Amazon Quick + MCP 远程服务实战：让 AI 助手直接操作飞书，从设计到落地

"帮我在飞书上建一个项目群，把这 5 个人拉进去，然后发一条启动通知。"

这种话以前只能对人说。现在可以对 Amazon Quick 说了——它真的能帮你执行。

但实现起来没那么简单。飞书有 200+ 开放 API，全塞给 AI 作为工具上下文？token 直接爆炸。多步操作的准确率怎么保证？token 泄露了怎么办？

亚马逊云科技官博最近发了一篇实践文章，讲了怎么用 Bedrock AgentCore 构建远程 MCP 服务来解决这些问题。我看完之后照着搭了一套，记录一下关键设计决策和踩的坑。

问题：200+ 工具的上下文膨胀

飞书开放平台的 API 覆盖了消息、群组、文档、日历、审批、多维表格等十几个模块。如果把所有工具描述一股脑塞进 system prompt：

200+ 工具 × 平均 300 token/工具描述 ≈ 60,000 token 上下文
Claude 每次请求都要"读"这些描述来决策用哪个
绝大多数工具在当前对话中完全用不上
成本和延迟都往上飙

方案：Meta Tool + 按需加载

核心思路是分层注册。不把 200+ 工具全给 AI，而是给它一个"工具索引"（Meta Tool），让它先查询有哪些能力，再按需加载具体工具。

用户请求
    ↓
AI 调用 Meta Tool → "飞书消息相关能力有哪些？"
    ↓
返回 5 个具体工具描述
    ↓
AI 选择具体工具执行 → send_message / create_group

这样每次对话只加载用得上的工具，上下文从 60K token 降到 3-5K token。

架构设计

整体架构分三层：

Amazon Quick (AI 助手)
    ↓ MCP 协议
Bedrock AgentCore (远程 MCP 服务)
    ↓ REST API
飞书开放平台

Bedrock AgentCore 做了什么

AgentCore 在这里的角色是远程 MCP 服务器。它负责：

工具注册和发现 — 管理所有飞书 API 的工具描述
认证和鉴权 — OAuth PKCE + HMAC 签名
执行代理 — 接收 AI 的工具调用请求，转发到飞书 API
结果格式化 — 把飞书 API 的原始响应转成 AI 能理解的格式

为什么用远程 MCP 不用本地

本地 MCP（每个用户电脑跑一个 MCP server）有几个问题：

需要用户本地安装和配置
飞书 token 存在用户电脑上，安全风险大
不同用户的权限难以统一管理
无法集中监控和审计

远程 MCP 服务部署在 AWS 上，统一管理认证和权限。Amazon Quick 通过 MCP 协议与之通信。

关键设计：token 安全

飞书 API 调用需要 access_token。这个 token 怎么管理，直接影响系统安全。

方案：OAuth PKCE + HMAC 域分离签名

import hashlib
import hmac
import time
import secrets

class TokenManager:
    """飞书 token 安全管理"""
    
    def __init__(self, app_id: str, app_secret: str, signing_key: bytes):
        self.app_id = app_id
        self.app_secret = app_secret
        self.signing_key = signing_key
    
    def get_tenant_token(self) -> str:
        """获取租户级别的 access_token"""
        import requests
        resp = requests.post(
            "https://open.feishu.cn/open-apis/auth/v3/tenant_access_token/internal",
            json={"app_id": self.app_id, "app_secret": self.app_secret}
        )
        return resp.json()["tenant_access_token"]
    
    def sign_request(self, user_id: str, action: str, timestamp: int) -> str:
        """HMAC 域分离签名 — 防止跨用户/跨操作伪造"""
        message = f"{user_id}|{action}|{timestamp}"
        return hmac.new(
            self.signing_key,
            message.encode(),
            hashlib.sha256
        ).hexdigest()
    
    def verify_request(self, user_id: str, action: str, 
                       timestamp: int, signature: str) -> bool:
        """验证请求签名，防止重放攻击"""
        # 检查时间戳（5分钟有效）
        if abs(time.time() - timestamp) > 300:
            return False
        expected = self.sign_request(user_id, action, timestamp)
        return hmac.compare_digest(expected, signature)

关键点：

域分离 — 签名里包含 user_id 和 action，防止 A 用户的签名被 B 用户复用
时间戳 — 5 分钟有效期，防重放
HMAC-SHA256 — 签名密钥存在服务端，客户端拿不到

Meta Tool 实现

Meta Tool 本质上是一个"工具目录"服务：

from typing import Dict, List

# 工具分类注册表
TOOL_REGISTRY: Dict[str, List[dict]] = {
    "messaging": [
        {"name": "send_message", "description": "发送消息到指定会话"},
        {"name": "reply_message", "description": "回复指定消息"},
        {"name": "recall_message", "description": "撤回已发送的消息"},
    ],
    "group": [
        {"name": "create_group", "description": "创建群组"},
        {"name": "add_members", "description": "添加群成员"},
        {"name": "set_group_name", "description": "修改群名称"},
    ],
    "calendar": [
        {"name": "create_event", "description": "创建日历事件"},
        {"name": "list_events", "description": "查询日历事件列表"},
        {"name": "update_event", "description": "更新日历事件"},
    ],
    "docs": [
        {"name": "create_doc", "description": "创建云文档"},
        {"name": "update_doc", "description": "更新文档内容"},
        {"name": "share_doc", "description": "分享文档给指定用户"},
    ]
}

def meta_tool_query(category: str = None, keyword: str = None) -> List[dict]:
    """Meta Tool: AI 调用此函数发现可用工具
    
    Args:
        category: 按分类筛选 (messaging/group/calendar/docs)
        keyword: 按关键词搜索工具描述
    
    Returns:
        匹配的工具列表（含完整参数定义）
    """
    results = []
    for cat, tools in TOOL_REGISTRY.items():
        if category and cat != category:
            continue
        for tool in tools:
            if keyword and keyword not in tool["description"]:
                continue
            results.append({"category": cat, **tool})
    return results

AI 的调用流程变成：

用户说"帮我建个群" → AI 调用 meta_tool_query(category="group")
拿到 create_group、add_members 等工具描述
AI 选择 create_group 并填入参数执行

多步编排的准确性

实际任务往往需要多步操作。比如"建群+拉人+发消息"：

async def execute_multi_step(steps: List[dict], context: dict):
    """多步操作编排器"""
    results = {}
    
    for step in steps:
        tool_name = step["tool"]
        params = step["params"]
        
        # 支持步骤间参数传递
        # 比如 create_group 返回 group_id，add_members 需要用它
        for key, value in params.items():
            if isinstance(value, str) and value.startswith("$"):
                ref = value[1:]  # "$create_group.group_id" → "create_group.group_id"
                ref_step, ref_field = ref.split(".")
                params[key] = results[ref_step][ref_field]
        
        # 执行当前步骤
        result = await call_feishu_api(tool_name, params, context)
        results[step["id"]] = result
        
        # 失败则中断（不做半截操作）
        if not result.get("success"):
            return {"status": "failed", "failed_step": step["id"], 
                    "error": result.get("error"), "completed": results}
    
    return {"status": "success", "results": results}

部署到 AgentCore

把整套 MCP 服务部署为 AgentCore 托管的远程服务：

# 打包部署
aws bedrock-agentcore create-mcp-service \
  --service-name "feishu-mcp" \
  --description "飞书操作 MCP 服务" \
  --runtime "python3.12" \
  --handler "main.handler" \
  --source-code-path "./feishu_mcp/" \
  --environment-variables '{
    "FEISHU_APP_ID": "cli_xxxx",
    "SIGNING_KEY_ARN": "arn:aws:secretsmanager:ap-northeast-1:123456789012:secret:feishu-signing-key"
  }' \
  --region ap-northeast-1

敏感配置（app_secret、signing_key）存在 Secrets Manager 里，运行时通过 IAM Role 获取。

踩坑记录

飞书 token 有效期 2 小时 — 必须做自动刷新。我用了一个后台 timer 每 90 分钟刷新一次。
消息格式兼容 — 飞书消息支持富文本、卡片、Markdown 等多种格式。AI 生成的纯文本消息需要包装成飞书消息格式。
权限粒度 — 不是所有用户都能操作所有群。Meta Tool 返回工具列表时要根据当前用户的权限过滤。

参考链接

Amazon Quick 官方文档：https://docs.aws.amazon.com/quick/latest/userguide/
Bedrock AgentCore MCP 服务：https://docs.aws.amazon.com/bedrock/latest/userguide/agentcore-mcp.html
飞书开放平台文档：https://open.feishu.cn/document/home/index
MCP 协议规范：https://spec.modelcontextprotocol.io/
AWS 中国官博原文：https://aws.amazon.com/cn/blogs/china/amazon-quick-build-mcp-service-design-practice/

posted @ 2026-06-09 20:00 亚马逊云开发者阅读(12) 评论(0) 收藏举报

刷新页面返回顶部

亚马逊云开发者

进入亚马逊云科技开发者网站，请锁定 https://dev.amazoncloud.cn 帮助开发者学习成长、交流，链接全球资源，助力开发者成功。

Amazon Quick + MCP 远程服务实战：让 AI 助手直接操作飞书，从设计到落地

Amazon Quick + MCP 远程服务实战：让 AI 助手直接操作飞书，从设计到落地

问题：200+ 工具的上下文膨胀

方案：Meta Tool + 按需加载

架构设计

Bedrock AgentCore 做了什么

为什么用远程 MCP 不用本地

关键设计：token 安全

方案：OAuth PKCE + HMAC 域分离签名

Meta Tool 实现

多步编排的准确性

部署到 AgentCore

踩坑记录

参考链接

公告