Token导航 LogoToken导航TokenDH.com
Sagemaker AI MCP Server logo
运维云端未说明官方级别未说明来源级核验

Sagemaker AI MCP Server

MCP Server

一个用于Amazon SageMaker AI的模型上下文协议(MCP)服务器,使AI助手能够访问、操作和管理SageMaker AI资源。

工具数

57

提示词数

0

GitHub Stars

2

资源数

0
Python云端部署Docker

安装说明

本站只整理中文说明和来源信息,不托管安装包,也不代用户安装。

作者 / 组织

dgallitelli

提供方

dgallitelli

最后核验

2026/5/17 20:22

快速接入

先看主来源和安装命令,再打开仓库或文档;下面只保留这个条目的关键接入事实。

详细介绍

SageMaker AI MCP服务器

Amazon SageMaker AI的模型上下文协议(MCP)服务器,使AI助手能够访问、工作和管理SageMaker人工智能资源。

特性

  • 管理和使用SageMaker AI端点资源
  • 管理和使用SageMaker AI培训、处理和转换工作
  • 管理和使用SageMaker AI管道
  • SageMaker AI管理的工作流跟踪服务器的CRUD操作
  • SageMaker AI域的CRUD操作
  • 管理和使用模型和模型卡
  • SageMaker AI推荐工作的CRUD操作
  • SageMaker AI应用程序的CRUD操作

先决条件

  1. 安装 uv星体
  2. 使用以下命令安装Python uv python install 3.10
  3. 设置AWS凭据以访问Amazon SageMaker AI资源。

- 您需要一个启用了Amazon SageMaker AI的AWS帐户 - 使用配置AWS凭据 aws configure 或环境变量 - 确保您的IAM角色/用户有权使用Amazon SageMaker AI

  1. 创建具有SageMaker AI操作所需权限的SageMaker执行角色

安装

在制品

环境变量

  • AWS_PROFILE:用于凭据的AWS CLI配置文件
  • AWS_REGION:要使用的AWS区域(默认值:us-east-1)
  • SAGEMAKER_EXECUTION_ROLE_ARN:SageMaker执行角色的ARN

AWS身份验证

服务器使用中指定的AWS配置文件 AWS_PROFILE 环境变量。如果未提供,则默认为默认凭据提供程序链。

"env": {
  "AWS_PROFILE": "your-aws-profile",
  "AWS_REGION": "us-east-1",
  "SAGEMAKER_EXECUTION_ROLE_ARN": "arn:aws:iam::123456789012:role/SageMakerExecutionRole"
}

确保AWS配置文件具有访问Amazon SageMaker AI服务的权限。MCP服务器使用指定的配置文件创建boto3会话,以向AWS服务进行身份验证。

工具

SageMaker AI端点和端点配置工具列表

  • list_endpoints_sagemaker(列出所有sagemaker AI端点)
  • list_endpoint_configs_sagemaker(列出所有sagemaker AI端点配置)
  • describe_端点_管理器(描述sagemaker AI端点)
  • describee_endpoint_config_manager(描述sagemaker AI端点配置)
  • delete_endpoint_sanagemaker(删除sagemaker AI端点)
  • delete_endpoint_config_managemaker(删除sagemaker AI端点配置)

SageMaker AI工作工具列表

  • list_training_jobs_manager(列出所有sagemaker AI培训职位)
  • list_processing_jobs_manager(列出所有sagemaker AI处理作业)
  • list_transform_jobs_manager(列出所有sagemaker AI转换作业)
  • list_inference_recommender_jobs_manager(列出所有sagemaker AI推理推荐器作业)
  • list_inference_recommender_job_steps_sagemaker(列出sagemaker AI推理推荐器作业的所有步骤)
  • describe_training_job_sanager(描述sagemaker人工智能培训工作)
  • describe_processing_job_sanagemaker(描述sagemaker AI处理作业)
  • describe_transform_job_sanagemaker(描述sagemaker AI转换作业)
  • describe_reference_recommender_job_sanager(描述sagemaker AI推理推荐器作业)
  • stop_training_job_sanagemaker(停止sagemaker AI培训作业)
  • stop_processing_job_sanagemaker(停止sagemaker AI处理作业)
  • stop_transform_job_sanagemaker(停止sagemaker AI转换作业)
  • stop_inference_recommender_job_sanager(停止sagemaker AI推理推荐器作业)

SageMaker AI管道工具列表

  • list_pipelines_sagemaker(列出所有sagemaker AI管道)
  • list_pipeline_executions_sagemaker(列出sagemaker AI管道的所有管道执行)
  • list_pipeline_execution_seps_sagemaker(列出sagemaker AI管道执行的所有步骤)
  • list_pipeline_parameters_for_execution_sanagemaker(列出sagemaker AI管道执行的所有参数)
  • describe_pipeline_sagemaker(描述sagemaker AI管道)
  • describe_pipeline执行_管理器(描述sagemaker AI流水线执行)
  • describe_pipeline_definition for execution_sanagemaker(描述用于执行的sagemaker AI管道定义)
  • start_pipeline_execution_sanagemaker(启动sagemaker AI管道执行)
  • stop_pipeline_execution_sanagemaker(停止sagemaker AI管道执行)
  • delete_pipeline_sanagemaker(删除sagemaker AI管道)

SageMaker AI用户配置文件和空间工具列表

  • list_user_profiles_manager(列出所有sagemaker AI用户配置文件)
  • list_spaces_sagemaker(列出所有sagemaker AI空间)

SageMaker AI工作流管理跟踪服务器工具列表

  • list_mlflow_tracking_servers_sagemaker(列出所有工作流跟踪服务器)
  • create_mlflow_tracking_server_sanager(创建一个新的工作流跟踪服务器)
  • create_presesigned_mlflow_tracking_server_url_sanager(为MLflowTracking服务器创建一个预签名的url)
  • describe_mlflow_tracking_server_sanager(描述一个流跟踪服务器)
  • start_mlflow_tracking_server_sanagemaker(启动工作流跟踪服务器)
  • stop_mlflow_tracking_server_sanagemaker(停止工作流跟踪服务器)
  • delete_mlflow_tracking_server_sanagemaker(删除工作流跟踪服务器)

SageMaker AI领域工具列表

  • list_domains_sagemaker(列出所有sagemaker AI域)
  • create_pesignd_domain_url_sanager(为sagemaker域创建预签名url)
  • describe_domain_sanagemaker(描述sagemaker AI领域)
  • delete_domain_sanagemaker(删除sagemaker AI域)

SageMaker AI模型工具列表

  • list_models_managemaker(列出所有sagemaker AI模型)
  • describe_model_sanagemaker(描述sagemaker人工智能模型)
  • delete_model_sagemaker(删除sagemaker AI模型)

SageMaker AI模型卡工具列表

  • list_model_cards_sagemaker(列出所有sagemaker AI模型卡)
  • list_model_card_export_jobs_manager(列出所有sagemaker AI模型卡导出作业)
  • list_model_card_versions_managemaker(列出sagemaker AI模型卡的所有版本)
  • describe_model_card_sanagemaker(描述sagemaker AI模型卡)
  • delete_model_card_sanagemaker(删除sagemaker AI模型卡)

SageMaker AI应用程序的工具列表

  • list_apps_sagemaker(列出所有sagemaker AI应用程序)
  • create_app_sanagemaker(创建sagemaker AI应用程序)
  • create_presesigned_notebook_instance_url_managemaker(为sagemaker笔记本实例创建预签名url)
  • describe_app_sanagemaker(描述sagemaker AI应用程序)
  • describe_app_image_config_sagemaker(描述sagemaker AI应用程序图像配置)
  • delete_app_sanagemaker(删除sagemaker AI应用程序)
  • delete_app_image_config_sagemaker(删除sagemaker AI应用程序映像配置)

安全考虑

  • 使用具有适当权限的AWS IAM角色
  • 安全地存储凭据
  • 尽可能使用临时凭据

许可证

此项目根据Apache许可证2.0版获得许可。请参阅 许可证 文件以获取详细信息。

目录标签

目录标签

Python云端部署DockerAI资源管理本地部署SageMaker工具机器学习平台AWS服务

接入字段

传输方式(transport,传输协议)

未说明

鉴权方式(authType,认证方式)

none

工具数量(toolCount,工具数)

57

资源数量(resourceCount,资源数)

0

提示词数量(promptCount,提示词数)

0

权限和风险

未说明none部署方式未说明

接入前请确认传输方式、认证方式和部署位置,并根据实际工具能力限制访问范围。

安装前确认

不要直接授予不必要的文件、网络或账号权限;先核对安装命令和配置内容。

仍需确认:installCommand

来源信息

继续浏览同类 MCP