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 compris[compétence amazon-opensearch-service](amazon-opensearch-service-skill.md)) à la demande. Utilisez-le pour travailler avec les domaines OpenSearch de service et les collections OpenSearch sans serveur de votre agent. **Note** Le serveur AWS MCP se connecte aux points de terminaison Amazon OpenSearch Service publics. Il ne prend pas en charge les domaines ou les collections déployés dans un VPC. Si votre domaine de OpenSearch service ou votre collection OpenSearch Serverless utilise un accès VPC, utilisez plutôt le logiciel open [source](https://github.com/opensearch-project/opensearch-mcp-server-py) opensearch-mcp-server-py, qui prend en charge la connectivité VPC via une configuration locale. ## Conditions préalables + Un agent de codage basé sur l'IA qui prend en charge le kit d'outils pour les agents AWS (tels que Kiro, Claude Code, Cursor et Codex). + AWS informations d'identification configurées localement (par exemple, un profil AWS CLI ou des informations d'identification d'environnement) avec autorisation pour les OpenSearch opérations que vous souhaitez exécuter. Pour les domaines, voir [Identity-based politiques](ac.md#ac-types-identity) ; pour Serverless, voir[Contrôle d'accès aux données pour Amazon OpenSearch Serverless](serverless-data-access.md). ## 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](https://docs.aws.amazon.com/agent-toolkit/latest/userguide/getting-started-aws-mcp-server.html) 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_aws`outil 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'`CreateCollection`API 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 : + **Utilisez des informations d'identification dotées du moindre privilège.** Définissez un principe IAM dédié aux OpenSearch ressources et aux actions dont l'agent a besoin. Évitez les informations d'identification d'administrateur. + **Développement et production séparés.** Dirigez le serveur vers des ressources non liées à la production à des fins d'exploration et demandez une confirmation avant de modifier la production. + **Protégez les informations d'identification.** Préférez les rôles IAM et les profils AWS CLI aux clés d'accès statiques, et ne communiquez jamais de secrets aux fichiers de configuration lors du contrôle de source. + **Passez en revue les résultats de l'outil.** Les réponses de l'outil MCP sont renvoyées au modèle sous forme de contexte. Évitez d'exécuter le serveur sur des index contenant des données sensibles que vous ne souhaitez pas exposer à votre fournisseur de modèles. ## Résolution des problèmes + **L'agent ne voit aucune OpenSearch compétence ni aucun outil**. Vérifiez que la configuration du plugin ou du MCP est valide et redémarrez complètement votre agent. La plupart des agents chargent les serveurs MCP uniquement au démarrage. + **Les appels renvoient 403 Forbidden** — Vos informations d'identification ne sont pas autorisées à accéder à l'API appelée. Pour les domaines, consultez la politique d'accès au domaine et les politiques IAM de votre principal. Pour Serverless, consultez la politique d'accès aux données de la collection. ## 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](https://strandsagents.com) 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 [LangGraph](https://github.com/langchain-ai/langgraph)est 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 + [Kit d'outils d'agents pour les AWS composants](https://docs.aws.amazon.com/agent-toolkit/latest/userguide/components.html)