Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

Configurez le AWS Serveur MCP

Le serveur AWS MCP est un serveur Model Context Protocol géré par l'Agent Toolkit for AWS. Il donne à votre agent d'intelligence artificielle un accès authentifié à AWS  : exécuter des appels d' AWS API en votre nom, exécuter des scripts dans un environnement sandbox et mettre à disposition des AWS compétences (y compriscompétence amazon-opensearch-service) à la demande. Utilisez-le pour travailler avec les domaines OpenSearch de service et les collections OpenSearch sans serveur de votre agent.

Conditions préalables

Installez le plugin aws-data-analytics (recommandé)

Le aws-data-analytics plugin regroupe la configuration du serveur AWS MCP et la amazon-opensearch-service compétence en une seule installation, de sorte que vous n'avez pas à configurer le point de terminaison MCP ou à installer la compétence séparément.

Claude Code

/plugin install aws-data-analytics@claude-plugins-official
/reload-plugins

Codex

codex plugin marketplace add aws/agent-toolkit-for-aws

Lancez ensuite Codex et lancez /plugins pour parcourir et installer le aws-data-analytics plugin.

Configurez le AWS Serveur MCP directement

Si votre agent ne prend pas en charge les plug-ins, configurez directement le serveur AWS MCP. Suivez la section Configuration du serveur AWS MCP dans le kit d'outils des agents pour obtenir de AWS la documentation, puis posez une OpenSearch question à votre agent : il découvre la amazon-opensearch-service compétence lors de l'exécution via le serveur.

Utilisez la commande AWS Serveur MCP sans compétences

Vous pouvez utiliser le serveur AWS MCP directement sans charger la amazon-opensearch-service compétence. Dans ce mode, l'agent utilise l'call_awsoutil intégré du serveur pour appeler directement les opérations d' AWS API. Cela est utile pour les opérations ad hoc ou lorsque vous souhaitez contrôler avec précision les appels d'API effectués par votre agent.

Par exemple, pour créer une collection OpenSearch sans serveur :

Create an OpenSearch Serverless search collection named "my-collection" in us-east-1

L'agent appelle l'CreateCollectionAPI OpenSearch Serverless en votre nom à l'aide de vos informations d'identification configurées :

{
  "name": "my-collection",
  "type": "SEARCH",
  "description": "My search collection"
}

Vous pouvez également exécuter des opérations sur des ressources existantes sans compétences. Par exemple :

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

Le serveur AWS MCP gère l'authentification et traduit vos demandes en langage naturel en AWS API ou en appels d' OpenSearch API appropriés.

Vérifiez la configuration

Après l'installation, redémarrez votre agent afin qu'il charge la nouvelle configuration. Ensuite, demandez :

What AWS skills do you have available for OpenSearch?

L'agent doit signaler la amazon-opensearch-service compétence. Essayez une tâche telle que « Lister mes domaines de OpenSearch service » : l'agent exécute l'appel via le serveur AWS MCP à l'aide des informations d'identification que vous avez configurées.

Considérations sur la sécurité

Le serveur AWS MCP fonctionne avec les informations d'identification que vous fournissez. Suivez les pratiques suivantes :

Résolution des problèmes

Utilisation avec des frameworks d'agents

Vous pouvez intégrer le serveur AWS MCP dans des frameworks d'agents Python pour les flux de travail programmatiques. Les exemples suivants se connectent au point de terminaison du serveur AWS MCP, qui fournit un accès authentifié à OpenSearch d'autres AWS services.

Agents à mèches

Strands Agents est un SDK d'agent AWS natif avec support MCP intégré et Amazon Bedrock comme fournisseur de modèles par défaut.

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)

Installez les packages requis :

pip install strands-agents mcp-proxy-for-aws

LangGraph

LangGraphest un framework d'orchestration de bas niveau permettant de créer des agents dynamiques. L'exemple suivant permet mcp-proxy-for-aws de fournir un transport authentifié et de langchain-mcp-adapters charger les outils AWS MCP dans un LangChain agent soutenu par Amazon Bedrock.

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())

Installez les packages requis :

pip install mcp-proxy-for-aws langchain langchain-aws langchain-mcp-adapters langgraph

En savoir plus