AWS MCP服务器

一套专门的MCP服务器，无论您在哪里使用MCP，都能帮助您充分利用AWS。

](https://github.com/awslabs/mcp) ![License](LICENSE) ![Codecov](https://app.codecov.io/gh/awslabs/mcp) ![OSSF-Scorecard Score](https://scorecard.dev/viewer/?uri=github.com/awslabs/mcp)

- 目录 - 什么是模型上下文协议（MCP），它如何与AWS MCP服务器协同工作？ - 服务器发送事件支持删除 - 为什么选择AWS MCP服务器？ - 可用的MCP服务器 - 按您正在构建的内容浏览 - 📚 实时访问AWS官方文档 - 🏗️ 基础设施和部署 - 基础设施即代码 - 集装箱平台 - 无服务器和功能 - 支持 - 🤖 人工智能与机器学习 - 📊 数据与分析 - SQL和NoSQL数据库 - 搜索和分析 - 缓存和性能 - 🛠️ 开发人员工具和支持 - 📡 集成和消息传递 - 💰 成本与运营 - 按您的工作方式浏览 - 👨‍💻 Vibe编码与开发 - 核心开发工作流程 - 基础设施即代码 - 应用程序开发 - 容器和无服务器开发 - 测试和数据 - 💬 会话助理 - 知识与搜索 - 内容处理和生成 - 商业服务 - 🤖 自主背景代理 - 数据操作和ETL - 缓存和性能 - 工作流程与集成 - 运营与监控 - MCP AWS Lambda处理模块 - 服务器用例 - 安装和设置 - 在容器中运行MCP服务器 - 开始使用Cline和Amazon Bedrock - cline_mcp_settings.json - Cursor入门 - .cursor/mcp.json - Windsurf入门 - ~/.codeium/windsurf/mcp_config.json - 样品 - 氛围编程 - 其他资源 - 安全 - 贡献 - 开发者指南 - 许可证 - 免责声明

什么是模型上下文协议（MCP），它如何与AWS MCP服务器协同工作？

模型上下文协议（MCP）是一种开放协议，可实现LLM应用程序与外部数据源和工具之间的无缝集成。无论您是在构建基于AI的IDE、增强聊天界面，还是创建自定义AI工作流程，MCP都提供了一种标准化的方式将LLM与所需的上下文连接起来。 — 模型上下文协议README

MCP服务器是一个轻量级程序，通过标准化的模型上下文协议公开特定功能。主机应用程序（如聊天机器人、IDE和其他AI工具）具有与MCP服务器保持1:1连接的MCP客户端。常见的MCP客户端包括代理AI编码助手（如Q Developer、Cline、Cursor、Windsurf）以及聊天机器人应用程序，如Claude Desktop，很快就会有更多的客户端出现。MCP服务器可以访问本地数据源和远程服务，以提供额外的上下文，从而改进模型生成的输出。

AWS MCP服务器使用此协议为AI应用程序提供对AWS文档、上下文指导和最佳实践的访问。通过标准化的MCP客户端-服务器架构，AWS功能成为您的开发环境或AI应用程序的智能扩展。

AWS MCP服务器支持增强的云原生开发、基础设施管理和开发工作流程，使人工智能辅助的云计算更易于访问和高效。

模型上下文协议是由Anthropic，PBC运行的开源项目。并向整个社区的贡献开放。有关MCP的更多信息，您可以找到更多文档这里

服务器发送事件支持删除

重要通知： 2025年5月26日，所有MCP服务器在其最新主要版本中删除了服务器发送事件（SSE）支持。此更改符合模型上下文协议规范向后兼容性指南.

我们正在积极努力支持流式HTTP，这将为未来的版本提供更好的传输能力。

对于仍需要SSE支持的应用程序，请使用相应MCP服务器的先前主要版本，直到您可以迁移到其他传输方法。

为什么选择AWS MCP服务器？

MCP服务器在几个关键方面增强了基础模型（FM）的能力：

提高输出质量：通过直接在模型上下文中提供相关信息，MCP服务器显著提高了AWS服务等专业领域的模型响应。这种方法减少了幻觉，提供了更准确的技术细节，实现了更精确的代码生成，并确保建议与当前的AWS最佳实践和服务能力保持一致。

获取最新文档：FM可能不了解最新版本、API或SDK。MCP服务器通过引入最新文档来弥合这一差距，确保您的AI助手始终使用最新的AWS功能。

工作流程自动化：MCP服务器将常见工作流转换为基础模型可以直接使用的工具。无论是CDK、Terraform还是其他AWS特定的工作流程，这些工具都能使AI助手以更高的准确性和效率执行复杂的任务。

专业领域知识MCP服务器提供有关AWS服务的深入、上下文相关的知识，这些知识可能无法在基础模型的训练数据中完全表示出来，从而为云开发任务提供更准确、更有用的响应。

可用的MCP服务器

按您正在构建的内容浏览

📚 实时访问AWS官方文档

AWS文档MCP服务器 -获取最新的AWS文档和API参考资料

🏗️ 基础设施和部署

使用“基础设施即代码”最佳实践构建、部署和管理云基础设施。

基础设施即代码

AWS CDK MCP服务器 -具有安全合规性和最佳实践的AWS CDK开发
AWS Terraform MCP服务器 -集成安全扫描的Terraform工作流
AWS CloudFormation MCP服务器 -通过云控制API直接管理CloudFormation资源

集装箱平台

亚马逊EKS MCP服务器 -Kubernetes集群管理和应用程序部署
亚马逊ECS MCP服务器 -容器编排和ECS应用程序部署
Finch MCP服务器 -与ECR集成的本地集装箱建筑

无服务器和功能

AWS无服务器MCP服务器 -使用SAM CLI完成无服务器应用程序生命周期
AWS Lambda工具MCP服务器 -将Lambda函数作为用于私有资源访问的AI工具执行

支持

AWS支持MCP服务器 -帮助用户创建和管理AWS支持案例

🤖 人工智能与机器学习

通过知识检索、内容生成和机器学习功能增强人工智能应用程序。

亚马逊基岩知识库检索MCP服务器 -使用引文支持查询企业知识库
亚马逊肯德拉指数MCP服务器 -企业搜索和RAG增强
亚马逊Q指数MCP服务器 -数据访问者搜索企业Q指数
亚马逊Nova Canvas MCP服务器 -具有文本和颜色引导的AI图像生成
亚马逊Rekognition MCP服务器 -使用计算机视觉功能分析图像
亚马逊基岩数据自动化MCP服务器 -分析文档、图像、视频和音频文件

📊 数据与分析

使用数据库、缓存系统和数据处理工作流。

SQL和NoSQL数据库

亚马逊DynamoDB MCP服务器 -完成DynamoDB操作和表管理
Amazon Aurora PostgreSQL MCP服务器 -通过RDS Data API进行PostgreSQL数据库操作
亚马逊Aurora MySQL MCP服务器 -通过RDS Data API进行MySQL数据库操作
Amazon Aurora DSQL MCP服务器 -与PostgreSQL兼容的分布式SQL
Amazon DocumentDB MCP服务器 -兼容MongoDB的文档数据库操作
亚马逊Neptune MCP服务器 -使用openCypher和Gremlin进行图形数据库查询
亚马逊密钥空间MCP服务器 -Apache Cassandra兼容操作
InfluxDB MCP服务器的亚马逊时间流 -与InfluxDB兼容的操作
Amazon Redshift MCP服务器 -提供用于发现、探索和查询Amazon Redshift集群和无服务器工作组的工具

搜索和分析

亚马逊OpenSearch MCP服务器 -基于OpenSearch的搜索、分析和观察性

缓存和性能

亚马逊ElastiCache MCP服务器 -完成ElastiCache操作
Valkey MCP服务器的Amazon ElastiCache/MaryDB -使用Valkey的高级数据结构和缓存
Amazon ElastiCache for Memcached MCP服务器 -高速缓存操作

🛠️ 开发人员工具和支持

通过代码分析、文档和测试工具加速开发。

AWS IAM MCP服务器 -具有安全最佳实践的全面IAM用户、角色、组和策略管理
Git回购研究MCP服务器 -语义代码搜索和存储库分析
代码文档生成MCP服务器 -来自代码分析的自动化文档
AWS图表MCP服务器 -生成架构图和技术说明
前端MCP服务器 -React和现代web开发指南
综合数据MCP服务器 -为开发和机器学习生成真实的测试数据
OpenAPI MCP服务器 -通过OpenAPI规范实现动态API集成

📡 集成和消息传递

将系统与消息传递、工作流和位置服务连接起来。

亚马逊SNS/SQS MCP服务器 -事件驱动的消息传递和队列管理
亚马逊MQ MCP服务器 -RabbitMQ和ActiveMQ的消息代理管理
AWS步骤功能工具MCP服务器 -执行复杂的工作流和业务流程
亚马逊定位服务MCP服务器 -地点搜索、地理编码和路线优化
OpenAPI MCP服务器 -通过OpenAPI规范实现动态API集成

💰 成本与运营

监控、优化和管理您的AWS基础架构和成本。

MCP服务器成本分析 -部署前成本估算和优化
AWS成本浏览器MCP服务器 -详细的成本分析和报告
Amazon CloudWatch记录MCP服务器 -日志分析和操作故障排除
AWS管理的Prometheus MCP服务器 -普罗米修斯兼容操作

______________________________________________________________________

按您的工作方式浏览

👨‍💻 Vibe编码与开发

*Amazon Q Developer CLI、Cline、Cursor和Claude Code等AI编码助手可帮助您更快地构建*

核心开发工作流程

核心MCP服务器 -从这里开始：智能规划和MCP服务器编排
AWS文档MCP服务器 -获取最新的AWS文档和API参考资料
Git回购研究MCP服务器 -通过代码库和存储库进行语义搜索

基础设施即代码

AWS CDK MCP服务器 -具有安全最佳实践和合规性的CDK开发
AWS Terraform MCP服务器 -具有集成安全扫描和最佳实践的Terraform
AWS CloudFormation MCP服务器 -通过云控制API直接管理AWS资源

应用程序开发

前端MCP服务器 -React和现代web开发模式与AWS集成
AWS图表MCP服务器 -在设计时生成架构图
代码文档生成MCP服务器 -从代码库自动生成文档
OpenAPI MCP服务器 -通过OpenAPI规范实现动态API集成

容器和无服务器开发

亚马逊EKS MCP服务器 -Kubernetes集群管理和应用部署
亚马逊ECS MCP服务器 -将应用程序容器化并部署到ECS
Finch MCP服务器 -ECR推动的本地集装箱建筑
AWS无服务器MCP服务器 -使用SAM CLI实现无服务器应用程序的完整生命周期

测试和数据

综合数据MCP服务器 -为您的应用程序生成真实的测试数据

💬 会话助理

*面向客户的聊天机器人、商业代理和交互式问答系统*

知识与搜索

亚马逊基岩知识库检索MCP服务器 -用引文查询企业知识
亚马逊肯德拉指数MCP服务器 -企业搜索和文档检索
亚马逊Q指数MCP服务器 -数据访问者搜索企业Q指数
AWS文档MCP服务器 -AWS官方文档以获取技术答案

内容处理和生成

亚马逊Nova Canvas MCP服务器 -从文本描述和调色板生成图像
亚马逊Rekognition MCP服务器 -使用计算机视觉功能分析图像
亚马逊基岩数据自动化MCP服务器 -分析上传的文档、图像和媒体

商业服务

亚马逊定位服务MCP服务器 -位置搜索、地理编码和营业时间
MCP服务器成本分析 -回答成本问题并提供估算
AWS成本浏览器MCP服务器 -详细的成本分析和支出报告

🤖 自主背景代理

*无头自动化、ETL管道和操作系统*

数据操作和ETL

亚马逊DynamoDB MCP服务器 -NoSQL数据库操作和表管理
Amazon Aurora PostgreSQL MCP服务器 -通过RDS Data API进行PostgreSQL操作
亚马逊Aurora MySQL MCP服务器 -RDS数据API MySQL操作
Amazon Aurora DSQL MCP服务器 -分布式SQL数据库操作
Amazon DocumentDB MCP服务器 -兼容MongoDB的文档操作
亚马逊Neptune MCP服务器 -图形数据库查询和分析
亚马逊密钥空间MCP服务器 -Cassandra兼容操作
InfluxDB MCP服务器的亚马逊时间流 -与InfluxDB兼容的操作

缓存和性能

Valkey MCP服务器的Amazon ElastiCache/MaryDB -高级缓存和数据结构
Amazon ElastiCache for Memcached MCP服务器 -高速缓存层

工作流程与集成

AWS Lambda工具MCP服务器 -执行Lambda函数以访问私有资源
AWS步骤功能工具MCP服务器 -复杂的多步骤工作流执行
亚马逊SNS/SQS MCP服务器 -事件驱动的消息传递和队列处理
亚马逊MQ MCP服务器 -消息代理操作

运营与监控

Amazon CloudWatch记录MCP服务器 -日志分析和操作故障排除
AWS成本浏览器MCP服务器 -成本监控和支出分析
AWS管理的Prometheus MCP服务器 -普罗米修斯兼容操作

MCP AWS Lambda处理模块

一个Python库，用于使用AWS Lambda为模型上下文协议（MCP）创建无服务器HTTP处理程序。该模块提供了一个灵活的框架，用于构建具有可插拔会话管理的MCP HTTP端点，包括内置的DynamoDB支持。

特征：

使用AWS Lambda轻松创建无服务器MCP HTTP处理程序
可插拔会话管理系统
内置DynamoDB会话后端支持
可定制的身份验证和授权
示例实现和测试

看 src/mcp-lambda-handler/README.md 了解完整的使用、安装和开发说明。

服务器用例

例如，您可以使用 AWS文档MCP服务器 帮助您的AI助手为任何AWS服务（如Amazon Bedrock Inline代理）研究和生成最新代码。或者，您可以使用 CDK MCP服务器 或 Terraform MCP服务器 让您的AI助手创建使用最新API并遵循AWS最佳实践的代码实现的基础设施。随着 MCP服务器成本分析，您可以问“在部署之前，此CDK项目的估计每月成本是多少？”或“您能帮助我了解此基础设施设计的潜在AWS服务费用吗？”并获得详细的成本估算和预算规划见解。这 Valkey MCP服务器 支持与Valkey数据存储的自然语言交互，使AI助手能够通过简单的对话界面有效地管理数据操作。

安装和设置

每台服务器都有特定的安装说明。一般来说，您可以：

安装 uv 从星体
使用以下命令安装Python uv python install 3.10
配置AWS凭据以访问所需的服务
将服务器添加到MCP客户端配置中

Amazon Q CLI MCP的示例配置(~/.aws/amazonq/mcp.json):

{
  "mcpServers": {
    "awslabs.core-mcp-server": {
      "command": "uvx",
      "args": [
        "awslabs.core-mcp-server@latest"
      ],
      "env": {
        "FASTMCP_LOG_LEVEL": "ERROR"
      }
    },
    "awslabs.nova-canvas-mcp-server": {
      "command": "uvx",
      "args": [
        "awslabs.nova-canvas-mcp-server@latest"
      ],
      "env": {
        "AWS_PROFILE": "your-aws-profile",
        "AWS_REGION": "us-east-1",
        "FASTMCP_LOG_LEVEL": "ERROR"
      }
    },
    "awslabs.bedrock-kb-retrieval-mcp-server": {
      "command": "uvx",
      "args": [
        "awslabs.bedrock-kb-retrieval-mcp-server@latest"
      ],
      "env": {
        "AWS_PROFILE": "your-aws-profile",
        "AWS_REGION": "us-east-1",
        "FASTMCP_LOG_LEVEL": "ERROR"
      }
    },
    "awslabs.cost-analysis-mcp-server": {
      "command": "uvx",
      "args": [
        "awslabs.cost-analysis-mcp-server@latest"
      ],
      "env": {
        "AWS_PROFILE": "your-aws-profile",
        "FASTMCP_LOG_LEVEL": "ERROR"
      }
    },
    "awslabs.cdk-mcp-server": {
      "command": "uvx",
      "args": [
        "awslabs.cdk-mcp-server@latest"
      ],
      "env": {
        "FASTMCP_LOG_LEVEL": "ERROR"
      }
    },
    "awslabs.aws-documentation-mcp-server": {
      "command": "uvx",
      "args": [
        "awslabs.aws-documentation-mcp-server@latest"
      ],
      "env": {
        "FASTMCP_LOG_LEVEL": "ERROR"
      },
      "disabled": false,
      "autoApprove": []
    },
    "awslabs.lambda-tool-mcp-server": {
      "command": "uvx",
      "args": [
        "awslabs.lambda-tool-mcp-server@latest"
      ],
      "env": {
        "AWS_PROFILE": "your-aws-profile",
        "AWS_REGION": "us-east-1",
        "FUNCTION_PREFIX": "your-function-prefix",
        "FUNCTION_LIST": "your-first-function, your-second-function",
        "FUNCTION_TAG_KEY": "your-tag-key",
        "FUNCTION_TAG_VALUE": "your-tag-value"
      }
    },
    "awslabs.terraform-mcp-server": {
      "command": "uvx",
      "args": [
        "awslabs.terraform-mcp-server@latest"
      ],
      "env": {
        "FASTMCP_LOG_LEVEL": "ERROR"
      },
      "disabled": false,
      "autoApprove": []
    },
    "awslabs.frontend-mcp-server": {
      "command": "uvx",
      "args": [
        "awslabs.frontend-mcp-server@latest"
      ],
      "env": {
        "FASTMCP_LOG_LEVEL": "ERROR"
      },
      "disabled": false,
      "autoApprove": []
    },
    "awslabs.valkey-mcp-server": {
      "command": "uvx",
      "args": [
        "awslabs.valkey-mcp-server@latest"
      ],
      "env": {
        "VALKEY_HOST": "127.0.0.1",
        "VALKEY_PORT": "6379",
        "FASTMCP_LOG_LEVEL": "ERROR"
      },
      "autoApprove": [],
      "disabled": false
    },
    "awslabs.aws-location-mcp-server": {
      "command": "uvx",
      "args": [
        "awslabs.aws-location-mcp-server@latest"
      ],
      "env": {
        "AWS_PROFILE": "your-aws-profile",
        "AWS_REGION": "us-east-1",
        "FASTMCP_LOG_LEVEL": "ERROR"
      },
      "disabled": false,
      "autoApprove": []
    },
    "awslabs.memcached-mcp-server": {
      "command": "uvx",
      "args": [
        "awslabs.memcached-mcp-server@latest"
      ],
      "env": {
        "MEMCACHED_HOST": "127.0.0.1",
        "MEMCACHED_PORT": "11211",
        "FASTMCP_LOG_LEVEL": "ERROR"
      },
      "autoApprove": [],
      "disabled": false
    },
    "awslabs.git-repo-research-mcp-server": {
      "command": "uvx",
      "args": [
        "awslabs.git-repo-research-mcp-server@latest"
      ],
      "env": {
        "AWS_PROFILE": "your-aws-profile",
        "AWS_REGION": "us-east-1",
        "FASTMCP_LOG_LEVEL": "ERROR",
        "GITHUB_TOKEN": "your-github-token"
      },
      "disabled": false,
      "autoApprove": []
    },
    "awslabs.cloudformation": {
      "command": "uvx",
      "args": [
        "awslabs.cfn-mcp-server@latest"
      ],
      "env": {
        "AWS_PROFILE": "your-aws-profile"
      },
      "disabled": false,
      "autoApprove": []
    }
  }
}

有关具体要求和配置选项，请参阅各个服务器的自述文件。

如果您在MCP配置方面有问题，或者想检查是否有适当的参数，可以尝试以下操作：

# Run MCP server manually with timeout 15s
$ timeout 15s uv tool run   2>&1 || echo "Command completed or timed out"

# Example (Aurora MySQL MCP Server)
$ timeout 15s uv tool run awslabs.mysql-mcp-server --resource_arn  --secret_arn  ... 2>&1 || echo "Command completed or timed out"

# If the arguments are not set appropriately, you may see the following message:
usage: awslabs.mysql-mcp-server [-h] --resource_arn RESOURCE_ARN --secret_arn SECRET_ARN --database DATABASE
                                --region REGION --readonly READONLY
awslabs.mysql-mcp-server: error: the following arguments are required: --resource_arn, --secret_arn, --database, --region, --readonly

**使用时关于性能的注意事项 uvx *“@latest”* 后缀：**

使用 *“@latest”* 每次启动MCP客户端时，后缀检查并从pypi下载最新的MCP服务器包，但这会增加初始加载时间的成本。如果你想尽量减少初始加载时间，请删除 *“@latest”* 并使用以下方法之一自行管理uv缓存：

uv cache clean ：其中{tool}是您要从缓存中删除并重新安装的mcp服务器（例如：“awslab.lambda tool-mcp服务器”）（记得删除“\<>”）。
uvx @latest：这将使用最新版本刷新工具并将其添加到uv缓存中。

在容器中运行MCP服务器

*此示例使用带有“awslabs.nova-canvas-mcp-server”的docker，可以对每个mcp服务器重复此操作*

构建并标记图像

  cd src/nova-canvas-mcp-server
  docker build -t awslabs/nova-canvas-mcp-server .

可选择将敏感环境变量保存在文件中：

  # contents of a .env file with fictitious AWS temporary credentials
  AWS_ACCESS_KEY_ID=ASIAIOSFODNN7EXAMPLE
  AWS_SECRET_ACCESS_KEY=wJalrXUtnFEMI/K7MDENG/bPxRfiCYEXAMPLEKEY
  AWS_SESSION_TOKEN=AQoEXAMPLEH4aoAH0gNCAPy...truncated...zrkuWJOgQs8IZZaIv2BXIa2R4Olgk

使用docker选项： --env, --env-file，以及 --volume 根据需要，因为 "env": {} 在容器内不可用。

  {
    "mcpServers": {
      "awslabs.nova-canvas-mcp-server": {
        "command": "docker",
        "args": [
          "run",
          "--rm",
          "--interactive",
          "--env",
          "FASTMCP_LOG_LEVEL=ERROR",
          "--env",
          "AWS_REGION=us-east-1",
          "--env-file",
          "/full/path/to/.env",
          "--volume",
          "/full/path/to/.aws:/app/.aws",
          "awslabs/nova-canvas-mcp-server:latest"
        ],
        "env": {}
      }
    }
  }

开始使用Cline和Amazon Bedrock

Getting Started with Cline and Amazon Bedrock

重要： 遵循这些指示可能会产生费用，并须遵守亚马逊基岩定价。您负责任何相关费用。除了在Cline设置中选择所需的模型外，还要确保您有所选的模型（例如。 anthropic.claude-3-7-sonnet)也在亚马逊基岩中启用。有关此方面的更多信息，请参阅这些AWS文档关于允许模型访问亚马逊基岩基础模型（FM）。

按照上述步骤 安装和设置 要安装的部分 uv 从星体，安装Python，并使用所需的服务配置AWS凭据。

如果使用Visual Studio代码，请安装 Cline VS代码扩展（或您首选IDE的等效扩展）。安装后，单击扩展将其打开。出现提示时，选择所需的层。在这种情况下，我们将使用Amazon Bedrock，因此Cline的免费层很好，因为我们将使用亚马逊Bedrock API而不是Cline API发送请求。

选择 MCP服务器 按钮。

选择 已安装 选项卡，然后单击 配置MCP服务器 打开 cline_mcp_settings.json 文件。

在 cline_mcp_settings.json 文件，在中添加所需的MCP服务器 mcpServers 对象。请参阅以下示例，该示例将使用此存储库中可用的一些当前AWS MCP服务器。确保保存文件以安装MCP服务器。

`cline_mcp_settings.json`

{
  "mcpServers": {
    "awslabs.core-mcp-server": {
      "command": "uvx",
      "args": ["awslabs.core-mcp-server@latest"],
      "env": {
        "FASTMCP_LOG_LEVEL": "ERROR",
        "MCP_SETTINGS_PATH": "path to your mcp settings file"
      }
    },
    "awslabs.nova-canvas-mcp-server": {
      "command": "uvx",
      "args": ["awslabs.nova-canvas-mcp-server@latest"],
      "env": {
        "AWS_PROFILE": "your-aws-profile",
        "AWS_REGION": "us-east-1",
        "FASTMCP_LOG_LEVEL": "ERROR"
      }
    },
    "awslabs.terraform-mcp-server": {
      "command": "uvx",
      "args": ["awslabs.terraform-mcp-server@latest"],
      "env": {
        "FASTMCP_LOG_LEVEL": "ERROR"
      },
      "disabled": false,
      "autoApprove": []
    },
   }
 }

安装后，您应该在“MCP服务器已安装”选项卡下看到MCP服务器的列表，并且它们应该有一个绿色滑块来显示它们已启用。有关两个可能的AWS MCP服务器的示例，请参阅以下内容。点击完成当完成时。现在您应该看到Cline聊天界面。

默认情况下，Cline将被设置为API提供商，这对免费层有限制。接下来，让我们将API提供商更新为AWS Bedrock，这样我们就可以通过Bedrock使用LLM，这将通过您连接的AWS帐户进行计费。

单击设置齿轮打开Cline设置。然后在 API提供商，从以下位置切换 Cline 到 AWS Bedrock 并选择 AWS Profile 对于身份验证类型。作为注释 AWS Credentials 该选项同样有效，但它使用静态凭据（访问密钥ID和秘密访问密钥），而不是令牌到期时自动重新分发的临时凭据，因此使用AWS配置文件的临时凭据是更安全和推荐的方法。

根据您要使用的现有AWS配置文件填写配置，选择所需的AWS区域，并启用跨区域推断。

接下来，在设置页面上向下滚动，直到到达显示“自定义说明”的文本框。粘贴以下代码段以确保 mcp-core 服务器被用作每个提示的起点：

For every new project, always look at your MCP servers and use mcp-core as the starting point every time. Also after a task completion include the list of MCP servers used in the operation.

粘贴自定义提示后，单击完成返回聊天界面。

现在，您可以开始提问并测试已安装的AWS MCP服务器的功能。聊天界面中的默认选项是 Plan 这将为您提供手动操作的输出（例如，为您提供一个复制并粘贴到文件中的示例配置）。但是，您可以选择将其切换为 Act 这将允许Cline代表您行事（例如使用web浏览器搜索内容、克隆存储库、执行代码等）。您可以选择打开“自动批准”部分，以避免单击批准建议，但我们建议在测试期间关闭此选项，特别是如果您选择了“行动”切换。

注：为了获得最佳效果，请提示Cline使用您想要使用的AWS MCP服务器。例如， Using the Terraform MCP Server, do...

Cursor入门

Getting Started with Cursor

按照上述步骤 安装和设置 要安装的部分 uv 从星体，安装Python，并使用所需的服务配置AWS凭据。

根据您的用例，您可以将MCP配置放置在两个位置：

A. 项目配置 -对于特定于项目的工具，创建 .cursor/mcp.json 项目目录中的文件。 -这允许您定义仅在特定项目中可用的MCP服务器。

B 全局配置 -对于要在所有项目中使用的工具，请创建 ~/.cursor/mcp.json 将文件放在主目录中。 -这使得MCP服务器在所有Cursor工作区中都可用。

`.cursor/mcp.json`

 {
  "mcpServers": {
    "awslabs.core-mcp-server": {
      "command": "uvx",
      "args": ["awslabs.core-mcp-server@latest"],
      "env": {
        "FASTMCP_LOG_LEVEL": "ERROR"
      }
    },
    "awslabs.nova-canvas-mcp-server": {
      "command": "uvx",
      "args": ["awslabs.nova-canvas-mcp-server@latest"],
      "env": {
        "AWS_PROFILE": "your-aws-profile",
        "AWS_REGION": "us-east-1",
        "FASTMCP_LOG_LEVEL": "ERROR"
      }
    },
    "awslabs.bedrock-kb-retrieval-mcp-server": {
      "command": "uvx",
      "args": ["awslabs.bedrock-kb-retrieval-mcp-server@latest"],
      "env": {
        "AWS_PROFILE": "your-aws-profile",
        "AWS_REGION": "us-east-1",
        "FASTMCP_LOG_LEVEL": "ERROR"
      }
    },
    "awslabs.cost-analysis-mcp-server": {
      "command": "uvx",
      "args": ["awslabs.cost-analysis-mcp-server@latest"],
      "env": {
        "AWS_PROFILE": "your-aws-profile",
        "FASTMCP_LOG_LEVEL": "ERROR"
      }
    },
    "awslabs.cdk-mcp-server": {
      "command": "uvx",
      "args": ["awslabs.cdk-mcp-server@latest"],
      "env": {
        "FASTMCP_LOG_LEVEL": "ERROR"
      }
    },
    "awslabs.aws-documentation-mcp-server": {
      "command": "uvx",
      "args": ["awslabs.aws-documentation-mcp-server@latest"],
      "env": {
        "FASTMCP_LOG_LEVEL": "ERROR"
      },
      "disabled": false,
      "autoApprove": []
    },
    "awslabs.lambda-tool-mcp-server": {
      "command": "uvx",
      "args": ["awslabs.lambda-tool-mcp-server@latest"],
      "env": {
        "AWS_PROFILE": "your-aws-profile",
        "AWS_REGION": "us-east-1",
        "FUNCTION_PREFIX": "your-function-prefix",
        "FUNCTION_LIST": "your-first-function, your-second-function",
        "FUNCTION_TAG_KEY": "your-tag-key",
        "FUNCTION_TAG_VALUE": "your-tag-value"
      }
    },
    "awslabs.terraform-mcp-server": {
       "command": "uvx",
       "args": ["awslabs.terraform-mcp-server@latest"],
       "env": {
         "FASTMCP_LOG_LEVEL": "ERROR"
       },
       "disabled": false,
       "autoApprove": []
     },
    "awslabs.frontend-mcp-server": {
       "command": "uvx",
       "args": ["awslabs.frontend-mcp-server@latest"],
       "env": {
         "FASTMCP_LOG_LEVEL": "ERROR"
       },
       "disabled": false,
       "autoApprove": []
     },
      "awslabs.valkey-mcp-server": {
        "command": "uvx",
        "args": ["awslabs.valkey-mcp-server@latest"],
        "env": {
          "VALKEY_HOST": "127.0.0.1",
          "VALKEY_PORT": "6379",
          "FASTMCP_LOG_LEVEL": "ERROR"
        },
        "autoApprove": [],
        "disabled": false
      },
    "awslabs.aws-location-mcp-server": {
       "command": "uvx",
       "args": ["awslabs.aws-location-mcp-server@latest"],
       "env": {
         "AWS_PROFILE": "your-aws-profile",
         "AWS_REGION": "us-east-1",
         "FASTMCP_LOG_LEVEL": "ERROR"
       },
       "disabled": false,
       "autoApprove": []
    },
    "awslabs.memcached-mcp-server": {
        "command": "uvx",
        "args": ["awslabs.memcached-mcp-server@latest"],
        "env": {
          "MEMCACHED_HOST": "127.0.0.1",
          "MEMCACHED_PORT": "11211",
          "FASTMCP_LOG_LEVEL": "ERROR"
        },
        "autoApprove": [],
        "disabled": false
    },
    "awslabs.git-repo-research-mcp-server": {
      "command": "uvx",
      "args": ["awslabs.git-repo-research-mcp-server@latest"],
      "env": {
        "AWS_PROFILE": "your-aws-profile",
        "AWS_REGION": "us-east-1",
        "FASTMCP_LOG_LEVEL": "ERROR",
        "GITHUB_TOKEN": "your-github-token"
      },
      "disabled": false,
      "autoApprove": []
    },
    "awslabs.cloudformation": {
      "command": "uvx",
      "args": ["awslabs.cfn-mcp-server@latest"],
      "env": {
        "AWS_PROFILE": "your-aws-profile"
      },
      "disabled": false,
      "autoApprove": []
    }
  }
}

在聊天中使用MCP 如果Composer Agent确定MCP设置页面上的可用工具下列出的任何MCP工具相关，它将自动使用这些工具。为了有意提示工具的使用，请提示Cursor使用您想要使用的AWS MCP服务器。例如， Using the Terraform MCP Server, do...

工具批准 默认情况下，当Agent想要使用MCP工具时，它将显示一条消息，要求您批准。您可以使用工具名称旁边的箭头展开消息，查看代理使用哪些参数调用工具。

Windsurf入门

Getting Started with Windsurf

按照上述步骤 安装和设置 要安装的部分 uv 从星体，安装Python，并使用所需的服务配置AWS凭据。

访问MCP设置

- 导航到Windsurf-设置>高级设置或使用命令面板>打开Windsurf设置页面 - 查找“模型上下文协议（MCP）服务器”部分

添加MCP服务器

- 点击“添加服务器”添加新的MCP服务器 - 您可以从GitHub、Puppeter、PostgreSQL等可用模板中进行选择。 - 或者，单击“添加自定义服务器”以配置您自己的服务器

手动配置

- 您还可以手动编辑位于以下位置的MCP配置文件 ~/.codeium/windsurf/mcp_config.json

`~/.codeium/windsurf/mcp_config.json`

{
  "mcpServers": {
    "awslabs.core-mcp-server": {
      "command": "uvx",
      "args": ["awslabs.core-mcp-server@latest"],
      "env": {
        "FASTMCP_LOG_LEVEL": "ERROR",
        "MCP_SETTINGS_PATH": "path to your mcp settings file"
      }
    },
    "awslabs.nova-canvas-mcp-server": {
      "command": "uvx",
      "args": ["awslabs.nova-canvas-mcp-server@latest"],
      "env": {
        "AWS_PROFILE": "your-aws-profile",
        "AWS_REGION": "us-east-1",
        "FASTMCP_LOG_LEVEL": "ERROR"
      }
    },
    "awslabs.terraform-mcp-server": {
      "command": "uvx",
      "args": ["awslabs.terraform-mcp-server@latest"],
      "env": {
        "FASTMCP_LOG_LEVEL": "ERROR"
      },
      "disabled": false,
      "autoApprove": []
    },
   }
 }

样品

AWS MCP服务器运行中的即用型示例可在样品目录。这些示例提供了工作代码和分步指南，以帮助您开始使用每个MCP服务器。

氛围编程

您可以将这些MCP服务器与您的AI编码助手一起使用氛围代码。有关如何改善您的vibe编码体验的提示和技巧，请参阅我们的引导.

其他资源

安全

看贡献了解更多信息。

贡献

向我们出色的贡献者致敬！谢谢你让这个项目变得更好！

![contributors](https://github.com/awslabs/mcp/graphs/contributors)

欢迎各界人士投稿！查看我们的贡献者指南了解更多信息。

开发者指南

如果您想向库中添加新的MCP服务器，请查看我们的开发指南请务必遵循我们的设计指南.

许可证

此项目根据Apache-2.0许可证获得许可。

免责声明

在使用MCP服务器之前，您应该考虑进行自己的独立评估，以确保您的使用符合您自己的特定安全和质量控制实践和标准，以及管理您和您的内容的法律、规则和法规。

first SSE

快速接入

详细介绍

AWS MCP服务器

目录

什么是模型上下文协议（MCP），它如何与AWS MCP服务器协同工作？

服务器发送事件支持删除

为什么选择AWS MCP服务器？

可用的MCP服务器

按您正在构建的内容浏览

📚 实时访问AWS官方文档

🏗️ 基础设施和部署

基础设施即代码

集装箱平台

无服务器和功能

支持

🤖 人工智能与机器学习

📊 数据与分析

SQL和NoSQL数据库

搜索和分析

缓存和性能

🛠️ 开发人员工具和支持

📡 集成和消息传递

💰 成本与运营

按您的工作方式浏览

👨‍💻 Vibe编码与开发

核心开发工作流程

基础设施即代码

应用程序开发

容器和无服务器开发

测试和数据

💬 会话助理

知识与搜索

内容处理和生成

商业服务

🤖 自主背景代理

数据操作和ETL

缓存和性能

工作流程与集成

运营与监控

MCP AWS Lambda处理模块

服务器用例

安装和设置

在容器中运行MCP服务器

开始使用Cline和Amazon Bedrock

cline_mcp_settings.json

Cursor入门

.cursor/mcp.json

Windsurf入门

~/.codeium/windsurf/mcp_config.json

样品

氛围编程

其他资源

安全

贡献

开发者指南

许可证

免责声明

目录标签

接入字段

权限和风险

来源信息

继续浏览同类 MCP

`cline_mcp_settings.json`

`.cursor/mcp.json`

`~/.codeium/windsurf/mcp_config.json`