上一篇我们完成了MCP服务器的云端部署，这次换个视角——在本地搭建客户端，让它能"对话"运行在Amazon Bedrock AgentCore Runtime上的会议搜索服务。

完整代码已开源在spring-ai-1.1-conference-app-agent-local仓库。核心依赖有四块：spring-ai-bom提供Spring AI基础能力，spring-boot-starter-web把客户端做成Web应用，spring-ai-starter-model-bedrock-converse对接Bedrock基础模型，spring-ai-starter-mcp-client-webflux则负责异步MCP通信——想同步的话换spring-ai-starter-mcp-client就行。

打开网易新闻 查看精彩图片

配置环节需要填三类参数。Spring AI层面：区域选us-east-1，超时设10分钟，默认模型用amazon.nova-lite-v1:0，最大token数100，客户端类型指定ASYNC。应用层面则要回填MCP服务器部署时生成的值：Cognito用户池名称、客户端名称、资源服务器ID，以及最关键的runtime ID（示例中是spring_ai_conference_search_agentcore_runtime-6dnMIL9455）。

业务逻辑集中在SpringAIAgentController。这里用ChatClient.Builder组装出对话客户端，ToolCallingChatOptions里可以换模型——示例代码就换成了us.anthropic.claude-sonnet-4-6，token上限提到2000。AWS相关客户端（STS和Cognito）也在这里初始化，用于后续的权限流转。

有个细节：application.properties里还埋了amazon.bedrock.agentcore.gateway.url这类"占位符"，当前版本用不上，是为后续扩展预留的接口。这种"先占位、后填坑"的做法在Spring生态里很常见。

从架构上看，这套方案把"模型调用"和"工具执行"解耦了：Spring AI负责与Bedrock模型交互，MCP协议负责与远端AgentCore Runtime上的业务逻辑交互。本地开发时不用关心服务器端的Lambda或IAM配置，只需要正确的runtime ID和Cognito凭证就能连调。