AWS Resources MCP Server

AWS Resources MCP 服务

概述

一个 Model Context Protocol (MCP) 服务实现，可通过 boto3 运行生成的 Python 代码来查询任意 AWS 资源。

风险自负： 我并未将操作限制为只读，这样谨慎的运维人员就可以借助此工具执行管理操作。你的 AWS 用户角色将决定你可以执行哪些操作的权限。

演示：修复 Dynamodb 权限错误

https://github.com/user-attachments/assets/de88688d-d7a0-45e1-94eb-3f5d71e9a7c7

为什么还要做一个 AWS MCP 服务？

我尝试过带 Developer Access 的 AWS Chatbot。免费套餐对资源的查询限制为每月 25 次。下一档是每月 $19，却包含了我用不到的 90% 的功能。而且结果都是 JSON 格式，还有很多限制。

我尝试过使用 aws-mcp，但遇到了几个问题：

1. 配置麻烦：必须克隆 git 仓库并处理本地配置
2. 稳定性问题：在我的 Mac 上不够稳定
3. Node.js 技术栈：作为一名 Python 开发者，我无法有效地向 Node.js 代码库回馈贡献

所以我创造了这个新方案，它：

• 直接从 Docker 镜像运行 - 无需 git clone
• 使用 Python 和 boto3，稳定性更好
• 让 Python 开发者更容易贡献
• 为代码执行包含适当的沙箱机制
• 让一切保持容器化且干净整洁

有关 Model Context Protocol 及其工作原理的更多信息，请参阅 Anthropic 的 MCP 文档。

组件

资源

该服务暴露以下资源：

• aws://query_resources：一个动态资源，可通过 boto3 查询访问 AWS 资源

示例查询

以下是一些你可以执行的示例查询：

1. 列出 S3 存储桶：

s3 = session.client('s3')
result = s3.list_buckets()

2. 获取最新的 CodePipeline 部署：

def get_latest_deployment(pipeline_name):
    codepipeline = session.client('codepipeline')

    result = codepipeline.list_pipeline_executions(
        pipelineName=pipeline_name,
        maxResults=5
    )

    if result['pipelineExecutionSummaries']:
        latest_execution = max(
            [e for e in result['pipelineExecutionSummaries']
             if e['status'] == 'Succeeded'],
            key=itemgetter('startTime'),
            default=None
        )

        if latest_execution:
            result = codepipeline.get_pipeline_execution(
                pipelineName=pipeline_name,
                pipelineExecutionId=latest_execution['pipelineExecutionId']
            )
        else:
            result = None
    else:
        result = None

    return result

result = get_latest_deployment("your-pipeline-name")

注意：所有代码片段都必须设置一个 result 变量，它将被返回给客户端。result 变量将被自动转换为 JSON 格式，并妥善处理 AWS 特有的对象和 datetime 值。

工具

该服务提供一个用于执行 AWS 查询的工具：

• aws_resources_query_or_modify
  • 执行 boto3 代码片段以查询或修改 AWS 资源
  • 输入：
    • code_snippet（字符串）：使用 boto3 查询 AWS 资源的 Python 代码
    • 代码必须设置一个包含查询输出的 result 变量
  • 允许的导入：
    • boto3
    • operator
    • json
    • datetime
    • pytz
    • dateutil
    • re
    • time
  • 可用的内置函数：
    • 基本类型：dict、list、tuple、set、str、int、float、bool
    • 操作：len、max、min、sorted、filter、map、sum、any、all
    • 对象处理：hasattr、getattr、isinstance
    • 其他：print、import

实现细节

该服务包含若干安全特性：

• 基于 AST 的代码分析，以验证导入和代码结构
• 受限的执行环境，内置函数有限
• 结果的 JSON 序列化，并妥善处理 AWS 特有的对象
• 完善的错误处理与报告

配置

前置条件

你需要具有适当权限的 AWS 凭证来查询 AWS 资源。你可以通过以下方式获取：

1. 在你的 AWS 账户中创建 IAM 用户
2. 为程序化访问生成访问密钥
3. 确保该 IAM 用户对你想要查询的 AWS 服务具有必要的权限

需要以下环境变量：

• AWS_ACCESS_KEY_ID：你的 AWS 访问密钥
• AWS_SECRET_ACCESS_KEY：你的 AWS 秘密密钥
• AWS_SESSION_TOKEN：（可选）使用临时凭证时的 AWS 会话令牌
• AWS_DEFAULT_REGION：AWS 区域（如果未设置，默认为 'us-east-1'）

你也可以使用存储在 ~/.aws/credentials 文件中的配置文件。为此，请将 AWS_PROFILE 环境变量设置为该配置文件的名称。

注意：请妥善保管你的 AWS 凭证，切勿将其提交到版本控制中。

通过 Smithery 安装

要自动通过 Smithery 为 Claude Desktop 安装 AWS Resources MCP Server：

npx -y @smithery/cli install mcp-server-aws-resources-python --client claude

Docker 安装

你可以在本地构建镜像，也可以从 Docker Hub 拉取。该镜像针对 Linux 平台构建。

支持的平台

• Linux/amd64
• Linux/arm64
• Linux/arm/v7

方式 1：从 Docker Hub 拉取

docker pull buryhuang/mcp-server-aws-resources:latest

方式 2：在本地构建

docker build -t mcp-server-aws-resources .

运行容器：

docker run \
  -e AWS_ACCESS_KEY_ID=your_access_key_id_here \
  -e AWS_SECRET_ACCESS_KEY=your_secret_access_key_here \
  -e AWS_DEFAULT_REGION=your_AWS_DEFAULT_REGION \
  buryhuang/mcp-server-aws-resources:latest

或使用已存储的凭证和配置文件：

docker run \
  -e AWS_PROFILE=[AWS_PROFILE_NAME] \
  -v ~/.aws:/root/.aws \
  buryhuang/mcp-server-aws-resources:latest

跨平台发布

要为多个平台发布 Docker 镜像，你可以使用 docker buildx 命令。请按以下步骤操作：

1. 创建新的构建器实例（如果尚未创建）：

   docker buildx create --use
   

2. 为多个平台构建并推送镜像：

   docker buildx build --platform linux/amd64,linux/arm64,linux/arm/v7 -t buryhuang/mcp-server-aws-resources:latest --push .
   

3. 验证镜像是否可用于指定的平台：

   docker buildx imagetools inspect buryhuang/mcp-server-aws-resources:latest
   

与 Claude Desktop 配合使用

使用 Docker 运行

使用 ACCESS_KEY_ID 和 SECRET_ACCESS_KEY 的示例

{
  "mcpServers": {
    "aws-resources": {
      "command": "docker",
      "args": [
        "run",
        "-i",
        "--rm",
        "-e",
        "AWS_ACCESS_KEY_ID=your_access_key_id_here",
        "-e",
        "AWS_SECRET_ACCESS_KEY=your_secret_access_key_here",
        "-e",
        "AWS_DEFAULT_REGION=us-east-1",
        "buryhuang/mcp-server-aws-resources:latest"
      ]
    }
  }
}

使用 PROFILE 并挂载本地 AWS 凭证的示例

{
  "mcpServers": {
    "aws-resources": {
      "command": "docker",
      "args": [
        "run",
        "-i",
        "--rm",
        "-e",
        "AWS_PROFILE=default",
        "-v",
        "~/.aws:/root/.aws",
        "buryhuang/mcp-server-aws-resources:latest"
      ]
    }
  }
}

使用 Git clone 运行

使用 git clone 和配置文件的示例

{
  "mcpServers": {
    "aws": {
      "command": "/Users/gmr/.local/bin/uv",
      "args": [
        "--directory",
        "/<your-path>/mcp-server-aws-resources-python",
        "run",
        "src/mcp_server_aws_resources/server.py",
        "--profile",
        "testing"
      ]
    }
  }
}