本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# 设置 AWS MCP 服务器
<a name="aws-mcp-server"></a>

 AWS MCP 服务器是代理工具包中的托管模型上下文协议服务器，用于。 AWS它为您的 AI 代理提供经过身份验证的访问权限 AWS — 代表您运行 AWS API 调用、在沙盒环境中执行脚本以及按需提供 AWS 技能（包括[亚马逊 OpenSearch 服务技能](amazon-opensearch-service-skill.md)）。使用它来处理来自代理的 OpenSearch 服务域和 OpenSearch 无服务器集合。

**注意**  
 AWS MCP 服务器连接到公共亚马逊 OpenSearch 服务终端节点。它不支持在 VPC 中部署的域或集合。如果您的 OpenSearch 服务域或 OpenSearch 无服务器集合使用 VPC 访问权限，请改用开源 [opensearch-mcp-server-py，它支持通过本地配置进行 VP](https://github.com/opensearch-project/opensearch-mcp-server-py) C 连接。

## 先决条件
<a name="aws-mcp-server-prerequisites"></a>
+ 一款支持 Agent Toolkit 的 AI 编码代理 AWS （例如 Kiro、Claude Code、Cursor 和 Codex）。
+ AWS 在本地配置的凭据（例如， AWS CLI 配置文件或环境凭证），允许您执行要运行的 OpenSearch 操作。有关域的信息，请参阅[Identity-based 政策](ac.md#ac-types-identity)；对于无服务器，请参阅[Amazon OpenSearch 无服务器的数据访问控制](serverless-data-access.md)。

## 安装 aws-data-Analytics 插件（推荐）
<a name="aws-mcp-server-install-plugin"></a>

该`aws-data-analytics`插件将 AWS MCP 服务器配置和`amazon-opensearch-service`技能捆绑在一次安装中，因此您不必单独配置 MCP 端点或安装技能。

**克劳德密码**

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

**手抄本**

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

然后启动 Codex 并运行浏览`/plugins`并安装该`aws-data-analytics`插件。

## 配置 AWS 直接使用 MCP 服务器
<a name="aws-mcp-server-configure-directly"></a>

如果您的代理不支持插件，请直接配置 AWS MCP 服务器。在代理工具包[中设置 AWS MCP 服务器](https://docs.aws.amazon.com/agent-toolkit/latest/userguide/getting-started-aws-mcp-server.html)以获取 AWS 文档，然后向您的代理提 OpenSearch 问 — 它会在运行时通过服务器发现`amazon-opensearch-service`技能。

## 使用 AWS 没有技能的 MCP 服务器
<a name="aws-mcp-server-without-skills"></a>

无需加载`amazon-opensearch-service`技能即可直接使用 AWS MCP 服务器。在此模式下，代理使用服务器的内置`call_aws`工具直接调用 AWS API 操作。这对于临时操作或想要精确控制代理进行的 API 调用时非常有用。

例如，要创建 OpenSearch 无服务器集合，请执行以下操作：

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

代理使用您配置的凭据代表您调用 OpenSearch 无服务器 `CreateCollection` API：

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

您也可以在没有技能的情况下对现有资源执行操作。例如：

```
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 服务器处理身份验证，并将您的自然语言请求转换为相应的 AWS API 或 OpenSearch API 调用。

## 验证设置
<a name="aws-mcp-server-verify"></a>

安装后，重新启动您的代理，使其加载新的配置。然后问：

```
What AWS skills do you have available for OpenSearch?
```

代理应报告`amazon-opensearch-service`技能。尝试诸如 *“列出我的 OpenSearch 服务域”* 之类的任务 — 代理使用您配置的凭据通过 AWS MCP 服务器运行呼叫。

## 安全注意事项
<a name="aws-mcp-server-security"></a>

 AWS MCP 服务器使用您提供的凭据运行。请遵循以下做法：
+ **使用权限最低的凭证。**将专用 IAM 委托人的范围限定为代理所需的 OpenSearch 资源和操作。避免使用管理员凭据。
+ **将开发和生产分开。**将服务器指向非生产资源进行探索，并要求在生产变更之前进行确认。
+ **保护凭证。**优先选择 IAM 角色和 AWS CLI 配置文件而不是静态访问密钥，并且切勿在源代码管理中向配置文件提交机密。
+ **查看工具输出。**MCP 工具响应作为上下文返回到模型。避免对包含不想向模型提供者公开的敏感数据的索引运行服务器。

## 问题排查
<a name="aws-mcp-server-troubleshooting"></a>
+ **代理看不到任何 OpenSearch 技能或工具** — 确认插件或 MCP 配置有效并完全重启您的代理。大多数代理仅在启动时加载 MCP 服务器。
+ **调用返回 403 禁止** — 您的凭据缺少调用 API 的权限。对于域名，请查看您的委托人的域访问策略和 IAM 策略。对于无服务器，请查看集合的数据访问策略。

## 与代理框架一起使用
<a name="aws-mcp-server-frameworks"></a>

您可以将 AWS MCP 服务器集成到用于编程工作流程的 Python 代理框架中。以下示例连接到 AWS MCP 服务器端点，该端点为 OpenSearch 和其他 AWS 服务提供经过身份验证的访问权限。

### Strands Agents
<a name="aws-mcp-server-strands"></a>

[Strands](https://strandsagents.com) Agents 是一款 AWS原生代理 SDK，内置 MCP 支持，Amazon Bedrock 是默认模型提供商。

```
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)
```

安装所需的软件包：

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

### LangGraph
<a name="aws-mcp-server-langgraph"></a>

[LangGraph](https://github.com/langchain-ai/langgraph)是用于构建有状态代理的低级编排框架。以下示例用于`mcp-proxy-for-aws`提供经过身份验证的传输，并将 AWS MCP 工具加载`langchain-mcp-adapters`到由 Amazon Bedrock 支持的 LangChain 代理中。

```
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())
```

安装所需的软件包：

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

## 更多信息
<a name="aws-mcp-server-more-information"></a>
+ [AWS 组件代理工具包](https://docs.aws.amazon.com/agent-toolkit/latest/userguide/components.html)