As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

# Use com estruturas de agentes
<a name="mcp-server-configure-frameworks"></a>

Você pode integrar o servidor OpenSearch MCP diretamente às estruturas de agentes do Python, dando aos seus agentes autônomos acesso programático como parte de um fluxo OpenSearch de trabalho maior.

## Strands Agents
<a name="mcp-server-strands"></a>

O [Strands Agents](https://strandsagents.com) é um SDK AWS de agente nativo com suporte MCP integrado e o Amazon Bedrock como provedor de modelos padrão. O exemplo a seguir conecta um agente Strands a um domínio OpenSearch de serviço ou a uma coleção OpenSearch sem servidor definindo as variáveis de ambiente apropriadas. `AWS_OPENSEARCH_SERVERLESS`Defina como `true` ao se conectar a uma coleção OpenSearch sem servidor; omita-a para um domínio gerenciado.

```
import os
from strands import Agent
from strands.tools.mcp import MCPClient
from mcp import stdio_client, StdioServerParameters

# For a managed domain:
#   OPENSEARCH_URL = https://<domain-endpoint>.<region>.es.amazonaws.com
#
# For an OpenSearch Serverless collection, also set:
#   AWS_OPENSEARCH_SERVERLESS = true
#   OPENSEARCH_URL = https://<collection-id>.<region>.aoss.amazonaws.com
opensearch_client = MCPClient(
    lambda: stdio_client(
        StdioServerParameters(
            command="uvx",
            args=["opensearch-mcp-server-py"],
            env={
                "OPENSEARCH_URL":            os.environ["OPENSEARCH_URL"],
                "AWS_REGION":                os.environ["AWS_REGION"],
                "AWS_IAM_ARN":               os.environ["AWS_IAM_ARN"],
                # Set to "true" for OpenSearch Serverless, omit for managed domains
                "AWS_OPENSEARCH_SERVERLESS": os.environ.get("AWS_OPENSEARCH_SERVERLESS", "false"),
            },
        )
    )
)

with opensearch_client:
    agent = Agent(tools=opensearch_client.list_tools_sync())
    response = agent("List all indexes and show the document count for each")
    print(response)
```

Strands usa o Amazon Bedrock como seu fornecedor de modelos padrão. Certifique-se de ter AWS as credenciais configuradas e o acesso ao modelo habilitado para Claude em sua região. Para obter detalhes, consulte a documentação do [fornecedor Strands Bedrock](https://strandsagents.com/docs/user-guide/concepts/model-providers/amazon-bedrock/).

## LangGraph
<a name="mcp-server-langgraph"></a>

[LangGraph](https://github.com/langchain-ai/langgraph)é uma estrutura de orquestração de baixo nível para criar agentes com estado. O exemplo a seguir usa `langchain-mcp-adapters` para carregar as ferramentas OpenSearch MCP em um LangGraph ReAct agente apoiado pelo Amazon Bedrock. Assim como no Strands, `AWS_OPENSEARCH_SERVERLESS` defina como `true` ao se conectar a uma OpenSearch coleção sem servidor.

```
import asyncio
import os
from langchain_aws import ChatBedrock
from langchain_mcp_adapters.client import MultiServerMCPClient
from langgraph.prebuilt import create_react_agent

async def main():
    async with MultiServerMCPClient(
        {
            "opensearch": {
                "command": "uvx",
                "args": ["opensearch-mcp-server-py"],
                "env": {
                    # Managed domain:  https://<domain-endpoint>.<region>.es.amazonaws.com
                    # Serverless:      https://<collection-id>.<region>.aoss.amazonaws.com
                    "OPENSEARCH_URL":            os.environ["OPENSEARCH_URL"],
                    "AWS_REGION":                os.environ["AWS_REGION"],
                    "AWS_IAM_ARN":               os.environ["AWS_IAM_ARN"],
                    # Set to "true" for OpenSearch Serverless, omit for managed domains
                    "AWS_OPENSEARCH_SERVERLESS": os.environ.get("AWS_OPENSEARCH_SERVERLESS", "false"),
                },
                "transport": "stdio",
            }
        }
    ) as mcp_client:
        tools = mcp_client.get_tools()
        model = ChatBedrock(
            model_id="anthropic.claude-3-5-sonnet-20241022-v2:0",
            region_name=os.environ["AWS_REGION"],
        )
        agent = create_react_agent(model, tools)
        result = await agent.ainvoke(
            {"messages": [{"role": "user", "content": "Check cluster health and list all indexes"}]}
        )
        print(result["messages"][-1].content)

asyncio.run(main())
```

Instale os pacotes obrigatórios:

```
pip install langchain-aws langchain-mcp-adapters langgraph
```