Présentation du projet AWS MCP Servers

Aperçu du projet

AWS MCP (Model Context Protocol) Servers est un projet open source développé par AWS Labs, conçu pour améliorer l'interaction des grands modèles de langage (LLM) avec les services AWS grâce à des serveurs MCP dédiés. Le projet est disponible à l'adresse https://github.com/awslabs/mcp. En fournissant des interfaces et des outils standardisés, il aide les assistants d'IA (tels qu'Amazon Q Developer, Claude, Cline, etc.) à exécuter plus efficacement les tâches liées à AWS, tout en garantissant le respect des meilleures pratiques AWS, de la conformité en matière de sécurité et des processus de développement efficaces.

Fonctionnalités clés

• Amélioration de la qualité de la sortie du modèle : En injectant des informations sur les services AWS dans le contexte du modèle, on réduit les hallucinations et on améliore la précision des réponses.
• Automatisation des flux de travail : Prise en charge des flux de travail CDK, Terraform, CloudFormation, etc., simplifiant les tâches complexes.
• Connaissances spécialisées du domaine : Fournit un contexte approfondi des services AWS, comblant les lacunes des données d'entraînement du modèle.
• Sécurité prioritaire : Prise en charge du mode lecture seule, du contrôle d'accès IAM et des restrictions sur les données sensibles.

Composants principaux

Le projet comprend plusieurs serveurs MCP indépendants, couvrant divers services et fonctionnalités d'AWS :

1. AWS CDK MCP Server

   • Fonctionnalité : Prise en charge du développement AWS CDK, intégration de CDK Nag pour garantir la conformité en matière de sécurité.
   • Cas d'utilisation : Construction et gestion rapides de l'infrastructure cloud.

2. AWS Terraform MCP Server

   • Fonctionnalité : Prise en charge des flux de travail Terraform, intégration de Checkov pour l'analyse de sécurité.
   • Cas d'utilisation : Génération de scripts Terraform sécurisés.

3. AWS Serverless MCP Server

   • Fonctionnalité : Fournit une prise en charge du développement sans serveur pour Lambda, API Gateway, etc., intégration de SAM CLI.
   • Cas d'utilisation : Construction et déploiement rapides d'applications sans serveur.

4. AWS Documentation MCP Server

   • Fonctionnalité : Récupération de la documentation AWS, conversion au format Markdown, fourniture de recommandations de contenu.
   • Cas d'utilisation : Recherche rapide de la documentation AWS ou de recommandations de services.

5. Amazon ECS MCP Server

   • Fonctionnalité : Prise en charge du développement, du déploiement et du dépannage d'applications conteneurisées.
   • Cas d'utilisation : Déploiement ECS et gestion de la conteneurisation.

D'autres serveurs incluent DynamoDB, Aurora, CloudWatch Logs, etc. Voir le dépôt GitHub pour plus de détails.

Architecture technique

• Exécution locale : Communication avec le client AI via le flux stdio.
• Adaptation AWS Lambda : Prise en charge du déploiement des serveurs MCP en tant que fonctions Lambda, adapté aux appels cloud.
• Contrôle de sécurité : Prise en charge du mode lecture seule, de l'intégration IAM et des restrictions sur les données sensibles.

Exemple de configuration

{
  "mcpServers": {
    "awslabs.aws-serverless-mcp-server": {
      "command": "uvx",
      "args": ["awslabs.aws-serverless-mcp-server@latest"],
      "env": {
        "AWS_PROFILE": "your-aws-profile",
        "AWS_REGION": "us-east-1",
        "FASTMCP_LOG_LEVEL": "ERROR"
      },
      "disabled": false,
      "autoApprove": []
    }
  }
}

Installation et utilisation

Méthodes d'installation

1. Installation via PyPI :

   uv pip install awslabs.<server-name>-mcp-server
   

2. Exécution à partir du code source :

   git clone https://github.com/awslabs/mcp.git
   cd mcp/src/<server-name>
   uv run main.py
   

3. Exécution via Docker :

   docker build -t awslabs/<server-name>-mcp-server .
   docker run --rm --interactive --env FASTMCP_LOG_LEVEL=ERROR awslabs/<server-name>-mcp-server:latest
   

Étapes d'utilisation

1. Configurez les informations d'identification AWS.
2. Modifiez mcp.json pour ajouter la configuration du serveur.
3. Utilisez un client AI compatible MCP pour interagir avec le serveur.

Avantages

• Protocole MCP standardisé, compatible avec divers assistants d'IA.
• Intégration des meilleures pratiques AWS, garantissant une sortie de haute qualité.
• Couverture d'une large gamme de services AWS.
• Open source, piloté par la communauté.

Ressources supplémentaires

• Dépôt GitHub : https://github.com/awslabs/mcp
• Paquet PyPI : https://pypi.org/project/awslabs.aws-documentation-mcp-server/
• Blog AWS : https://aws.amazon.com/blogs/
• Serverless Land : https://serverlessland.com/