⚙

AWS MCP 服务器

AWS MCP 服务器是一套专门设计的服务器，通过标准化的模型上下文协议（MCP）为AI应用程序提供AWS文档、上下文指导和最佳实践的访问，以增强云原生开发和基础设施管理。

作者 By Joseph19820124
本地部署 AWS AI辅助开发
GitHub

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。

目录

  • 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

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
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：

  1. 安装 uv 从 星体
  2. 使用以下命令安装Python uv python install 3.10
  3. 配置AWS凭据以访问所需的服务
  4. 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):

JSON``` 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165{ “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：


SHELL```
1
2
3
4
5
6
7
8# Run MCP server manually with timeout 15s
$ timeout 15s uv tool run <MCP Name> <args> 2>&1 || echo "Command completed or timed out"
# Example (Aurora MySQL MCP Server)
$ timeout 15s uv tool run awslabs.mysql-mcp-server --resource_arn <Your Resource ARN> --secret_arn <Your 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 <tool>：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 <tool>@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

BASE``` 1 2cd 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：


.ENV```
1
2
3
4# 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。

JSON``` 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22{ “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](https://aws.amazon.com/bedrock/pricing/)。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](https://docs.aws.amazon.com/bedrock/latest/userguide/model-access-modify.html) 关于允许模型访问亚马逊基岩基础模型（FM）。


1. 按照上述步骤 **安装和设置** 要安装的部分 `uv` 从 [星体](https://docs.astral.sh/uv/getting-started/installation/)，安装Python，并使用所需的服务配置AWS凭据。
2. 如果使用Visual Studio代码，请安装 [Cline VS代码扩展](https://marketplace.visualstudio.com/items?itemName=saoudrizwan.claude-dev) （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。






1. 选择 **MCP服务器** 按钮。






1. 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。






1. 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`


JSON```
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30{
  "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": []
    },
   }
 }

  1. 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。

  2. 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。

  3. 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。

  4. 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。

  5. 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：

1For 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.
  1. 粘贴自定义提示后，单击 完成 返回聊天界面。
  2. 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

  1. 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。
  2. 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

JSON``` 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 { “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”: [] } } }


1. **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...`
2. **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
1. 按照上述步骤 **安装和设置** 要安装的部分 `uv` 从 [星体](https://docs.astral.sh/uv/getting-started/installation/)，安装Python，并使用所需的服务配置AWS凭据。
2. **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
3. **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
4. **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`


JSON```
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30{
  "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！

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。