MCP服务器-AWS资源-Python

Name: MCP服务器-AWS资源-Python
Author: baryhuang

作者：baryhuang22 星标更新：2025-08-14

安装使用来源：spider==github.com

项目介绍

AWS 资源 MCP 服务器

概述

这是一个实现 Model Context Protocol (MCP) 的服务器，通过 boto3 运行生成的 Python 代码来查询任何 AWS 资源。

风险自负：
我没有限制操作为只读模式，因此谨慎的操作人员可以使用此工具进行管理操作。您的 AWS 用户角色将决定您可以执行的操作权限。

演示：修复 DynamoDB 权限错误

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

为什么需要另一个 AWS MCP 服务器？

我尝试了具有开发者访问权限的 AWS 聊天机器人。免费层级每月仅限 25 次资源查询。下一个层级是每月 19 美元，包括我几乎不使用的 90% 功能。而且结果是以 JSON 格式呈现，并有很多限制。

我尝试使用 aws-mcp，但遇到了一些问题：

设置麻烦：必须克隆一个 git 仓库并处理本地设置
稳定性问题：在我的 Mac 上不够稳定
Node.js 堆栈：作为一个 Python 开发者，我无法有效地为 Node.js 代码库做出贡献

所以我创建了这个新方法，该方法：

直接从 Docker 镜像运行 - 不需要克隆 git
使用 Python 和 boto3 提供更好的稳定性
让 Python 开发者更容易贡献
包含适当的代码执行沙箱
保持一切容器化且干净

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

组件

资源

服务器暴露以下资源：

aws://query_resources：一个动态资源，通过 boto3 查询提供对 AWS 资源的访问

示例查询

这里有一些你可以执行的示例查询：

列出 S3 存储桶：

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

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，该变量将返回给客户端。result 变量将自动转换为 JSON 格式，并适当处理 AWS 特定对象和日期时间值。

工具

服务器提供了一个用于执行 AWS 查询的工具：

aws_resources_query_or_modify
- 执行一个 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
  - 代码必须设置一个带有查询输出的 result 变量
- 允许导入：
  - boto3
  - operator
  - json
  - datetime
  - pytz
  - dateutil
  - re
  - time
- 可用内置函数：
  - 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

服务器包括几个安全特性：

基于 AST 的代码分析，验证导入和代码结构
有限制的执行环境，具有有限的内置函数
结果的 JSON 序列化，适当处理 AWS 特定对象
正确的错误处理和报告

设置

先决条件

你需要有适当的权限来查询 AWS 资源的 AWS 凭据。你可以通过以下方式获得这些凭据：

在你的 AWS 账户中创建一个 IAM 用户
为编程访问生成访问密钥
确保 IAM 用户具有查询所需 AWS 服务的必要权限

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）如果你使用临时凭证，则为 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 环境变量设置为配置文件名称。

注意：确保你的 AWS 凭据安全，切勿将其提交到版本控制系统。

通过 Smithery 安装

要通过 Smithery 自动安装 AWS 资源 MCP 服务器：

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

Docker 安装

你可以选择本地构建镜像或从 Docker Hub 拉取。镜像针对 Linux 平台构建。

支持的平台

Linux/amd64
Linux/arm64
Linux/arm/v7

选项 1：从 Docker Hub 拉取

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

选项 2：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

或者使用存储的凭据和配置文件：

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，可以使用 docker buildx 命令。按照以下步骤操作：

创建一个新的构建实例（如果尚未创建）：
```
docker buildx create --use
```

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 .

验证镜像是否可用于指定的平台：

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

使用 Claude Desktop

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 凭据的示例

{
  "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 克隆运行

使用 git 克隆和配置文件的示例

{
  "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"
      ]
    }
  }
}