Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich. # Richten Sie das ein AWS MCP-Server Der AWS MCP-Server ist ein verwalteter Model Context Protocol-Server aus dem Agent Toolkit für. AWS Er ermöglicht Ihrem KI-Agenten authentifizierten Zugriff AWS auf die Ausführung von AWS API-Aufrufen in Ihrem Namen, die Ausführung von Skripten in einer Sandbox-Umgebung und die Bereitstellung von AWS Fähigkeiten (einschließlich der) nach Bedarf. [Amazon-OpenSearch-Service-Fähigkeit](amazon-opensearch-service-skill.md) Verwenden Sie es, um mit OpenSearch Service-Domains und OpenSearch serverlosen Sammlungen Ihres Agenten zu arbeiten. **Anmerkung** Der AWS MCP-Server stellt eine Verbindung zu öffentlichen Amazon OpenSearch Service-Endpunkten her. Es unterstützt keine Domänen oder Sammlungen, die in einer VPC bereitgestellt werden. Wenn Ihre OpenSearch Service-Domain oder OpenSearch Serverless-Sammlung VPC-Zugriff verwendet, verwenden Sie stattdessen die Open-Source-Version [opensearch-mcp-server-py](https://github.com/opensearch-project/opensearch-mcp-server-py), die VPC-Konnektivität über die lokale Konfiguration unterstützt. ## Voraussetzungen + Ein KI-Codierungsagent, der das Agent Toolkit für unterstützt AWS (wie Kiro, Claude Code, Cursor und Codex). + AWS lokal konfigurierte Anmeldeinformationen (z. B. ein AWS CLI-Profil oder Umgebungsanmeldeinformationen) mit Berechtigungen für die OpenSearch Operationen, die Sie ausführen möchten. Informationen zu Domänen finden Sie unter[Identity-based Richtlinien](ac.md#ac-types-identity); Informationen zu Serverless finden Sie unter[Datenzugriffskontrolle für Amazon OpenSearch Serverless](serverless-data-access.md). ## Installieren Sie das AWS-Data-Analytics-Plugin (empfohlen) Das `aws-data-analytics` Plugin bündelt die AWS MCP Server-Konfiguration und den `amazon-opensearch-service` Skill in einer einzigen Installation, sodass Sie den MCP-Endpunkt nicht konfigurieren oder den Skill separat installieren müssen. **Claude Code** ``` /plugin install aws-data-analytics@claude-plugins-official /reload-plugins ``` **Kodex** ``` codex plugin marketplace add aws/agent-toolkit-for-aws ``` Starten Sie dann Codex und starten Sie `/plugins` es, um das Plugin zu durchsuchen und zu installieren. `aws-data-analytics` ## Konfiguriere das AWS MCP-Server direkt Wenn Ihr Agent keine Plugins unterstützt, konfigurieren Sie den AWS MCP-Server direkt. [Die AWS Dokumentation finden Sie unter Einrichtung des AWS MCP-Servers](https://docs.aws.amazon.com/agent-toolkit/latest/userguide/getting-started-aws-mcp-server.html) im Agent-Toolkit. Stellen Sie dann Ihrem Agenten eine OpenSearch Frage — er erkennt den `amazon-opensearch-service` Skill zur Laufzeit über den Server. ## Verwenden Sie den AWS MCP Server ohne Fähigkeiten Sie können den AWS MCP-Server direkt verwenden, ohne den `amazon-opensearch-service` Skill zu laden. In diesem Modus verwendet der Agent das integrierte `call_aws` Tool des Servers, um AWS API-Operationen direkt aufzurufen. Dies ist nützlich für Ad-hoc-Operationen oder wenn Sie eine genaue Kontrolle über die API-Aufrufe Ihres Agenten wünschen. Um beispielsweise eine OpenSearch serverlose Sammlung zu erstellen: ``` Create an OpenSearch Serverless search collection named "my-collection" in us-east-1 ``` Der Agent ruft die OpenSearch Serverless `CreateCollection` API in Ihrem Namen mit Ihren konfigurierten Anmeldeinformationen auf: ``` { "name": "my-collection", "type": "SEARCH", "description": "My search collection" } ``` Sie können Operationen auch ohne Vorkenntnisse auf vorhandenen Ressourcen ausführen. Beispiel: ``` List all my OpenSearch Service domains in us-east-1 Show the cluster health for my domain named production-domain Create an index called products in my collection endpoint ``` Der AWS MCP-Server übernimmt die Authentifizierung und übersetzt Ihre Anfragen in natürlicher Sprache in die entsprechenden AWS API- oder OpenSearch API-Aufrufe. ## Überprüfen Sie das Setup Starten Sie Ihren Agenten nach der Installation neu, damit er die neue Konfiguration lädt. Fragen Sie dann: ``` What AWS skills do you have available for OpenSearch? ``` Der Agent sollte den `amazon-opensearch-service` Skill melden. Versuchen Sie es mit einer Aufgabe wie *„Meine OpenSearch Dienstdomänen auflisten“*. Der Agent leitet den Anruf mithilfe Ihrer konfigurierten Anmeldeinformationen über den AWS MCP-Server weiter. ## Sicherheitsüberlegungen Der AWS MCP-Server wird mit den von Ihnen angegebenen Anmeldeinformationen ausgeführt. Gehen Sie wie folgt vor: + **Verwenden Sie Anmeldeinformationen mit den geringsten Rechten.** Richten Sie einen dedizierten IAM-Principal auf die OpenSearch Ressourcen und Aktionen ein, die der Agent benötigt. Vermeiden Sie Administratoranmeldedaten. + **Getrennte Entwicklung und Produktion.** Richten Sie den Server zur Erkundung auf Ressourcen, die nicht zur Produktion gehören, und fordern Sie eine Bestätigung an, bevor Änderungen an der Produktion vorgenommen werden. + **Schützen Sie Ihre Anmeldeinformationen.** Bevorzugen Sie IAM-Rollen und AWS CLI-Profile gegenüber statischen Zugriffsschlüsseln und übergeben Sie niemals Geheimnisse an Konfigurationsdateien in der Quellcodeverwaltung. + **Überprüfen Sie die Ausgabe des Tools.** Die Antworten des MCP-Tools werden als Kontext an das Modell zurückgegeben. Vermeiden Sie es, den Server anhand von Indizes mit vertraulichen Daten laufen zu lassen, die Ihrem Modellanbieter nicht zugänglich gemacht werden sollen. ## Fehlerbehebung + **Der Agent sieht keine OpenSearch Fähigkeiten oder Tools** — Vergewissern Sie sich, dass die Plugin- oder MCP-Konfiguration gültig ist, und starten Sie Ihren Agenten vollständig neu. Die meisten Agenten laden MCP-Server nur beim Start. + **Aufrufe geben 403 Forbidden zurück** — Ihre Anmeldedaten sind nicht berechtigt, die API aufzurufen. Überprüfen Sie bei Domains die Domain-Zugriffsrichtlinie und die IAM-Richtlinien auf Ihrem Principal. Überprüfen Sie bei Serverless die Datenzugriffsrichtlinie der Sammlung. ## Verwendung mit Agent-Frameworks Sie können den AWS MCP-Server in Python-Agent-Frameworks für programmatische Workflows integrieren. Die folgenden Beispiele stellen eine Verbindung zum AWS MCP-Server-Endpunkt her, der authentifizierten Zugriff auf und andere Dienste ermöglicht. OpenSearch AWS ### Strands Agenten [Strands Agents](https://strandsagents.com) ist ein AWS natives Agenten-SDK mit integrierter MCP-Unterstützung und Amazon Bedrock als Standardmodellanbieter. ``` from strands import Agent from strands.tools.mcp import MCPClient from mcp_proxy_for_aws.client import aws_iam_streamablehttp_client ENDPOINT = "https://aws-mcp.us-east-1.api.aws/mcp" AWS_REGION = "us-east-1" opensearch_client = MCPClient( lambda: aws_iam_streamablehttp_client( endpoint=ENDPOINT, aws_service="aws-mcp", aws_region=AWS_REGION, ) ) with opensearch_client: agent = Agent(tools=opensearch_client.list_tools_sync()) response = agent("What OpenSearch Service domains do I have?") print(response) ``` Installieren Sie die erforderlichen Pakete: ``` pip install strands-agents mcp-proxy-for-aws ``` ### LangGraph [LangGraph](https://github.com/langchain-ai/langgraph)ist ein Orchestrierungs-Framework auf niedriger Ebene zum Erstellen von Stateful-Agents. Das folgende Beispiel dient `mcp-proxy-for-aws` dazu, einen authentifizierten Transport bereitzustellen und `langchain-mcp-adapters` die AWS MCP-Tools in einen von Amazon Bedrock unterstützten LangChain Agenten zu laden. ``` import asyncio from mcp import ClientSession from mcp_proxy_for_aws.client import aws_iam_streamablehttp_client from langchain_mcp_adapters.tools import load_mcp_tools from langchain_aws import ChatBedrock from langchain.agents import create_agent ENDPOINT = "https://aws-mcp.us-east-1.api.aws/mcp" AWS_REGION = "us-east-1" async def main(): async with aws_iam_streamablehttp_client( endpoint=ENDPOINT, aws_service="aws-mcp", aws_region=AWS_REGION, ) as (read_stream, write_stream, _get_session_id): async with ClientSession(read_stream, write_stream) as session: await session.initialize() tools = await load_mcp_tools(session) model = ChatBedrock( model_id="us.anthropic.claude-opus-4-8", region_name=AWS_REGION, ) agent = create_agent(model, tools) result = await agent.ainvoke( {"messages": [{"role": "user", "content": "What OpenSearch Service domains do I have?"}]} ) print(result["messages"][-1].content) asyncio.run(main()) ``` Installieren Sie die erforderlichen Pakete: ``` pip install mcp-proxy-for-aws langchain langchain-aws langchain-mcp-adapters langgraph ``` ## Weitere Informationen + [Agent-Toolkit für Komponenten AWS](https://docs.aws.amazon.com/agent-toolkit/latest/userguide/components.html)