Strands Agents SDKでMCPホストアプリを作ってみよう！

こんなWebアプリを簡単に作ろう！

好きなMCPサーバーをセットできます。

超簡易構成図

完成品は、ここから誰でも試せます！

Strands Agents SDKとは？

AWSが最近発表した、AIエージェント開発用フレームワークです。

LangGraphとかMastraみたいなやつですね。
めちゃシンプルかつ高機能で、特にAWSやBedrockとの親和性が高いです！

手順

AWSアカウントを作成

Bedrockのモデルを有効化

「Bedrock > モデルアクセス」から、すべてのモデルを有効化すればOKです。

CloudShellでアプリを開発

AWSのシェル環境「CloudShell」を使って、ブラウザ完結でアプリを動かしてみます。
もちろんローカルPCで実施してもOKです。

Pythonバージョンを上げます。

CloudShell

# Python 3.13をインストール
sudo dnf -y install python3.13 python3.13-pip zip

# シェルにエイリアスを設定
echo "alias python=python3.13" >> ~/.bashrc
echo "alias pip=pip3.13" >> ~/.bashrc
source ~/.bashrc

nanoエディターでPythonファイルを作成します。

CloudShell

nano app.py

以下のコードを貼り付けます。

app.py

import asyncio
import streamlit as st
from strands import Agent
from strands.tools.mcp import MCPClient
from mcp import stdio_client, StdioServerParameters

# ===== ページ設定 =====
st.title("Strands MCPエージェント")
st.text("👈 サイドバーで好きなMCPサーバーを設定してね！")

# ===== サイドバー =====
with st.sidebar:
    mcp_package = st.text_input(
        "ローカルMCPサーバーのパッケージ名（Python用）",
        "awslabs.aws-documentation-mcp-server@latest"
    )

# ===== 質問入力 =====
question = st.text_input("質問を入力", "Bedrockでマルチエージェントは作れる？")

# ===== ボタンを押したら生成開始 =====
if st.button("質問する"):

    # MCPクライアントを作成
    mcp_client = MCPClient(lambda: stdio_client(
        StdioServerParameters(command="uvx", args=[mcp_package])
    ))

    # エージェントを作成（MCPクライアントを直接渡す新しい書き方）
    agent = Agent(
        model="us.anthropic.claude-haiku-4-5-20251001-v1:0",
        tools=[mcp_client]
    )

    # ストリーミング用の変数
    container = st.container()
    text_holder = container.empty()
    buffer = ""
    shown_tools = set()

    # ストリーミングで回答を生成
    with st.spinner("回答を生成中…"):

        async def run_stream():
            global buffer, text_holder, shown_tools

            async for chunk in agent.stream_async(question):
                if isinstance(chunk, dict):

                    # ツール実行を検出して表示
                    event = chunk.get("event", {})
                    if "contentBlockStart" in event:
                        tool_use = event["contentBlockStart"].get("start", {}).get("toolUse", {})
                        tool_id = tool_use.get("toolUseId")
                        tool_name = tool_use.get("name")
                        if tool_id and tool_name and tool_id not in shown_tools:
                            shown_tools.add(tool_id)
                            if buffer:
                                text_holder.markdown(buffer)
                                buffer = ""
                            container.info(f"🔧 **{tool_name}** ツールを実行中...")
                            text_holder = container.empty()

                    # テキストを抽出して表示
                    text = chunk.get("data") or chunk.get("delta", {}).get("text") or ""
                    if text:
                        buffer += text
                        text_holder.markdown(buffer + "▌")

            # 最終表示
            if buffer:
                text_holder.markdown(buffer)

        # 非同期実行
        loop = asyncio.new_event_loop()
        loop.run_until_complete(run_stream())
        loop.close()

実行してみましょう。

CloudShell

# Strands Agentsをインストール
pip install uv streamlit strands-agents strands-agents-tools

# アプリを起動
streamlit run app.py

CloudShellで2つ目のタブ（リージョン名）を起動して、PinggyというトンネリングサービスにSSH接続します。（Web公開されます）

CloudShell（2タブ目）

ssh -p 443 -R0:localhost:8501 a.pinggy.io

表示されたURLにアクセスしてみましょう！

好きなローカルMCPサーバーを入力して、AIエージェントにツールとして使わせることが可能です。

Pinggyで公開URLを発行しているので、どこからでもアクセスできてしまいます。セキュリティにはご留意ください。

Pinggyの無料セッション経過（60分）、もしくはCloudShellの自動停止（20〜30分）でアプリは止まってしまいます。

ソースコード

こちらに公開しています。

次のステップ

今回作ったアプリをコンテナにしてWeb公開してみる

GUIで簡単にAIエージェントを作ってみる

LLMOps（監視と評価）に入門してみる

おまけ

Bedrockにちゃんと入門してみたくなったら…

MCPの入門書も出版します！ すでにアマゾン等で予約可能。