mcpField
M
MCP Server for AWS Resources

MCP Server for AWS Resources

本地服务
github.com/paihari云与基础设施060 周前更新

关于 MCP Server for AWS Resources

通过 SyntropAI 抽象层访问 AWS 服务的 MCP 服务。它以动态 SDK 调用和沙箱执行取代固定服务目录。

主要功能

  1. 01动态访问 AWS 服务
  2. 02AST 校验与沙箱执行
  3. 03运行时生成 API 架构
  4. 04Docker 部署
  5. 05AWS 凭证管理

适用场景

  1. 01查询 EC2 实例
  2. 02创建 S3 存储桶
  3. 03列出 Lambda 函数

MCP 相关

通过 SyntropAI 抽象层向 MCP 客户端提供 AWS 服务访问。查询会在经过 AST 校验的沙箱中执行,并受超时保护。

配置

本地服务的配置在各客户端中通用,复制后粘贴到客户端的 MCP 配置文件即可。

mcp.json · 通用配置
{
"mcpServers": {
"for-aws": {
"command": "docker",
"args": [
"run",
"-i",
"--rm",
"build"
]
}
}
}
启动命令docker run -i --rm build

本地服务需要在你的电脑上安装运行环境(如 Node.js 18+)。各客户端的配置文件位置不同,请参考客户端文档。

安装包
ocibuild

工具

还没有获取到工具列表

本地服务需要在你的电脑上运行后才能读取工具,维护者暂未提供工具列表。

详细介绍

AWS MCP 服务 - SyntropAI 生态系统

属于 SyntropAI MCP 生态系统——统一的多云抽象框架。

此 MCP(Model Context Protocol)服务通过创新的 SyntropAI 抽象层,为 AWS 服务提供安全、动态的访问。与传统的硬编码服务目录不同,此服务通过内置安全沙箱的动态 SDK 访问,支持任何 AWS 服务。

🚀 主要功能

  • 通用 AWS 访问:动态访问所有 AWS 服务,不受硬编码限制
  • 安全代码执行:基于 AST 的验证和沙箱执行环境
  • 与提供商无关的设计:基于 SyntropAI 的统一抽象模式构建
  • 面向未来的架构:无需更新即可自动支持新的 AWS 服务
  • Docker 容器化:可用于生产环境的部署

🏗️ 架构

此服务实现了 SyntropAI 抽象模式:

Claude Desktop → MCP Protocol → AWS MCP Server → SyntropAIBox → boto3 → AWS Services
核心组件:
  • AWSSession:使用 BaseSession 统一管理 AWS 凭证
  • AWSResourceQuerier:扩展 BaseQuerier,安全执行查询
  • AST 沙箱:具备超时保护的安全代码执行
  • 动态 Schema:运行时生成 API 文档

📋 前提条件

  • Python 3.10 或更高版本
  • 已配置 AWS 凭证(通过 ~/.aws/credentials、环境变量或 IAM 角色)
  • Docker(推荐)
  • SyntropAIBox 核心库

🐳 Docker 安装(推荐)

构建并运行
# Build the image
docker build -t mcp-server-aws-resources .

# Run with AWS profile
docker run -i --rm \
  -e AWS_PROFILE=default \
  -v ~/.aws:/root/.aws \
  mcp-server-aws-resources:latest

# Run with environment variables
docker run -i --rm \
  -e AWS_ACCESS_KEY_ID=your_key \
  -e AWS_SECRET_ACCESS_KEY=your_secret \
  -e AWS_DEFAULT_REGION=us-east-1 \
  mcp-server-aws-resources:latest

⚙️ Claude Desktop 集成

添加到你的 claude_config.json:

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

🛡️ 安全功能

基于 AST 的验证
  • 防止恶意代码注入
  • 导入项和函数采用白名单机制
  • 受控的执行环境
安全执行
  • 超时保护(默认 2 秒)
  • 隔离的命名空间
  • JSON 序列化响应
安全查询示例
# User provides this code snippet:
import boto3
ec2 = session.client('ec2')
result = ec2.describe_instances()

系统会:

  1. ✅ 验证 AST 语法
  2. ✅ 检查允许的导入项(已批准 boto3)
  3. ✅ 在带超时保护的沙箱中执行
  4. ✅ 返回 JSON 序列化结果

🔧 使用示例

列出 EC2 实例
import boto3
ec2 = session.client('ec2')
result = ec2.describe_instances()
创建 S3 存储桶
import boto3
s3 = session.client('s3')
result = s3.create_bucket(Bucket='my-unique-bucket-name')
Lambda 函数
import boto3
lambda_client = session.client('lambda')
result = lambda_client.list_functions()

🌟 SyntropAI 生态系统优势

统一的多云体验
  • 相同模式适用于 AWS、Azure 和 OCI
  • 统一的身份验证和错误处理
  • 与提供商无关的抽象
无硬编码服务
  • 自动支持任何 AWS 服务
  • 不受服务目录限制
  • 新服务可立即使用
满足企业需求
  • 安全优先的设计
  • Docker 容器化
  • 全面的日志记录

🔗 相关项目

🏆 技术亮点

此实现展示了:

  • 高级抽象模式:清晰分离关注点
  • 安全工程:AST 验证和沙箱执行
  • 云架构:可扩展、易维护的多云设计
  • DevOps 卓越实践:容器化、可配置的部署

📞 支持

如有关于 SyntropAI MCP 生态系统的问题:


此服务展示了前沿的云抽象技术,通过创新的架构模式,为 AWS 服务提供安全、统一的访问。

评论

支持 Markdown

第一次接触 MCP?

从协议是什么,到在客户端里装上第一个服务,这几条回答覆盖了大多数入门问题。

一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。