View a markdown version of this page

Integrasi MCP Server - Pengujian Beban Terdistribusi di AWS
Langkah 1: Dapatkan titik akhir MCP dan token aksesLangkah 2: Uji dengan Inspektur MCPLangkah 3: Konfigurasikan klien pengembangan AIPutar rahasia klien Server MCPContoh petunjuk

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Integrasi MCP Server

Jika Anda menerapkan komponen Server MCP opsional selama penerapan solusi, Anda dapat mengintegrasikan solusi Pengujian Beban Terdistribusi dengan alat pengembangan AI yang mendukung Protokol Konteks Model. Server MCP menyediakan akses terprogram untuk mengambil, mengelola, dan menganalisis tes beban melalui asisten AI.

Anda dapat terhubung ke DLT MCP Server menggunakan klien pilihan Anda (Kiro CLI, Claude, dan sebagainya), yang masing-masing memiliki instruksi konfigurasi yang sedikit berbeda. Bagian ini menyediakan petunjuk penyiapan untuk MCP Inspector, Kiro CLI, Cline, dan Amazon Quick.

Langkah 1: Dapatkan titik akhir MCP dan token akses

Sebelum mengkonfigurasi klien MCP apa pun, Anda perlu mengambil titik akhir Server MCP Anda dan token akses dari konsol web DLT.

  1. Arahkan ke halaman Server MCP di konsol web Pengujian Beban Terdistribusi.

  2. Temukan bagian T itik Akhir Server MCP.

  3. Salin URL titik akhir menggunakan tombol Salin URL Endpoint. URL titik akhir mengikuti format: https://{gateway-id}.gateway.bedrock-agentcore.{region}.amazonaws.com/mcp

  4. Temukan bagian Token Akses.

  5. Salin token akses menggunakan tombol Sal in Token Akses.

penting

Jaga agar token akses Anda tetap aman. Jangan membagikannya secara publik. Secara default, token menyediakan akses baca-saja ke solusi Pengujian Beban Terdistribusi Anda melalui antarmuka MCP. Jika Server MCP digunakan dalam mode ReadWrite akses, token juga memungkinkan pembuatan, pembaruan, dan penghapusan operasi. Untuk informasi selengkapnya, lihat spesifikasi alat MCP di Panduan Pengembang.

Halaman kredenSIAL MCP Server menunjukkan titik akhir dan token akses

Langkah 2: Uji dengan Inspektur MCP

Model Context Protocol menawarkan MCP Inspector, alat untuk terhubung langsung ke server MCP dan memanggil alat. Ini menyediakan UI yang nyaman dan permintaan jaringan sampel untuk menguji koneksi Server MCP Anda sebelum mengonfigurasi klien AI.

catatan

MCP Inspector memerlukan versi 0.17 atau yang lebih baru. Semua permintaan juga dapat dibuat dengan JSON RPC secara langsung, tetapi MCP Inspector menyediakan antarmuka yang lebih ramah pengguna.

Instal dan luncurkan MCP Inspector

  1. Instal npm jika perlu.

  2. Jalankan perintah berikut untuk meluncurkan MCP Inspector:

    npx @modelcontextprotocol/inspector

Konfigurasikan koneksi

  1. Di antarmuka MCP Inspector, masukkan URL Titik Akhir Server MCP Anda.

  2. Tambahkan header Otorisasi dengan token akses Anda.

  3. Pilih Connect untuk membuat koneksi.

Layar konfigurasi MCP Inspector

Memanggil alat

Setelah terhubung, Anda dapat menguji alat MCP yang tersedia:

  1. Jelajahi daftar alat yang tersedia di panel kiri.

  2. Pilih alat (misalnya,list_scenarios).

  3. Berikan parameter yang diperlukan.

  4. Pilih Invo ke untuk menjalankan alat dan melihat respons.

Inspektur MCP menunjukkan alat dan pemanggilan yang tersedia

Langkah 3: Konfigurasikan klien pengembangan AI

Setelah memverifikasi koneksi Server MCP Anda dengan Inspector MCP, Anda dapat mengonfigurasi klien pengembangan AI pilihan Anda.

Kiro CLI

Kiro CLI (sebelumnya Amazon Q Developer CLI) menyediakan akses baris perintah untuk AI-assisted pengembangan dengan integrasi Server MCP.

Langkah-langkah konfigurasi

  1. Edit file mcp.json konfigurasi. Untuk informasi selengkapnya tentang lokasi file konfigurasi, lihat Model Context Protocol (MCP) dalam dokumentasi Kiro CLI.

  2. Tambahkan konfigurasi DLT MCP Server Anda:

    {
  "mcpServers": {
    "dlt-mcp": {
      "type": "http",
      "url": "https://<gateway-id>.gateway.bedrock-agentcore.<region>.amazonaws.com/mcp",
      "headers": {
        "Authorization": "Bearer <access-token>"
      }
    }
  }
}

Ganti <gateway-id> dan <region> dengan nilai dari URL Titik Akhir Server MCP Anda, dan <access-token> dengan nilai yang Anda salin di Langkah 1.

Verifikasi konfigurasi

  1. Di terminal, ketik kiro-cli untuk meluncurkan Kiro CLI.

  2. Ketik /mcp untuk melihat semua server MCP yang tersedia.

  3. Ketik /tools untuk melihat alat yang tersedia yang disediakan oleh dlt-mcp dan server MCP yang dikonfigurasi lainnya.

  4. Verifikasi bahwa dlt-mcp berhasil diinisialisasi.

Cline

Cline adalah asisten pengkodean AI yang mendukung integrasi Server MCP.

Langkah-langkah konfigurasi

  1. Di Cline, arahkan ke Kelola Server MCP > Konfigurasi > Konfigurasikan Server MCP.

  2. Perbarui cline_mcp_settings.json file:

    {
  "mcpServers": {
    "dlt-mcp": {
      "type": "streamableHttp",
      "url": "https://<gateway-id>.gateway.bedrock-agentcore.<region>.amazonaws.com/mcp",
      "headers": {
        "Authorization": "Bearer <access-token>"
      }
    }
  }
}

    Ganti <gateway-id> dan <region> dengan nilai dari URL Titik Akhir Server MCP Anda, dan <access-token> dengan nilai yang Anda salin di Langkah 1.

  3. Simpan file konfigurasi.

  4. Mulai ulang Cline untuk menerapkan perubahan.

Amazon Quick

Amazon Quick (sebelumnya Amazon Quick Suite) menyediakan platform asisten AI yang komprehensif dengan dukungan untuk tindakan Server MCP.

Prasyarat

Sebelum mengonfigurasi Server MCP di Amazon Quick, Anda perlu mengambil kredenSIAL OAuth dari kumpulan pengguna Cognito penerapan DLT Anda:

  1. Arahkan ke CloudFormation konsol AWS.

  2. Pilih tumpukan Pengujian Beban Terdistribusi.

  3. Di tab Out put, cari dan salin ID Kumpulan Pengguna Cognito yang terkait dengan penerapan DLT Anda.

  4. Arahkan ke konsol https://console.aws.amazon.com/cognito/ Amazon Cognito.

  5. Pilih kumpulan pengguna menggunakan ID Kumpulan Pengguna dari CloudFormation output.

  6. Di navigasi kiri, pilih Integrasi aplikasi > Kli en aplikasi.

  7. Temukan klien aplikasi dengan nama yang diakhiri dengan m2m (mesin-ke-mesin) dan pilih.

  8. Pada halaman detail klien aplikasi, salin ID Klien. Untuk mengungkapkan rahasia Klien, pilih Tampilkan rahasia klien, lalu salin nilainya.

  9. Kembali ke kumpulan pengguna dan dapatkan domain kumpulan pengguna dari tab Domain.

  10. Buat URL titik akhir token dengan /oauth2/token menambahkan ke akhir domain.

Langkah-langkah konfigurasi

  1. Di Amazon Quick, buat agen baru atau pilih agen yang sudah ada.

  2. Tambahkan prompt agen yang menjelaskan cara berinteraksi dengan DLT MCP Server.

  3. Tambahkan tindakan baru dan pilih tindakan Server MCP.

  4. Konfigurasikan detail Server MCP:

    • URL Server MCP: Titik akhir MCP DLT Anda

    • Jenis otentikasi: Service-based otentikasi

    • Titik Akhir Token: URL titik akhir token Cognito Anda

    • ID Kli en: ID klien dari klien aplikasi m2m

    • Rahasia Kli en: Rahasia klien dari klien aplikasi m2m

  5. Simpan konfigurasi tindakan Server MCP.

  6. Tambahkan tindakan Server MCP baru ke agen Anda.

Luncurkan dan menguji agen

  1. Luncurkan agen di Amazon Quick.

  2. Mulai percakapan dengan agen menggunakan petunjuk bahasa alami.

  3. Agen akan menggunakan alat MCP untuk mengambil dan menganalisis data pengujian beban Anda.

Putar rahasia klien Server MCP

Jika Anda menggunakan otentikasi berbasis layanan (mesin-ke-mesin) untuk menghubungkan klien MCP ke solusi, Anda bertanggung jawab untuk memutar rahasia klien yang digunakan klien.

Kredensi mana yang ini berlaku untuk

Solusinya mengeluarkan dua kredenSIAL MCP yang berbeda. Hanya satu dari mereka yang membutuhkan rotasi manual.

Kredensimen Digunakan oleh Rotasi

Token akses pengguna — disalin dari halaman Server MCP dari konsol web

Inspektur MCP, Kiro CLI, Cline, dan klien lain yang mengirim header Authorization: Bearer

Tidak ada yang diperlukan. Ini adalah token akses Amazon Cognito berumur pendek yang kedaluwarsa sekitar satu jam setelah dikeluarkan. Untuk mendapatkan token baru, kembali ke halaman Server MCP dan salin lagi.

Machine-to-machine ID klien dan rahasia klien — diambil dari kumpulan pengguna Amazon Cognito

Amazon Quick, dan klien lain yang dikonfigurasi untuk otentikasi berbasis layanan

Diperlukan rotasi manual. Rahasia klien berumur panjang dan tidak kedaluwarsa dengan sendirinya.

Sisa bagian ini berlaku untuk rahasia klien mesin-ke-mesin. Solusinya membuat kredensi ini sebagai klien aplikasi Amazon Cognito yang dinamai <stack-name>-userpool-client-m2m saat Anda menerapkan dengan Deploy Optional MCP Server disetel ke. Yes Untuk petunjuk pengambilan, lihat prasyarat di Amazon Quick.

penting

Perlakukan rahasia klien seperti kredensi berumur panjang lainnya:

  • Jangan memasukkannya ke kontrol sumber, menyematkannya dalam kode aplikasi, atau menempelkannya ke pelacak masalah, obrolan, atau dokumentasi.

  • Jangan menulisnya ke log, output build, atau output CI/CD pekerjaan.

  • Simpan di pengelola rahasia seperti AWS Secrets Manager, atau di penyimpanan kredensia terenkripsi klien MCP yang mengkonsumsinya. Jangan menyimpannya dalam file plaintext.

  • Berikan akses ke rahasia hanya kepada mereka yang membutuhkannya, seperti Anda dan layanan yang mengkonsumsi rahasia.

Irama rotasi yang disarankan

Putar rahasia klien mesin-ke-mesin setidaknya setiap 90 hari. Putar segera, di luar jadwal reguler, setiap kali hal berikut terjadi:

  • Anda mencurigai atau mengkonfirmasi bahwa rahasia itu terungkap.

  • Operator dengan akses ke rahasia meninggalkan tim atau mengubah peran.

  • Anda menghentikan klien MCP yang dikonfigurasi dengan rahasia.

Putar rahasianya

Klien aplikasi Amazon Cognito mendukung hingga dua rahasia klien aktif secara bersamaan. Putar dengan menambahkan rahasia kedua, memigrasikan klien MCP Anda ke sana, dan kemudian menghapus yang asli — tanpa gangguan pada akses MCP.

ID klien tidak berubah selama rotasi, jadi Anda tidak perlu memperbarui CloudFormation tumpukan AWS solusi, titik akhir Server MCP, atau titik akhir token. Hanya nilai rahasia yang disimpan di klien MCP Anda yang berubah.

  1. Tambahkan rahasia klien kedua. Amazon Cognito menghasilkan nilai dan mengembalikannya dalam respons.

    aws cognito-idp add-user-pool-client-secret \
  --user-pool-id <user-pool-id> \
  --client-id <m2m-client-id> \
  --region <region>
    penting

    Salin ClientSecretValue dari respons dan simpan dengan aman sebelum melanjutkan. Amazon Cognito mengembalikan nilai rahasia yang dihasilkan hanya dalam respons ini dan tidak pernah mengungkapkannya lagi - baik konsol Amazon Cognito list-user-pool-client-secrets tidak akan menampilkannya. Jika Anda kehilangan nilainya, hapus rahasia dan tambahkan yang baru.

    Rahasia asli tetap valid pada saat ini, sehingga klien MCP apa pun yang masih dikonfigurasi dengannya terus bekerja.

  2. Perbarui setiap klien MCP untuk menggunakan rahasia baru. Untuk Amazon Quick, edit tindakan Server MCP dan ganti nilai Rahasia Klien, biarkan URL Server MCP, Titik Akhir Token , dan ID Klien tidak berubah. Simpan aksinya.

  3. Validasikan bahwa rahasia baru mengeluarkan token. Minta pemberian kredentif klien dari titik akhir token kumpulan pengguna Anda.

    curl -X POST https://<user-pool-domain>/oauth2/token \
  -H 'Content-Type: application/x-www-form-urlencoded' \
  -d 'grant_type=client_credentials' \
  -d 'client_id=<m2m-client-id>' \
  -d 'client_secret=<new-client-secret>' \
  -d 'scope=dlt-mcp-gateway/read'

    Respons yang berhasil berisi access_token bidang. Kemudian konfirmasikan akses ujung ke ujung dengan memanggil alat MCP dari klien yang Anda konfigurasi ulang — misalnya, minta agen untuk membuat daftar skenario pengujian Anda.

  4. Buat daftar rahasia klien untuk mengidentifikasi yang asli. Setiap rahasia diidentifikasi ClientSecretId dengan format <client-id>--<epoch-create-time> . Gunakan ClientSecretCreateDate bidang untuk membedakan rahasia asli dari yang baru saja Anda tambahkan.

    aws cognito-idp list-user-pool-client-secrets \
  --user-pool-id <user-pool-id> \
  --client-id <m2m-client-id> \
  --region <region>

  5. Batalkan rahasia asli. Setelah panggilan ini, Amazon Cognito tidak lagi mengeluarkan token kepada klien mana pun yang menyajikan rahasia lama.

    aws cognito-idp delete-user-pool-client-secret \
  --user-pool-id <user-pool-id> \
  --client-id <m2m-client-id> \
  --client-secret-id <old-client-secret-id> \
  --region <region>
catatan

Dua batasan berlaku saat Anda memutar:

  • Klien aplikasi dapat memiliki maksimal dua rahasia. Jika sudah ada dua, hapus yang tidak lagi Anda butuhkan sebelum menambahkan yang lain.

  • Anda tidak dapat menghapus rahasia terakhir yang tersisa pada klien aplikasi.

Per add-user-pool-client-secret intah ini juga menerima --client-secret parameter opsional untuk memberikan nilai Anda sendiri. Jika Anda memberikan nilai, Amazon Cognito tidak mengembalikannya dalam respons, jadi Anda harus menyimpannya sebelum melakukan panggilan. Kami merekomendasikan membiarkan Amazon Cognito menghasilkan rahasia.

Jika rahasia itu terungkap

Putar menggunakan langkah-langkah sebelumnya, dan selesaikan langkah 5 (menghapus rahasia lama) sesegera mungkin daripada menunggu jendela pemeliharaan. Kemudian lakukan tindakan tambahan berikut.

  • Akun untuk token yang sudah dikeluarkan. Menghapus rahasia menghentikan Amazon Cognito mengeluarkan token baru, tetapi token akses yang diperoleh dengan rahasia yang terungkap tetap valid hingga kedaluwarsa — hingga sekitar satu jam. Menghapus rahasia tidak membatalkannya.

  • Batasi apa yang dapat dilakukan token tersebut. Jika penerapan Anda menggunakan mode ReadWrite akses, lakukan pembaruan CloudFormation tumpukan AWS dengan Mode Akses Server MCP disetel keReadOnly. Ini menghapus alat tulis dan membatasi izin IAM fungsi MCP Server Lambda untuk GET permintaan, sehingga token yang luar biasa tidak dapat membuat, memodifikasi, menghapus, atau memulai skenario pengujian. Lihat spesifikasi alat MCP di Panduan Pengembang untuk perilaku setiap mode akses.

  • Tinjau untuk apa kredensi digunakan. Periksa riwayat uji coba solusi dan Amazon CloudWatch Log untuk fungsi Lambda Server MCP untuk aktivitas yang tidak terduga. Jika penerapan menggunakan mode ReadWrite akses, tinjau juga skenario pengujian Anda dan isi public/test-scenarios/ awalan bucket skenario untuk perubahan yang tidak sah.

catatan

Untuk menolak semua permintaan MCP segera, terlepas dari validitas token, lakukan pembaruan tumpukan dengan Deploy Optional MCP Server disetel ke. No Ini menghapus AgentCore Gateway.

Gunakan ini hanya jika Anda harus menjamin bahwa tidak ada token luar biasa yang dapat mencapai Server MCP. Menyetel parameter untuk No juga menghapus klien aplikasi mesin-ke-mesin. Mengaturnya Yes kembali untuk membuat klien aplikasi baru dengan ID klien baru dan rahasia baru. Anda kemudian harus mengkonfigurasi ulang setiap klien MCP dengan ID klien baru dan rahasia baru.

Contoh petunjuk

Contoh berikut menunjukkan cara berinteraksi dengan asisten AI Anda untuk menganalisis data pengujian beban melalui antarmuka MCP. Sesuaikan ID tes, rentang tanggal, dan kriteria agar sesuai dengan kebutuhan pengujian spesifik Anda.

Untuk informasi terperinci tentang alat MCP yang tersedia dan parameternya, lihat spesifikasi alat MCP di Panduan Pengembang.

Kueri hasil tes sederhana

Interaksi bahasa alami dengan Server MCP bisa sesederhana Show me the load tests that have completed in the last 24 hours with their associated completion status atau bisa lebih deskriptif seperti

Use list_scenarios to find my load tests. Then use get_latest_test_run to show me the basic execution data and performance metrics for the most recent test. If the results look concerning, also get the detailed performance metrics using get_test_run.

Analisis kinerja interaktif dengan pengungkapan progresif

I need to analyze my load test performance, but I'm not sure which specific tests to focus on. Please help me by:

1. First, use list_scenarios to show me available test scenarios
2. Ask me which tests I want to analyze based on the list you show me
3. For my selected tests, use list_test_runs to get the test run history
4. Then use get_test_run with the test_run_id to get detailed response times, throughput, and error rates
5. If I want to compare tests, use get_baseline_test_run to compare against the baseline
6. If there are any issues, use get_test_run_artifacts to help me understand what went wrong

Please guide me through this step by step, asking for clarification whenever you need more specific information.

Validasi kesiapan produksi

Help me validate if my API is ready for production deployment:

1. Use list_scenarios to find recent test scenarios
2. For the most recent test scenario, use get_latest_test_run to get basic execution data
3. Use get_test_run with that test_run_id to get detailed response times, error rates, and throughput
4. Use get_scenario_details with the test_id to show me what load patterns and endpoints were tested
5. If I have a baseline, use get_baseline_test_run to compare current results with the baseline
6. Provide a clear go/no-go recommendation based on the performance data
7. If there are any concerns, use get_test_run_artifacts to help identify potential issues

My SLA requirements are: response time under [X]ms, error rate under [Y]%.

Analisis tren kinerja

Analyze the performance trend for my load tests over the past [TIME_PERIOD]:

1. Use list_scenarios to get all test scenarios
2. For each scenario, use list_test_runs with start_date and end_date to get tests from that period
3. Use get_test_run for the key test runs to get detailed metrics
4. Use get_baseline_test_run to compare against the baseline
5. Identify any significant changes in response times, error rates, or throughput
6. If you detect performance degradation, use get_test_run_artifacts on the problematic tests to help identify causes
7. Present the trend analysis in a clear format showing whether performance is improving, stable, or degrading

Focus on completed tests and limit results to [N] tests if there are too many.

Memecahkan masalah pengujian yang gagal

Help me troubleshoot my failed load tests:

1. Use list_scenarios to find test scenarios
2. For each scenario, use list_test_runs to find recent test runs
3. Use get_test_run with the test_run_id to get the basic execution data and failure information
4. Use get_test_run_artifacts to get detailed error messages and logs
5. Use get_scenario_details to understand what was being tested when it failed
6. If I have a similar test that passed, use get_baseline_test_run to identify differences
7. Summarize the causes of failure and suggest next steps for resolution

Show me the most recent [N] failed tests from the past [TIME_PERIOD].