Amazon Bedrock Converse API and Database MCP Server Integration

Amazon Bedrock Converse API 与数据库 MCP 服务集成

此示例展示了如何通过 Model Context Protocol (MCP) 服务架构，将 AWS Bedrock 的对话式 AI 功能与关系数据库集成。此示例利用 Bedrock 的 Converse API，以仅查询模式支持通过自然语言与数据库交互，同时由 MCP 服务处理数据库操作和安全协议的复杂细节。

该架构可作为参考实现，供希望将生成式 AI 功能集成到数据库应用中的开发者使用。此示例主要针对 RDS PostgreSQL 和 SQLite，但该模式也可轻松适配其他支持 MCP 服务集成的数据库系统。

此示例展示了：

• 使用 Model Context Protocol (MCP)，将 RDS PostgreSQL 和 SQLite 与 AWS Bedrock 基础模型集成
• Bedrock Converse API 与 MCP 服务集成
• 使用 Bedrock 基础模型通过自然语言查询数据库（只读）
• 通过 MCP 服务安全、高效地执行数据库操作
• 为现有应用添加 GenAI 功能
• 为跨数据库 GenAI 解决方案奠定基础

AWS 组件

此示例中使用的 AWS 资源列表

• Bedrock Converse API：通过管理基础模型（FM）在多次交互间的上下文、记忆和状态，支持实时对话体验。链接
• Bedrock 模型：Anthropic Claude Sonnet 3.5 或 Bedrock 提供的其他大模型。链接
• Bedrock Guardrails：根据应用需求和负责任 AI 政策实施定制防护措施。链接
• RDS Postgres：用于查询数据库。链接

前置条件

• 拥有一个 AWS 账户，并具备创建 RDS PostgreSQL 数据库的 AWS Identity and Access Management (IAM) 权限
• 可访问 Bedrock 大模型
• 拥有对 RDS Postgress 的只读访问权限的用户
• 已安装 Python 和 Boto3 库
• 类似 Visual Studio Code 的 IDE
• 本地系统上有 SQLite 数据库
• 从此处下载 AWS RDS 根证书
• 可选：设置 Bedrock Guardrails，在大模型层面阻止 DDL 查询。即使数据库用户允许执行 DDL 操作，这也能确保数据库中不会执行任何 DDL 操作。

克隆仓库

git clone https://github.com/aws-samples/sample-for-bedrock-integration-with-database-mcp-server

步骤 1

使用 VS Code IDE 等工具设置开发环境。

确保已安装 Node.js（v10.13.0 或更高版本）

安装 AWS CDK

npm install -g aws-cdk

使用你的凭证配置 AWS CLI，并使用 Bedrock 可用的区域

aws configure

在 MacOS 和 Linux 上手动创建虚拟环境：

python3 -m venv .venv

激活虚拟环境

source .venv/bin/activate

激活虚拟环境后，即可安装所需依赖项。

pip install -r requirements.txt

使用 npm 安装 PostgreSQL MCP 服务：

npm install -g @modelcontextprotocol/server-postgres

pip install mcp psycopg2-binary

Bedrock 访问权限

用户必须有权访问此示例所使用的 Bedrock 模型。此示例假设采用以下配置

• 区域：从 AWS 会话获取，在 agent.py 中设置
• 大模型：us.anthropic.claude-3-5-sonnet-20240620-v1:0 #在 mcpmain.py 中使用跨区域推理。如果不需要跨区域推理，请改用大模型端点。

步骤 2：RDS Postgres 设置与访问

创建并设置 RDS

修改 dbconfig.ini 文件，填入以下信息

• db_user = "xxx"
• db_password = "xxx" //出于安全原因，此项已从文件中移除。请务必将其添加回来
• db_host = "xxx.us-east-1.rds.amazonaws.com"
• db_port = "5432"
• db_name = "xxx"
• ssl_cert_path = "/xxx/global-bundle.pem" // .pem 文件所在位置

第 3 步：运行应用程序，并使用自然语言查询已配置的数据库

使用相应的数据库类型选项运行。如果未提供数据库类型，聊天会话将默认使用 SQLite，并在 src/data 文件夹中创建名为 mymcpdb.db 的数据库。你可以通过修改此文件来指定现有的 SQLite 数据库

cd src

python3 chat.py --db-type [sqlite / postgres]

可以询问如下问题：（数据库用户必须拥有在数据库中执行这些操作的权限）

• 列出 products 表中的所有商品
• 列出价格高于 50.00 的商品

运行此示例的费用

以下服务会根据使用量和运行时长产生费用。请在结束后根据需要删除这些资源或禁用访问权限。

• RDS Postgres 数据库（https://aws.amazon.com/rds/postgresql/pricing/）
• Bedrok Claude 模型调用 API
• Bedrock Guardrail

其他信息

用于测试的示例 RDS Postgres 表和数据。这仅用于快速测试。

配置的数据库用户必须拥有足够的权限来执行这些操作。由于此示例仅支持只读指令，因此必须使用数据库工具在此示例之外执行这些操作

CREATE TABLE users ( id SERIAL PRIMARY KEY, name VARCHAR(255) NOT NULL, email VARCHAR(255) UNIQUE NOT NULL, created_at TIMESTAMP WITH TIME ZONE DEFAULT CURRENT_TIMESTAMP );

INSERT INTO users (name, email) VALUES ('John Doe', '[email protected]'), ('Jane Smith', '[email protected]'), ('Bob Wilson', '[email protected]'), ('Alice Johnson', '[email protected]'), ('Tom Brown', '[email protected]');

CREATE TABLE products ( product_id SERIAL PRIMARY KEY, name VARCHAR(255) NOT NULL, price DECIMAL(10,2) NOT NULL );

INSERT INTO products (name, price) VALUES ('Amazon Echo Dot (5th Gen)', 49.99), ('Kindle Paperwhite 8GB', 139.99), ('Fire TV Stick 4K', 49.99), ('Ring Video Doorbell', 99.99), ('Amazon Smart Plug', 24.99);