Amazon Bedrock 最近在 AgentCore Runtime 中引入了具備「狀態化」（Stateful）能力的 MCP（Model Context Protocol）客戶端功能。這項更新標誌著 AI Agent 從單向的指令執行，正式邁向更像真人協作的雙向對話模式。MCP 是由 Anthropic 等業界大廠推動的開放標準，旨在規範大型語言模型（LLM）與外部工具、資料來源之間的連接方式。過去的實作大多屬於「無狀態」模式，這意味著 Agent 在執行複雜任務時，一旦啟動就必須一口氣跑完，無法在過程中停下來確認細節，這對於需要高度精確性的企業應用來說是一大限制。
這次更新帶來了三項核心能力：首先是「引導輸入」（Elicitation），當 Agent 在執行中發現資訊不足或需要決策時，可以主動暫停並詢問使用者，不再只是被動地執行錯誤指令。其次是「採樣」（Sampling），這讓 MCP 伺服器能回頭向客戶端請求 LLM 產生的內容，達成更靈活的動態生成。最後是「進度通知」（Progress notification），這對於耗時較長的資料分析或系統部署任務至關重要，開發者現在可以實作即時的進度回傳，讓使用者掌握執行狀態。
從技術影響力來看，這項發展解決了長期困擾開發者的「黑盒化」問題。在企業環境中，AI Agent 往往需要接觸敏感資料或執行關鍵操作。以往的無狀態架構讓 Agent 在長時間運作時，使用者只能被動等待結果，過程中難以干預或了解現況。現在有了進度通知與中途詢問機制，開發者能建立更具彈性且透明的工作流，顯著提升了系統的容錯率與使用者信任度，讓 AI 應用的開發邏輯更符合人類的工作習慣。
這項發展的重要性在於它完善了 MCP 協議的雙向對話架構。對於台灣許多正在積極進行 AI 轉型的企業而言，這意味著部署在 AWS 上的 AI 助手不再只是簡單的問答機器人，而是能處理複雜業務邏輯的自動化夥伴。當企業嘗試將 AI 導入 ERP、供應鏈管理或客戶服務系統時，這類能「邊做邊問、邊回報」的互動模式，才是真正能落地並產生商業價值的解決方案。AWS 的這一小步，讓企業級 AI 應用的開發門檻再度降低，也更貼近真實世界的協作情境。