AWS 资源 MCP 服务器

“AWS 资源” MCP 服务器能做什么？

AWS 资源 MCP 服务器是 Model Context Protocol (MCP) 的一个 Python 实现，使 AI 助手（如 Claude）能够直接通过 boto3 访问和操作 AWS 服务。该服务器允许执行生成的 Python 代码以查询和管理 AWS 资源，提供强大的 AWS 运维能力，并具备适当的沙箱和容器化机制。只需传递您的 AWS 凭证，开发者与运维团队即可通过对话式 AI 界面管理 AWS 资源、执行查询和管理任务，无需复杂配置。服务器灵活，支持读写操作，完全受 AWS 用户角色权限控制。

提示列表

可用仓库文件中未指定提示模板。

资源列表

可用仓库文件中未明示 MCP 资源列表或描述。

工具列表

可用仓库文件中未明示工具定义（如 query_database、read_write_file、call_api 等）。

本 MCP 服务器的应用场景

• AWS 资源查询
  通过 AI 助手用自然语言直接查询 AWS 资源信息（如 EC2 实例、S3 存储桶、Lambda 函数）。
• AWS 资源管理
  按您的 AWS 凭证执行管理操作，如启动/停止 EC2 实例、创建/修改资源等。
• DevOps 自动化
  实现 AWS 基础设施任务的对话式自动化，无需手动 CLI 或控制台操作。
• 安全与合规检查
  使用 boto3 编写临时代码检查 AWS 资源合规性、安全组设置或配置漂移。
• 事件响应与故障排查
  通过 AI 交互式地排查 AWS 环境、快速响应事件，按需执行诊断代码。

如何部署

Windsurf

1. 确保已安装 Node.js。
2. 打开您的 Windsurf 配置文件。
3. 找到 mcpServers 对象。
4. 添加 AWS 资源 MCP 服务器，参考如下 JSON 片段。
5. 保存文件并重启 Windsurf 以应用更改。

"mcpServers": {
  "aws-resources": {
    "command": "npx",
    "args": ["@aws/mcp-server@latest"],
    "env": {
      "AWS_ACCESS_KEY_ID": "your-access-key-id",
      "AWS_SECRET_ACCESS_KEY": "your-secret-access-key"
    }
  }
}

注意： 请如上所示通过环境变量安全传递 AWS 凭证。

Claude

1. 打开 Claude 的 MCP 集成设置。
2. 新建 MCP 服务器条目。
3. 按如下方式填写 AWS 资源 MCP 服务器。
4. 保存并在必要时重启 Claude。

"mcpServers": {
  "aws-resources": {
    "command": "npx",
    "args": ["@aws/mcp-server@latest"],
    "env": {
      "AWS_ACCESS_KEY_ID": "your-access-key-id",
      "AWS_SECRET_ACCESS_KEY": "your-secret-access-key"
    }
  }
}

注意： 敏感凭证请使用环境变量。

Cursor

1. 如未安装，请先安装 Node.js。
2. 编辑 Cursor 的配置文件，加入 MCP 服务器。
3. 插入如下配置。
4. 保存并重启 Cursor。

"mcpServers": {
  "aws-resources": {
    "command": "npx",
    "args": ["@aws/mcp-server@latest"],
    "env": {
      "AWS_ACCESS_KEY_ID": "your-access-key-id",
      "AWS_SECRET_ACCESS_KEY": "your-secret-access-key"
    }
  }
}

Cline

1. 确认已安装 Cline 和 Node.js。
2. 打开配置文件。
3. 添加如上 MCP 服务器配置。
4. 保存并重启环境。

"mcpServers": {
  "aws-resources": {
    "command": "npx",
    "args": ["@aws/mcp-server@latest"],
    "env": {
      "AWS_ACCESS_KEY_ID": "your-access-key-id",
      "AWS_SECRET_ACCESS_KEY": "your-secret-access-key"
    }
  }
}

API 密钥安全建议：
始终使用环境变量传递敏感密钥。
示例：

"env": {
  "AWS_ACCESS_KEY_ID": "your-access-key-id",
  "AWS_SECRET_ACCESS_KEY": "your-secret-access-key"
}

如何在流程中使用本 MCP

FlowHunt 中的 MCP 使用方式

要在 FlowHunt 工作流中集成 MCP 服务器，首先在流程中添加 MCP 组件，并将其连接到您的 AI agent：

点击 MCP 组件打开配置面板。在系统 MCP 配置区，按如下 JSON 格式填写您的 MCP 服务器信息：

{
  "aws-resources": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

配置好后，AI agent 即可作为工具使用该 MCP，拥有其全部功能和能力。请记得将 “aws-resources” 替换为实际 MCP 服务器名称，并将 URL 替换为您自己的 MCP 服务器地址。

概览

根据目前的信息及缺失部分（无显式工具、资源或提示模板），本 MCP 服务器实现了 AWS 自动化的基础但有价值的用例，但若要获得更高评分还需更多文档和明确的 MCP 特性。

我们的看法

鉴于现有功能和文档，本 MCP 服务器可用且面向明确场景（通过对话式 AI 实现 AWS 自动化），但缺少诸如提示模板、资源定义或工具 schema 等标准 MCP 明确特性。对于高级用户来说足够直接，但若想更广泛采用，还需在能力和安全性上做进一步说明。
评分：5/10

MCP 评分