开源 AWS MCP Server 完整指南10 分钟给 AI 助手接上 AWS 工具箱【免费下载链接】mcpOpen source MCP Servers for AWS项目地址: https://gitcode.com/GitHub_Trending/mcp15/mcp如果你也在用 AI 编程助手写 AWS 代码大概率遇到过这种情况它给出的 API 参数是旧版本没把握的服务干脆现编一个。开源的AWS MCP Server项目把 AWS 文档、基础设施即代码、数据库、监控等能力打包成一组标准化的 MCP 服务器让你的 AI 助手能查到最新官方文档、调用真实的 AWS 资源而不用你自己写任何胶水代码。 痛点助手知道 AWS但知道的不是现在的 AWS大模型训练时看到的 AWS 文档有一个截止日期而 AWS 的服务更新速度远快于此。结果就是助手可能推荐已废弃的参数、漏掉你正在用的新服务或者给出一段看着很专业、跑起来就报错的代码。你不需要教它只需要让它能查。这正是这套 MCP 服务器要做的事。 这些 MCP Server 是什么怎么接进你的应用MCPModel Context Protocol模型上下文协议是一个开放协议作用是给 AI 应用和外部工具之间定一套标准接口——可以把它理解成 AI 世界的 USB-C 口只要两边都支持这个协议插上就能用。一个 MCP 服务器就是一个轻小的独立程序它把某个领域的操作比如查 AWS 文档、列出 EKS 集群暴露成一组工具。你的 AI 应用Cursor、Kiro、Cline、Claude Code 等内置了 MCP 客户端发现这些工具后就能替你调用它们。整个链路是这样的参考仓库中 KB 集成示例的流程图解你向 AI 应用提问模型判断需要调用某个工具MCP 客户端把请求转给对应的 MCP 服务器服务器访问真实数据源AWS 文档、你的 AWS 账号并执行结果原路返回模型基于真实数据组织回答AWS 开源的这组服务器覆盖了文档检索、IaC 最佳实践、DynamoDB 数据建模、CloudWatch 排障、成本估算等几十种场景全部以uvx一键运行的形式发布。 5 分钟跑通第一个 AWS MCP Server只需要四步装 uv、装 Python、可选配置 AWS 凭证、在 MCP 客户端里加一段配置。# 1. 安装 uvAstral 出品的 Python 包管理工具后安装 Python uv python install 3.10先装 AWS Documentation MCP Server它查询的是公开文档不需要 AWS 账号就能用。在你的 MCP 客户端配置文件Kiro 的~/.kiro/settings/mcp.json、Cursor 的.cursor/mcp.json或 VS Code 的.vscode/mcp.json里加上{ mcpServers: { awslabs.aws-documentation-mcp-server: { command: uvx, args: [awslabs.aws-documentation-mcp-serverlatest], env: { FASTMCP_LOG_LEVEL: ERROR } } } }保存后重启客户端工具列表里就会出现这个服务器的工具。整个安装过程由uvx自动完成不需要本地建虚拟环境。 完整场景让助手基于最新文档回答 DynamoDB 问题用一个具体例子走一遍完整链路。数据从哪来服务器实时抓取 AWS 官方文档站点你拿到的是此刻的文档内容而不是模型记忆里的版本。执行什么在 Cursor 或 Cline 的对话里直接说用 AWS Documentation MCP Server 查一下如何为 DynamoDB 表启用 TTL并给出正确的 API 参数输出什么助手会先发起一次工具调用拉取 DynamoDB TTL 相关文档然后基于返回的原文给出操作步骤、参数名如TTLSpecification并附上文档出处。结果解读对比一下不接服务器时的回答——助手很可能凭印象给出参数名遇到近期变更的服务参数改名、新增字段就会翻车。接上之后回答的可信度来自实时抓取的官方文档你看到的不只是结论还能看到它的信息来源。如果你用 Cline 作为客户端完整路线是先安装 Cline 插件仓库 README 里有图文步骤在 Cline 的 MCP Servers 面板中选择 Configure MCP Servers把上面的配置粘贴进cline_mcp_settings.json保存即可。Cline 还可以把模型提供方切换为 AWS Bedrock用你 AWS 账号内的模型额度来跑对话——README 中 Getting Started with Cline and Amazon Bedrock 一节有逐步截图。 40 多个 Server按场景选一个入口仓库 src/ 下每个目录就是一个独立服务器各自有 README 和测试。新手建议从下面的组合入手服务器uvx 参数适合场景说明awslabs.aws-documentation-mcp-server查最新文档与 API 参考无需 AWS 凭证最适合作为第一个awslabs.aws-iac-mcp-server写 CDK / CloudFormation / Terraform提供最佳实践指导与部署排障awslabs.aws-api-mcp-server通用 AWS API 操作入口覆盖全部 AWS 服务的命令校验与安全控制awslabs.dynamodb-mcp-serverDynamoDB 表设计与数据建模支持只读模式防止误操作awslabs.cloudwatch-mcp-server指标、告警、日志排障生产环境运维常用awslabs.aws-pricing-mcp-server部署前估算成本这套 CDK 项目每月大概多少钱awslabs.bedrock-kb-retrieval-mcp-server查询企业知识库并带引用RAG 类应用的对话助手选择逻辑很简单先问自己想让助手多知道什么。要写基础设施代码就选 IaC要管数据就选对应的数据库服务器要排障就选 CloudWatch。多个服务器可以同时挂载互不冲突。⚙️ 三个参数决定你的使用体验大多数服务器靠环境变量和启动参数控制行为重点看这三个1.AWS_PROFILE/AWS_REGION需要访问 AWS 账号的服务器除文档类外基本都是必须能拿到凭证。配置AWS_PROFILE指向你~/.aws/credentials里的 profile这是官方推荐的临时凭证方式比写死 Access Key 安全。2.FASTMCP_LOG_LEVEL日志级别。平时设ERROR保持安静配置出错连不上时改成DEBUG看握手过程是排查工具没出现的第一手材料。3.latest后缀uvx xxxlatest每次启动客户端都会去 PyPI 检查最新版换来的代价是首次加载变慢。想快就去掉latest固定版本用uv cache clean tool或uvx toollatest手动刷新缓存。另外两条边界要心里有数传输方式只支持 stdioSSE 支持已于 2025 年 5 月移除需要 SSE 的老客户端请用上一个大版本部分服务器带写操作开关如--allow-write、DynamoDB 的DDB-MCP-READONLY测试阶段建议保持只读确认无误再放开 本地、容器还是托管生产环境怎么跑仓库为不同阶段提供了三条路本地 stdio开发调试就是前文的uvx方式凭证留在本机延迟最低适合日常开发容器化团队统一环境每个服务器的 Docker 镜像发布在公共 ECR 仓库gallery.ecr.aws/awslabs-mcp下。客户端配置把command换成docker run --rm --interactive敏感变量通过--env-file传入而不是写进env字段容器内读不到它。各服务器目录下都有现成的 Dockerfile 和docker-healthcheck.sh也可以自行构建托管远程零运维AWS 官方托管的 AWS MCP Server 和 AWS Knowledge MCP 无需部署客户端直接连远程地址即可凭证走 IAM、操作全量进 CloudTrail。仓库中还有一个 mcp-lambda-handler 模块可以帮你把自己的 MCP 服务器打包成 Lambda 上的 serverless HTTP 端点个人开发用本地团队共享用容器要审计和集中管控就选托管——按需组合即可。 继续深入的入口README.md全部服务器目录、按场景分类和一键安装说明docusaurus/docs/servers/每个 MCP 服务器的详细文档与参数参考DEVELOPER_GUIDE.md本地调试、跑测试含 MCP Inspector 用法与贡献流程samples/集成示例代码如 Bedrock 知识库集成、Step Functions 工作流DESIGN_GUIDELINES.md想自己写一个服务器时参考的设计规范下一步git clone https://gitcode.com/GitHub_Trending/mcp15/mcp克隆后打开 README 挑一个与你工作最贴近的服务器按本文的配置方式挂到你的客户端上——第一个问题问出去你就上手了。【免费下载链接】mcpOpen source MCP Servers for AWS项目地址: https://gitcode.com/GitHub_Trending/mcp15/mcp创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
开源 AWS MCP Server 完整指南：10 分钟给 AI 助手接上 AWS 工具箱
开源 AWS MCP Server 完整指南10 分钟给 AI 助手接上 AWS 工具箱【免费下载链接】mcpOpen source MCP Servers for AWS项目地址: https://gitcode.com/GitHub_Trending/mcp15/mcp如果你也在用 AI 编程助手写 AWS 代码大概率遇到过这种情况它给出的 API 参数是旧版本没把握的服务干脆现编一个。开源的AWS MCP Server项目把 AWS 文档、基础设施即代码、数据库、监控等能力打包成一组标准化的 MCP 服务器让你的 AI 助手能查到最新官方文档、调用真实的 AWS 资源而不用你自己写任何胶水代码。 痛点助手知道 AWS但知道的不是现在的 AWS大模型训练时看到的 AWS 文档有一个截止日期而 AWS 的服务更新速度远快于此。结果就是助手可能推荐已废弃的参数、漏掉你正在用的新服务或者给出一段看着很专业、跑起来就报错的代码。你不需要教它只需要让它能查。这正是这套 MCP 服务器要做的事。 这些 MCP Server 是什么怎么接进你的应用MCPModel Context Protocol模型上下文协议是一个开放协议作用是给 AI 应用和外部工具之间定一套标准接口——可以把它理解成 AI 世界的 USB-C 口只要两边都支持这个协议插上就能用。一个 MCP 服务器就是一个轻小的独立程序它把某个领域的操作比如查 AWS 文档、列出 EKS 集群暴露成一组工具。你的 AI 应用Cursor、Kiro、Cline、Claude Code 等内置了 MCP 客户端发现这些工具后就能替你调用它们。整个链路是这样的参考仓库中 KB 集成示例的流程图解你向 AI 应用提问模型判断需要调用某个工具MCP 客户端把请求转给对应的 MCP 服务器服务器访问真实数据源AWS 文档、你的 AWS 账号并执行结果原路返回模型基于真实数据组织回答AWS 开源的这组服务器覆盖了文档检索、IaC 最佳实践、DynamoDB 数据建模、CloudWatch 排障、成本估算等几十种场景全部以uvx一键运行的形式发布。 5 分钟跑通第一个 AWS MCP Server只需要四步装 uv、装 Python、可选配置 AWS 凭证、在 MCP 客户端里加一段配置。# 1. 安装 uvAstral 出品的 Python 包管理工具后安装 Python uv python install 3.10先装 AWS Documentation MCP Server它查询的是公开文档不需要 AWS 账号就能用。在你的 MCP 客户端配置文件Kiro 的~/.kiro/settings/mcp.json、Cursor 的.cursor/mcp.json或 VS Code 的.vscode/mcp.json里加上{ mcpServers: { awslabs.aws-documentation-mcp-server: { command: uvx, args: [awslabs.aws-documentation-mcp-serverlatest], env: { FASTMCP_LOG_LEVEL: ERROR } } } }保存后重启客户端工具列表里就会出现这个服务器的工具。整个安装过程由uvx自动完成不需要本地建虚拟环境。 完整场景让助手基于最新文档回答 DynamoDB 问题用一个具体例子走一遍完整链路。数据从哪来服务器实时抓取 AWS 官方文档站点你拿到的是此刻的文档内容而不是模型记忆里的版本。执行什么在 Cursor 或 Cline 的对话里直接说用 AWS Documentation MCP Server 查一下如何为 DynamoDB 表启用 TTL并给出正确的 API 参数输出什么助手会先发起一次工具调用拉取 DynamoDB TTL 相关文档然后基于返回的原文给出操作步骤、参数名如TTLSpecification并附上文档出处。结果解读对比一下不接服务器时的回答——助手很可能凭印象给出参数名遇到近期变更的服务参数改名、新增字段就会翻车。接上之后回答的可信度来自实时抓取的官方文档你看到的不只是结论还能看到它的信息来源。如果你用 Cline 作为客户端完整路线是先安装 Cline 插件仓库 README 里有图文步骤在 Cline 的 MCP Servers 面板中选择 Configure MCP Servers把上面的配置粘贴进cline_mcp_settings.json保存即可。Cline 还可以把模型提供方切换为 AWS Bedrock用你 AWS 账号内的模型额度来跑对话——README 中 Getting Started with Cline and Amazon Bedrock 一节有逐步截图。 40 多个 Server按场景选一个入口仓库 src/ 下每个目录就是一个独立服务器各自有 README 和测试。新手建议从下面的组合入手服务器uvx 参数适合场景说明awslabs.aws-documentation-mcp-server查最新文档与 API 参考无需 AWS 凭证最适合作为第一个awslabs.aws-iac-mcp-server写 CDK / CloudFormation / Terraform提供最佳实践指导与部署排障awslabs.aws-api-mcp-server通用 AWS API 操作入口覆盖全部 AWS 服务的命令校验与安全控制awslabs.dynamodb-mcp-serverDynamoDB 表设计与数据建模支持只读模式防止误操作awslabs.cloudwatch-mcp-server指标、告警、日志排障生产环境运维常用awslabs.aws-pricing-mcp-server部署前估算成本这套 CDK 项目每月大概多少钱awslabs.bedrock-kb-retrieval-mcp-server查询企业知识库并带引用RAG 类应用的对话助手选择逻辑很简单先问自己想让助手多知道什么。要写基础设施代码就选 IaC要管数据就选对应的数据库服务器要排障就选 CloudWatch。多个服务器可以同时挂载互不冲突。⚙️ 三个参数决定你的使用体验大多数服务器靠环境变量和启动参数控制行为重点看这三个1.AWS_PROFILE/AWS_REGION需要访问 AWS 账号的服务器除文档类外基本都是必须能拿到凭证。配置AWS_PROFILE指向你~/.aws/credentials里的 profile这是官方推荐的临时凭证方式比写死 Access Key 安全。2.FASTMCP_LOG_LEVEL日志级别。平时设ERROR保持安静配置出错连不上时改成DEBUG看握手过程是排查工具没出现的第一手材料。3.latest后缀uvx xxxlatest每次启动客户端都会去 PyPI 检查最新版换来的代价是首次加载变慢。想快就去掉latest固定版本用uv cache clean tool或uvx toollatest手动刷新缓存。另外两条边界要心里有数传输方式只支持 stdioSSE 支持已于 2025 年 5 月移除需要 SSE 的老客户端请用上一个大版本部分服务器带写操作开关如--allow-write、DynamoDB 的DDB-MCP-READONLY测试阶段建议保持只读确认无误再放开 本地、容器还是托管生产环境怎么跑仓库为不同阶段提供了三条路本地 stdio开发调试就是前文的uvx方式凭证留在本机延迟最低适合日常开发容器化团队统一环境每个服务器的 Docker 镜像发布在公共 ECR 仓库gallery.ecr.aws/awslabs-mcp下。客户端配置把command换成docker run --rm --interactive敏感变量通过--env-file传入而不是写进env字段容器内读不到它。各服务器目录下都有现成的 Dockerfile 和docker-healthcheck.sh也可以自行构建托管远程零运维AWS 官方托管的 AWS MCP Server 和 AWS Knowledge MCP 无需部署客户端直接连远程地址即可凭证走 IAM、操作全量进 CloudTrail。仓库中还有一个 mcp-lambda-handler 模块可以帮你把自己的 MCP 服务器打包成 Lambda 上的 serverless HTTP 端点个人开发用本地团队共享用容器要审计和集中管控就选托管——按需组合即可。 继续深入的入口README.md全部服务器目录、按场景分类和一键安装说明docusaurus/docs/servers/每个 MCP 服务器的详细文档与参数参考DEVELOPER_GUIDE.md本地调试、跑测试含 MCP Inspector 用法与贡献流程samples/集成示例代码如 Bedrock 知识库集成、Step Functions 工作流DESIGN_GUIDELINES.md想自己写一个服务器时参考的设计规范下一步git clone https://gitcode.com/GitHub_Trending/mcp15/mcp克隆后打开 README 挑一个与你工作最贴近的服务器按本文的配置方式挂到你的客户端上——第一个问题问出去你就上手了。【免费下载链接】mcpOpen source MCP Servers for AWS项目地址: https://gitcode.com/GitHub_Trending/mcp15/mcp创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
