Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
# Mengatur AWS MCP Server
AWS MCP Server adalah server Protokol Konteks Model yang dikelola dari Agen Toolkit untuk. AWS Ini memberi agen AI Anda akses otentikasi ke AWS — menjalankan panggilan AWS API atas nama Anda, mengeksekusi skrip di lingkungan kotak pasir, dan melayani AWS keterampilan (termasuk) sesuai permintaan. [keterampilan amazon-opensearch-service](amazon-opensearch-service-skill.md) Gunakan untuk bekerja dengan domain OpenSearch Layanan dan koleksi OpenSearch Tanpa Server dari agen Anda.
**catatan**
Server AWS MCP terhubung ke titik akhir OpenSearch Layanan Amazon publik. Itu tidak mendukung domain atau koleksi yang digunakan dalam VPC. Jika domain OpenSearch Layanan atau koleksi OpenSearch Tanpa Server Anda menggunakan akses VPC, gunakan open source [opensearch-mcp-server-py](https://github.com/opensearch-project/opensearch-mcp-server-py) sebagai gantinya, yang mendukung konektivitas VPC melalui konfigurasi lokal.
## Prasyarat
+ Agen pengkodean AI yang mendukung Agen Toolkit untuk AWS (seperti Kiro, Claude Code, Cursor, dan Codex).
+ AWS kredensi dikonfigurasi secara lokal (misalnya, profil AWS CLI atau kredenal lingkungan) dengan izin untuk operasi yang ingin Anda jalankan. OpenSearch Untuk domain, lihat[Identity-based kebijakan](ac.md#ac-types-identity); untuk Tanpa Server, lihat. [Kontrol akses data untuk Amazon Tanpa OpenSearch Server](serverless-data-access.md)
## Instal plugin aws-data-analytics (disarankan)
`aws-data-analytics`Plugin ini menggabungkan konfigurasi AWS MCP Server dan `amazon-opensearch-service` keterampilan dalam satu instalasi, sehingga Anda tidak perlu mengkonfigurasi titik akhir MCP atau menginstal keterampilan secara terpisah.
**Kode Claude**
```
/plugin install aws-data-analytics@claude-plugins-official
/reload-plugins
```
**Kodeks**
```
codex plugin marketplace add aws/agent-toolkit-for-aws
```
Kemudian luncurkan Codex dan jalankan `/plugins` untuk menelusuri dan menginstal `aws-data-analytics` plugin.
## Konfigurasikan AWS MCP Server secara langsung
Jika agen Anda tidak mendukung plugin, konfigurasikan Server AWS MCP secara langsung. Ikuti [Menyiapkan Server AWS MCP](https://docs.aws.amazon.com/agent-toolkit/latest/userguide/getting-started-aws-mcp-server.html) di Agen Toolkit untuk AWS dokumentasi, lalu ajukan OpenSearch pertanyaan kepada agen Anda - ini menemukan `amazon-opensearch-service` keterampilan saat runtime melalui server.
## Gunakan AWS MCP Server tanpa keterampilan
Anda dapat menggunakan AWS MCP Server secara langsung tanpa memuat `amazon-opensearch-service` keterampilan. Dalam mode ini, agen menggunakan `call_aws` alat bawaan server untuk menjalankan operasi AWS API secara langsung. Ini berguna untuk operasi ad-hoc atau ketika Anda menginginkan kontrol yang tepat atas panggilan API yang dilakukan agen Anda.
Misalnya, untuk membuat koleksi OpenSearch Tanpa Server:
```
Create an OpenSearch Serverless search collection named "my-collection" in us-east-1
```
Agen memanggil `CreateCollection` API OpenSearch Tanpa Server atas nama Anda menggunakan kredensyal yang dikonfigurasi:
```
{
"name": "my-collection",
"type": "SEARCH",
"description": "My search collection"
}
```
Anda juga dapat menjalankan operasi terhadap sumber daya yang ada tanpa keterampilan. Contoh:
```
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
```
AWS MCP Server menangani otentikasi dan menerjemahkan permintaan bahasa alami Anda ke dalam panggilan AWS API atau OpenSearch API yang sesuai.
## Verifikasi pengaturan
Setelah menginstal, restart agen Anda sehingga memuat konfigurasi baru. Kemudian tanyakan:
```
What AWS skills do you have available for OpenSearch?
```
Agen harus melaporkan `amazon-opensearch-service` keterampilan. Coba tugas seperti *“Daftar domain OpenSearch Layanan saya”* — agen menjalankan panggilan melalui AWS MCP Server menggunakan kredenal yang dikonfigurasi.
## Pertimbangan keamanan
AWS MCP Server berjalan dengan kredensyal yang Anda berikan. Ikuti praktik ini:
+ **Gunakan kredensyal hak istimewa paling sedikit.** Lingkup prinsip IAM khusus untuk OpenSearch sumber daya dan tindakan yang dibutuhkan agen. Hindari kredensyal administrator.
+ **Pengembangan dan produksi terpisah.** Arahkan server ke sumber daya non-produksi untuk eksplorasi, dan memerlukan konfirmasi sebelum perubahan produksi.
+ **Lindungi kredensyal.** Lebih suka peran IAM dan profil AWS CLI daripada kunci akses statis, dan jangan pernah memasukkan rahasia ke file konfigurasi dalam kontrol sumber.
+ **Tinjau keluaran alat.** Respons alat MCP dikembalikan ke model sebagai konteks. Hindari menjalankan server terhadap indeks dengan data sensitif yang tidak ingin Anda ekspos ke penyedia model Anda.
## Pemecahan masalah
+ **Agen tidak melihat OpenSearch keahlian atau alat apa pun** — Konfirmasikan plugin atau konfigurasi MCP valid dan restart agen Anda sepenuhnya. Sebagian besar agen memuat server MCP hanya saat startup.
+ **Panggilan mengembalikan 403 Terlarang** - Kredensyal Anda tidak memiliki izin untuk API yang dipanggil. Untuk domain, tinjau kebijakan akses domain dan kebijakan IAM pada prinsipal Anda. Untuk Tanpa Server, tinjau kebijakan akses data koleksi.
## Gunakan dengan kerangka kerja agen
Anda dapat mengintegrasikan Server AWS MCP ke dalam kerangka kerja agen Python untuk alur kerja terprogram. Contoh berikut terhubung ke endpoint AWS MCP Server, yang menyediakan akses terautentikasi ke OpenSearch dan layanan lainnya. AWS
### Agen Helai
[Strands Agents](https://strandsagents.com) adalah SDK agen AWS-native dengan dukungan MCP bawaan dan Amazon Bedrock sebagai penyedia model default.
```
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)
```
Instal paket yang diperlukan:
```
pip install strands-agents mcp-proxy-for-aws
```
### LangGraph
[LangGraph](https://github.com/langchain-ai/langgraph)adalah kerangka kerja orkestrasi tingkat rendah untuk membangun agen stateful. Contoh berikut digunakan `mcp-proxy-for-aws` untuk menyediakan transportasi yang diautentikasi dan `langchain-mcp-adapters` memuat alat AWS MCP ke LangChain agen yang didukung oleh 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())
```
Instal paket yang diperlukan:
```
pip install mcp-proxy-for-aws langchain langchain-aws langchain-mcp-adapters langgraph
```
## Informasi selengkapnya
+ [Agen Toolkit untuk komponen AWS](https://docs.aws.amazon.com/agent-toolkit/latest/userguide/components.html)