AWS MCP Servers：开源套件，将 AWS 最佳实践无缝融入开发流程

摘要

本文介绍了 AWS MCP 服务器的开源版本，这是一套专门的模型上下文协议 (MCP) 服务器，旨在将亚马逊云科技 (AWS) 的最佳实践直接集成到开发流程中。模型上下文协议 (MCP) 是一种用于连接大型语言模型与外部知识库的标准协议。这些服务器将深厚的 AWS 知识与 AI 智能代理能力相结合，以加速关键领域的开发。它概述了特定领域的 MCP 服务器，包括核心服务器、AWS 云开发工具包 (AWS CDK)、Amazon Bedrock 知识库、Amazon Nova Canvas 和成本分析服务器。本文提供了 MCP 服务器的先决条件和入门指南，演示了它们如何通过代码生成、安全控制、成本优化以及通过 AI 聊天机器人示例展示的 AWS 良好架构最佳实践来改变开发体验。它强调了在 MCP 辅助开发中遵循安全最佳实践的重要性，并预览了未来将深入探讨每个 MCP 服务器功能的文章。

作者：Jimin Kim, Anita Lewis, Justin Lewis, Laith Al-Saadoon, Paul Vincent, Pranjali Bhandari

本文是介绍 AWS MCP Servers 的系列文章的第一篇。我们将探讨这些专用服务器如何显著缩短开发时间，同时在代码中融入安全控制、成本优化和 AWS Well-Architected 最佳实践。无论你是经验丰富的 AWS 开发者，还是刚刚踏入云开发领域，你都将发现如何利用 AI 驱动的代码助手解决常见挑战，例如复杂服务配置、基础设施即代码（IaC）实现，以及知识库集成。读完本文，你将明白如何利用 AWS MCP Servers 转变开发流程，快速交付更优质的解决方案。

如果你迫不及待想上手，可以直接跳到"从概念到工作代码只需几分钟"部分。

AI 如何革新软件开发

人工智能正在改变软件开发的方式，为加速开发过程、提升代码质量和一致性创造了巨大机会。如今的 AI 助手能够理解复杂需求，生成生产就绪的代码，并在实时中帮助开发者应对技术难题。这种 AI 驱动的方法在云开发中尤为重要，因为开发者需要在协调多个服务的同时，确保安全性、可扩展性和成本效益。

开发者需要能够深刻理解 AWS 服务细节和最佳实践的代码助手。专属的 AI 代理可以通过以下方式满足这些需求：

提供上下文指导：帮助选择和配置 AWS 服务。
优化合规性：确保符合安全最佳实践和监管要求。
提升效率：推广最优利用率和成本效益解决方案。
自动化任务：用 AWS 特定模式自动化重复性实现工作。

这种方法让开发者专注于创新，而 AI 助手则处理编码中的"无差别重担"。无论你使用的是 Amazon Q、Amazon Bedrock 还是其他 AI 工具，AWS MCP Servers 都能通过深度的 AWS 专属知识，增强这些工具的能力，帮助你更快构建更优质的解决方案。

什么是 MCP（模型上下文协议）？

模型上下文协议（Model Context Protocol, MCP）是一个标准化的开源协议，促进了大型语言模型（LLM）与数据源及工具之间的无缝交互。它允许 AI 助手利用专用工具并访问特定领域的知识，扩展模型超越其内置知识的能力，同时保持敏感数据的本地化。通过 MCP，通用 LLM 可以无缝获取最新知识，并通过融入特定上下文和最佳实践，生成更符合预期的输出。

加速 AWS 开发

想象一下，如果你的 AI 助手能立即掌握 AWS 的深层知识，理解每个服务、最佳实践和架构模式，会怎么样？通过 MCP，我们可以将通用 LLM 转化为 AWS 专家，只需将其连接到专属知识服务器即可。这为加速云开发开辟了激动人心的新可能，同时确保安全性和最佳实践的遵循。

借助 AWS MCP Servers，你可以：

大幅缩短开发时间：从第一行代码开始自动应用最佳实践。
跳过繁琐研究：无需花费数小时查阅文档，直接获取适用于复杂服务的即用模式，例如 Amazon Bedrock 知识库。
构建优质代码：从一开始就编写符合 AWS Well-Architected 原则的代码，正确实现 AWS 服务，部署安全、可观察且成本优化的解决方案。

AWS MCP Servers 的核心优势

为了让 AWS 开发更快、更安全、更高效，我们推出了 AWS MCP Servers。这套专属服务器将 AWS 最佳实践直接带入你的开发流程，结合深厚的 AWS 知识和 AI 能力，覆盖以下关键领域：

自动执行最佳实践：从一开始就编写符合 Well-Architected 原则的代码，内置安全控制、适当的可观察性和优化的资源配置。
大幅减少研究时间：无需翻阅冗长文档，MCP 服务器提供上下文相关的指导，自动解决常见问题。
即刻访问即用模式：利用预构建的 AWS CDK 构造、Amazon Bedrock 代理模式生成器和知识库集成模板。
主动优化成本：在设计解决方案时防止过度配置，获取成本优化建议并生成全面的成本报告。

领域专属 MCP 服务器概览

AWS MCP Servers 覆盖了云开发的多个方面，每个服务器专注于特定领域，协同提供全面解决方案：

核心服务器（Core）：提供 AI 处理管道能力，作为中央协调者，帮助规划 AWS 解决方案并按需联合其他 MCP 服务器。
AWS CDK 服务器：提供 AWS CDK 知识，包括最佳实践实现、cdk-nag 安全配置、Lambda Powertools 集成等，确保 IaC 遵循 Well-Architected 原则。
Amazon Bedrock 知识库服务器：支持自然语言查询企业知识库，按数据源过滤结果并优化相关性。
Amazon Nova Canvas 服务器：通过 Amazon Bedrock 提供图像生成能力，适用于创建模型、图表和 UI 设计概念。
成本分析服务器：分析 AWS 服务成本并生成详细报告，帮助优化成本效率。

前提条件

要使用 AWS MCP Servers，你需要准备：

uv 包管理器
安装 Python（建议使用 uv python install 3.13）
具备适当权限的 AWS 凭证
支持 MCP 的 LLM 客户端（如 Anthropic 的 Claude Desktop、Cline、Amazon Q CLI 或 Cursor）

从概念到工作代码只需几分钟

你可以通过 GitHub 或 PyPI 包管理器下载 AWS MCP Servers。以下是快速入门步骤：

json

python 复制代码

# 安装并配置 MCP 服务器
{
  "mcpServers": {
    "awslabs.core-mcp-server": {
      "command": "uvx",
      "args": ["awslabs.core-mcp-server@latest"],
      "env": {
        "FASTMCP_LOG_LEVEL": "ERROR",
        "MCP_SETTINGS_PATH": "你的 MCP 服务器设置路径"
      },
      "autoApprove": [],
      "disabled.Concurrent: false
    },
    "awslabs.bedrock-kb-retrieval-mcp-server": {
      "command": "uvx",
      "args": ["awslabs.bedrock-kb-retrieval-mcp-server@latest"],
      "env": {
        "AWS_PROFILE": "你的 AWS 配置文件",
        "AWS_REGION": "us-east-1"
      }
    },
    "awslabs.cdk-mcp-server": {
      "command": "uvx",
      "args": ["awslabs.cdk-mcp-server@latest"],
      "env": {
        "FASTMCP_LOG_LEVEL": "ERROR"
      }
    },
    "awslabs.cost-analysis-mcp-server": {
      "command": "uvx",
      "args": ["awslabs.cost-analysis-mcp-server@latest"],
      "env": {
        "AWS_PROFILE": "你的 AWS 配置文件",
        "FASTMCP_LOG_LEVEL": "ERROR"
      }
    },
    "awslabs.nova-canvas-mcp-server": {
      "command": "uvx",
      "args": ["awslabs.nova-canvas-mcp-server@latest"],
      "env": {
        "AWS_PROFILE": "你的 AWS 配置文件",
        "AWS_REGION": "us-east-1"
      }
    }
  }
}

AWS MCP Servers 的实战演练

以下是 AWS MCP Servers 如何改变开发体验的示例：

开发者需求："我需要用 Amazon Bedrock 构建一个 AI 聊天机器人，能够回答公司知识库的问题，并集成内部 API。"

核心服务器：生成包含知识库集成、Amazon Bedrock 代理配置、API 连接和数据流的架构图。

AWS CDK 服务器：提供完整的 CDK 代码，包括 IAM 角色、安全控制和 Lambda Powertools 可观察性支持。

typescript

arduino 复制代码

const knowledgeBase = new BedrockKnowledgeBase(this, 'CompanyKB', {
  embeddingModel: BedrockFoundationModel.TITAN_EMBED_TEXT_V1,
  vectorStore: new OpenSearchServerlessVectorStore(this, 'VectorStore', {
    encryption: OpenSearchEncryption.KMS,
    ebs: OpenSearchEbsOptions.provisioned(100, OpenSearchVolumeType.GP3)
  })
});

const actionGroupSchema = new BedrockAgentSchema(this, 'ApiActionSchema', {
  schemaPath: 'schemas/api-action-schema.json',
  generateFromLambda: {
    lambdaPath: 'lambda/api-actions.py',
    outputPath: 'schemas/api-action-schema.json'
  }
});

Amazon Bedrock 知识库服务器：优化查询设置，提供过滤代码和集成示例。
Amazon Nova Canvas 服务器：生成可视化图表，增强用户体验。
成本分析服务器：提供成本估算和优化建议。

通过 AWS MCP Servers，几天的工作量被压缩到几分钟，且质量、安全性和成本效益远超手动开发。

MCP 辅助开发的最佳实践

为充分发挥 MCP 的优势并确保安全性，建议遵循以下指南：

在部署前始终审查生成的代码安全影响。
将 MCP 服务器视为加速器，而非开发者判断的替代品。
保持 MCP 服务器与最新 AWS 安全实践同步。
配置 AWS 凭证时遵循最小权限原则。
对生成的基础设施代码运行安全扫描工具。

系列展望

本文介绍了 AWS MCP Servers 的基础及其加速 AWS 开发的能力。后续文章将深入探讨：

每个 MCP 服务器功能的详细演练。
将 AWS MCP Servers 集成到开发流程的高级模式。
展示其对开发速度影响的现实案例。
如何扩展并创建自定义 MCP 服务器。

结语

AWS MCP Servers 的发布标志着 AI 驱动云开发的重大进步。通过将 AWS 最佳实践与智能代理结合，它不仅提升了开发效率，还确保了安全性与成本效益。让我们共同探索这一工具的潜力，构建更快、更优的 AWS 解决方案！