərisindən tamamilə keçməsini təmin edir, təhlükəsizliyi və uyğunluğu artırır.

Sorğu tələbi alındıqda, müştəri uyğun giriş interfeysini göstərir. İstifadəçinin sonrakı hərəkəti serverə üç hərəkətli cavab modelini tetikler: accept (istifadəçi tələb olunan məlumatları təqdim etdi), decline (istifadəçi tələbi açıq şəkildə rədd etdi) və ya cancel (istifadəçi seçim etmədən tələbi rədd etdi). İntellektual serverlər bu ssenarilərin hər birini zərif şəkildə idarə etmək üçün nəzərdə tutulmuşdur, bu da sağlam və istifadəçi dostu bir təcrübəni təmin edir. Məsələn, mənbə materialında göstərildiyi kimi, add_expense_interactive aləti istifadəçini bir sıra suallar—məbləğ, təsvir, kateqoriya və son təsdiq—vasitəsilə Amazon DynamoDB kimi bir arxa ofisə məlumatları göndərməzdən əvvəl yönləndirə bilər. Hər bir addım Pydantic modellərindən gözlənilən girişin müəyyənləşdirilməsi üçün istifadə edir ki, FastMCP bunu elicitation/create tələbi üçün tələb olunan JSON Schema-ya problemsiz şəkildə çevirir.

Seçmə və Tərəqqi Bildirişləri: BDM Qarşılıqlı Əlaqəsini və Şəffaflığı Artırmaq

Birbaşa istifadəçi qarşılıqlı əlaqəsindən əlavə, Seçmə (Sampling) sampling/createMessage vasitəsilə müştəridən birbaşa BDM tərəfindən yaradılan məzmunu tələb etmək qabiliyyəti ilə MCP serverini təchiz edir. Bu, kritik bir mexanizmdir, çünki o, serverdəki alət məntiqinə öz BDM etimadnamələrini və ya birbaşa API inteqrasiyalarını idarə etməyə ehtiyac olmadan güclü dil modeli imkanlarından istifadə etməyə imkan verir. Server sadəcə bir tələb və istəyə bağlı model üstünlüklərini təqdim edir və müştəri, vasitəçi kimi fəaliyyət göstərərək, tələbi qoşulmuş BDM-ə yönləndirir və yaradılan cavabı geri serverə qaytarır. Bu, fərdi xülasələr yaratmaq, strukturlaşdırılmış məlumatlardan təbii dilli izahatlar yaratmaq və ya davam edən söhbətə əsaslanaraq kontekstdən xəbərdar tövsiyələr vermək kimi saysız-hesabsız praktik tətbiqlər üçün yol açır.

Zamanla uzanan əməliyyatlar üçün Tərəqqi Bildirişləri əvəzsiz olur. Bu imkan MCP serverinə uzunmüddətli tapşırıqlar zamanı artan yeniləmələri bildirməyə imkan verir. ctx.report_progress(progress, total) istifadə edərək, server müştərilərin vizual əks əlaqəyə, məsələn, tərəqqi paneli və ya status göstəricisinə çevirə biləcəyi davamlı yeniləmələr yayımlaya bilər. İstər geniş məlumat mənbələrində axtarış, istərsə də mürəkkəb hesablama tapşırıqlarının icrası olsun, şəffaf tərəqqi yeniləmələri istifadəçilərin məlumatlı qalmasını təmin edir, narazılığın qarşısını alır və sistemin hələ də aktiv olub-olmadığını bilmədən boş ekrana baxmaq əvəzinə ümumi istifadəçi təcrübəsini artırır.

Bedrock AgentCore Runtime ilə Süni İntellekt Agentinin İnkişafını Gələcəyə Hazırlamaq

Amazon Bedrock AgentCore Runtime-da stateful MCP müştəri imkanlarının tətbiqi süni intellekt agentinin inkişafında əhəmiyyətli bir sıçrayışı təmsil edir. Əvvəllər statsız qarşılıqlı əlaqələri dinamik, ikitərəfli söhbətlərə çevirməklə, AWS tərtibatçıları daha intellektual, həssas və istifadəçi dostu süni intellekt tətbiqləri qurmağa gücləndirir. Bu imkanlar – idarə olunan istifadəçi girişi üçün Sorğu, tələb əsasında BDM yaratmaq üçün Seçmə və real-vaxt şəffaflığı üçün Tərəqqi Bildirişləri – birlikdə interaktiv agent iş axınlarının yeni dövrünü açır. Süni intellekt inkişaf etməyə davam etdikcə, bu təməl imkanlar mürəkkəb iş proseslərinə problemsiz inteqrasiya edə bilən, istifadəçi ehtiyaclarına uyğunlaşa bilən və müstəsna dəyər təmin edən operasional agentli süni intellekt yaratmaq üçün kritik olacaq.