翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。 # AWS MCP サーバーのセットアップ AWS MCP サーバーは、 エージェントツールキットのマネージドモデルコンテキストプロトコルサーバーです AWS。これにより、AI エージェントは、ユーザーに代わって AWS API AWS コールを実行したり、サンドボックス環境でスクリプトを実行したり、オンデマンドで AWS スキル ( を含む[amazon-opensearch-service スキル](amazon-opensearch-service-skill.md)) を提供したりできます。これを使用して、エージェントの OpenSearch Service ドメインと OpenSearch Serverless コレクションを操作します。 **注記** AWS MCP サーバーは、パブリック Amazon OpenSearch Service エンドポイントに接続します。VPC にデプロイされたドメインまたはコレクションはサポートされていません。OpenSearch Service ドメインまたは OpenSearch Serverless コレクションが VPC アクセスを使用している場合は、代わりにオープンソースの [opensearch-mcp-server-py](https://github.com/opensearch-project/opensearch-mcp-server-py) を使用します。これは、ローカル設定による VPC 接続をサポートします。 ## 前提条件 + エージェントツールキットをサポートする AI コーディングエージェント AWS (Kiro、Claude Code、Cursor、Codex など）。 + AWS 認証情報 (CLI AWS プロファイルや環境認証情報など) をローカルに設定し、実行する OpenSearch オペレーションのアクセス許可を付与します。ドメインについては、[アイデンティティベースのポリシー](ac.md#ac-types-identity)「」を参照してください。サーバーレスについては、「」を参照してください[Amazon OpenSearch Serverless のデータアクセスコントロール](serverless-data-access.md)。 ## aws-data-analytics プラグインをインストールする (推奨) `aws-data-analytics` プラグインは AWS MCP サーバー設定と`amazon-opensearch-service`スキルを 1 回のインストールでバンドルするため、MCP エンドポイントを設定したり、スキルを個別にインストールしたりする必要はありません。 **Claude コード** ``` /plugin install aws-data-analytics@claude-plugins-official /reload-plugins ``` **コーデック** ``` codex plugin marketplace add aws/agent-toolkit-for-aws ``` 次に、Codex を起動し`/plugins`、 を実行して`aws-data-analytics`プラグインを参照およびインストールします。 ## AWS MCP サーバーを直接設定する エージェントがプラグインをサポートしていない場合は、 AWS MCP サーバーを直接設定します。「 Agent Toolkit for AWS documentation」の[「Setting up the AWS MCP Server](https://docs.aws.amazon.com/agent-toolkit/latest/userguide/getting-started-aws-mcp-server.html)」に従い、エージェントに OpenSearch の質問をします。この質問は、サーバーを通じて実行時に`amazon-opensearch-service`スキルを検出します。 ## スキルなしで AWS MCP サーバーを使用する `amazon-opensearch-service` スキルを読み込むことなく AWS MCP サーバーを直接使用できます。このモードでは、エージェントはサーバーの組み込み`call_aws`ツールを使用して AWS API オペレーションを直接呼び出します。これは、アドホックオペレーションや、エージェントが行う API コールを正確に制御したい場合に役立ちます。 例えば、OpenSearch Serverless コレクションを作成するには: ``` Create an OpenSearch Serverless search collection named "my-collection" in us-east-1 ``` エージェントは、設定された認証情報を使用して、ユーザーに代わって OpenSearch Serverless `CreateCollection` API を呼び出します。 ``` { "name": "my-collection", "type": "SEARCH", "description": "My search collection" } ``` スキルなしで既存のリソースに対してオペレーションを実行することもできます。例えば、次のようになります。 ``` 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 サーバーは認証を処理し、自然言語リクエストを適切な AWS API または OpenSearch API コールに変換します。 ## セットアップを確認する インストール後、エージェントを再起動して新しい設定をロードします。次に、次の質問をします。 ``` What AWS skills do you have available for OpenSearch? ``` エージェントは`amazon-opensearch-service`スキルを報告する必要があります。*OpenSearch Service ドメインを一覧表示する*」などのタスクを試す – エージェントは、設定された認証情報を使用して AWS MCP サーバー経由で呼び出しを実行します。 ## セキュリティに関する考慮事項 AWS MCP サーバーは、指定した認証情報で実行されます。以下のプラクティスに従います。 + **最小特権の認証情報を使用します。**専用 IAM プリンシパルを、エージェントが必要とする OpenSearch リソースとアクションにスコープします。管理者の認証情報は避けてください。 + **開発と本番を分離します。**探索のために非本番稼働用リソースにサーバーを向け、本番稼働用の変更前に確認する必要があります。 + **認証情報を保護します。**静的アクセスキーよりも IAM ロールと AWS CLI プロファイルを優先し、ソース管理の設定ファイルにシークレットをコミットしないでください。 + **ツールの出力を確認します。**MCP ツールレスポンスは、コンテキストとしてモデルに返されます。モデルプロバイダーに公開したくない機密データを含むインデックスに対してサーバーを実行しないでください。 ## トラブルシューティング + **エージェントに OpenSearch スキルやツールが表示されない** – プラグインまたは MCP 設定が有効であることを確認し、エージェントを完全に再起動します。ほとんどのエージェントは、起動時にのみ MCP サーバーをロードします。 + **呼び出しは 403 Forbidden を返します** – 認証情報に呼び出される API に対するアクセス許可がありません。ドメインの場合は、ドメインアクセスポリシーとプリンシパルの IAM ポリシーを確認します。Serverless の場合は、コレクションのデータアクセスポリシーを確認します。 ## エージェントフレームワークで を使用する AWS MCP サーバーをプログラムワークフロー用の Python エージェントフレームワークに統合できます。次の例は、OpenSearch およびその他の AWS サービスへの認証されたアクセスを提供する AWS MCP サーバーエンドポイントに接続します。 ### Strands Agents [Strands Agents](https://strandsagents.com) は、組み込み MCP サポートとデフォルトのモデルプロバイダーとしての Amazon Bedrock を備えた AWSネイティブエージェント SDK です。 ``` 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) ``` 必要なパッケージをインストールします。 ``` pip install strands-agents mcp-proxy-for-aws ``` ### LangGraph [LangGraph](https://github.com/langchain-ai/langgraph) は、ステートフルエージェントを構築するための低レベルのオーケストレーションフレームワークです。次の例では`mcp-proxy-for-aws`、 を使用して認証されたトランスポートを提供し`langchain-mcp-adapters`、Amazon Bedrock にバックアップされた LangChain エージェントに AWS MCP ツールをロードします。 ``` 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()) ``` 必要なパッケージをインストールします。 ``` pip install mcp-proxy-for-aws langchain langchain-aws langchain-mcp-adapters langgraph ``` ## 詳細情報 + [AWS コンポーネント用の エージェントツールキット](https://docs.aws.amazon.com/agent-toolkit/latest/userguide/components.html)