会议间的 Vibecoding：学习 MCP 服务器并构建 PoC（使用 AWS Kiro）
Source: Dev.to
Introduction
几周前，我的团队得到一个机会，可以与数据科学团队合作，做一个小型原型：构建并部署一个 MCP 服务器。规模不大，没有长期路线图的承诺——只是一次探索新事物、看看是否有用的机会。
我接受了这个任务，不仅因为主题有趣，还因为它给了我再次动手实践的借口。围绕 AI 原生开发的热潮往往停留在励志演讲和 LinkedIn 帖子里。这次正好是一次在实际工作中尝试 AI 原生软件开发生命周期（SDLC）的好机会，作为一种工作方式而不是单纯的概念。
这段经历激发了两个想法：
- 这可以做成一次会议演讲。
- 我应该趁着记忆新鲜、内容尚未整理、真实可信的时候写下来，形成一系列公开学习的帖子。
Vibecoding in Between Meetings: Building & Deploying MCP Servers with Kiro and Agent Core Runtime 探讨了采用 AI 原生 SDLC 如何帮助我重新获得构建时间——让我在会议之间的空档里学习新主题、组织探索过程，并完成概念验证。
我们将从零开始部署：先构建一个简单的 stdio MCP 服务器，再将其演进为 HTTP MCP 服务器，使用 MCP UI Inspector 完成验证，最后通过 Agent Core Runtime 在 AWS 上部署。过程中我们会依赖 Kiro 代理、角色设定和提示词，以及 MCP 服务器来加速学习循环、自动化文档生成并捕获架构决策。
我希望明年能把这次演讲带到某个会议上。这个系列在很多方面就是它的原始素材。
Phase One Summary
我们刚刚完成了概念验证的第一阶段：
- 第一个 stdio MCP 服务器。
- 其 HTTP 版本，在本地 Docker 中运行并通过 MCP Inspector 进行测试。
- 使用 Agent Core Runtime 在我们的 AWS 基础设施上部署。
这已经是一个坚实的基础——但还有很多未探索的内容。Agent Core 还有更多组件需要了解。成本和运维风险也需要评估。最重要的是，我们需要弄清楚这是否（以及如何）适配我们的实际产品。
Future Plans
该系列并非固定计划；随着接下来一两个月的开发会不断演进。
Rough Structure
- 从“没有时间构建”到 AI 原生 SDLC
- Kiro 入门：设置、能力以及引导 AI
- MCP 服务器解析：AI 与系统之间缺失的层
- Vibecoding 第一个 MCP 服务器：构建内部使用的 stdio MCP
- 从 stdio 到 HTTP：使用 FastMCP 演进 MCP 服务器
- 从本地到云端：在 Agent Core Runtime 上运行 MCP 服务器
- 运行时之外：Agent Core 的网关、身份和记忆
有些帖子可能会拆分，有些可能合并，新的帖子也可能出现，因为我们会发现意想不到的集成、安全和成本考量。
Who This Is For
如果你是工程经理、Staff+ 级别的工程师，或是任何想在会议堆砌的日子里保持技术敏锐度的人，我希望你会觉得这个系列既有趣又实用。我的目标不是提供完美的解决方案，而是展示 AI 如何成为乘数效应——帮助我们更快学习、更早验证，即使时间紧张也能再次构建。
让我们拭目以待吧。