mcp-aws-yolo
项目介绍
MCP AWS YOLO
一个开源的本地托管AI平台，通过LLM分析和向量存储相似性匹配，智能地将用户提示路由到最合适的MCP（模型上下文协议）服务器。
演示
观看MCP AWS YOLO演示 - 智能路由从用户提示到AWS操作（由于本地LLM在CPU上运行，速度较慢）：
演示展示：自然语言提示 → 智能服务器选择 → 创建AWS S3桶
演示中看到的内容：
- 用户查询："创建名为brian-yolo-000000的S3桶，使用aws-yolo"
- 意图分析：MCP AWS YOLO使用LLM + 向量搜索分析提示
- 服务器选择：自动路由到
awslabs.aws-api-mcp-server - 参数解析：从
aws_config.json解析AWS凭证和区域 - 工具执行：执行
call_aws工具，使用aws s3 mb命令 - 结果：成功创建S3桶，并返回详细响应
预备条件
在设置MCP AWS YOLO之前，请确保已安装以下内容：
必需
- Python 3.10+ - 核心运行时环境
- uv 包管理器 - 快速的Python包管理器
curl -LsSf https://astral.sh/uv/install.sh | sh - Docker & Docker Compose - 用于基础设施服务（Qdrant向量数据库）
- Ollama - 本地LLM推理服务器
# 安装Ollama curl -fsSL https://ollama.com/install.sh | sh
AWS预备条件（针对AWS MCP服务器）
- 配置好的AWS CLI，带有凭证
pip install awscli aws configure - 有效的AWS账户，具有适当的IAM权限
- 配置好的AWS配置文件（默认或命名配置文件）
可选
- Git - 用于克隆和版本控制
功能
🎯 智能服务器路由
- 使用混合搜索自动路由到最佳匹配的MCP服务器
- 向量存储搜索：使用Qdrant和all-minilm嵌入进行语义相似性匹配
- LLM验证：GPT-OSS 20B模型分析候选者并选择最优服务器
- 置信评分：每个匹配项包括相似度得分和LLM置信评分
- 备用逻辑：当初始查询无结果时，扩展关键词搜索
⚙️ 自动参数解析
- 使用aws_config.json自动解析运行MCP服务器时的参数
- 模板处理：自动替换MCP服务器配置中的
{{env:param_name}}占位符 - AWS配置：集中式配置文件（
aws_config.json）用于所有与AWS相关的参数 - 环境管理：支持多个AWS配置文件、区域和安全设置
- 空参数过滤：自动移除空参数和环境变量
- 模板处理：自动替换MCP服务器配置中的
架构
MCP AWS YOLO作为AI客户端和MCP服务器之间的智能路由层，结合语义搜索和LLM驱动的决策制定。
架构图
graph TB
A[AI客户端<br/>Claude/ChatGPT] --> B[MCP AWS YOLO服务器]
B --> C[LLM分析<br/>Ollama/gpt-oss:20b]
B --> D[向量存储<br/>Qdrant + all-minilm]
B --> E[MCP客户端管理器]
C --> F[意图分析]
D --> G[语义搜索]
F --> H[服务器选择]
G --> H
H --> E
E --> I[AWS API MCP服务器]
E --> J[AWS知识MCP服务器]
E --> K[Lambda MCP服务器]
E --> L[DynamoDB MCP服务器]
E --> M[其他MCP服务器...]
I --> N[AWS服务<br/>S3, EC2等]
J --> O[AWS文档]
K --> P[Lambda函数]
L --> Q[DynamoDB表]
style B fill:#e1f5fe
style C fill:#f3e5f5
style D fill:#e8f5e8
style E fill:#fff3e0
组件流程
- 意图分析：用户提示 → LLM分析 → 提取关键词和意图
- 向量搜索：跨MCP服务器描述进行语义相似性搜索
- 服务器选择：LLM验证候选者并选择最佳匹配
- 工具执行：连接选定的MCP服务器并执行工具
- 结果处理：格式化并返回结果给AI客户端
快速开始
1. 克隆并设置
git clone <repository-url>
cd mcp-aws-yolo
2. 启动基础设施服务
docker-compose up -d
3. 安装依赖
uv sync
4. 运行初始设置
下载模型并索引MCP服务器：
uv run python setup.py
将AWS-YOLO添加到AI客户端
Claude桌面配置
将此配置添加到您的Claude桌面MCP设置中：
文件位置：
- macOS：
~/Library/Application Support/Claude/claude_desktop_config.json - Windows：%APPDATA%\Claude\claude_desktop_config.json
配置：
{
"mcpServers": {
"aws-yolo": {
"command": "uv",
"args": [
"--directory",
"{absolute_path_to_aws-yolo}/mcp-aws-yolo",
"run",
"python",
"-m",
"src.mcp_aws_yolo.main"
]
}
}
}
注意：用实际项目位置替换{absolute_path_to__aws-yolo}路径。
其他MCP客户端
对于其他MCP客户端（如ChatGPT等），使用类似的配置：
- 命令：
uv - 参数：
["--directory", "/path/to/mcp-aws-yolo", "run", "python", "-m", "src.mcp_aws_yolo.main"]
使用示例
示例提示
尝试这个示例提示来测试系统：
创建名为brian-yolo-000000的S3桶，使用aws-yolo
更多示例提示
- S3操作："列出我账户中的所有S3桶，使用aws-yolo"
- Lambda管理："显示us-east-1中的所有Lambda函数，使用aws-yolo"
- 文档："S3安全的最佳实践是什么？，使用aws-yolo"
- EC2实例："显示正在运行的EC2实例，使用aws-yolo"
配置
环境变量
创建.env文件或设置这些环境变量：
| 变量 | 描述 | 默认值 |
|---|---|---|
MCP_AWS_YOLO_LLM_MODEL | 要使用的LLM模型 | ollama/gpt-oss:20b |
MCP_AWS_YOLO_LLM_BASE_URL | LLM API端点 | http://localhost:11434 |
MCP_AWS_YOLO_QDRANT_URL | Qdrant向量存储URL | http://localhost:6333 |
MCP_AWS_YOLO_EMBEDDING_MODEL | Ollama嵌入模型 | all-minilm |
MCP_AWS_YOLO_LOG_LEVEL | 日志级别 | INFO |
AWS配置
系统使用aws_config.json进行AWS特定设置：
{
"aws_profile": "default",
"aws_region": "ap-southeast-1",
"read_only_mode": "false",
"require_consent": "false",
"enable_telemetry": "false"
}
关键设置：
require_consent：设为"false"以避免引发错误read_only_mode：设为"true"以安全探索aws_region：您首选的AWS区域
MCP服务器注册表
系统包括一个全面的53个AWS MCP服务器注册表在mcp_registry.json中：
| 序号 | 服务器名称 | 类别 |
|---|---|---|
| 1 | AWS API MCP服务器 | 开发 |
| 2 | AWS知识MCP服务器 | 文档 |
| 3 | Aurora DSQL MCP服务器 | 数据 |
| 4 | MySQL MCP服务器 | 数据 |
| 5 | PostgreSQL MCP服务器 | 数据 |
| 6 | AWS Bedrock数据自动化MCP服务器 | AI |
| 7 | CloudWatch应用信号MCP服务器 | 开发 |
| 8 | CloudWatch MCP服务器 | 开发 |
| 9 | AWS数据处理MCP服务器 | 数据 |
| 10 | CDK MCP服务器 | 开发 |
| 11 | Lambda工具MCP服务器 | 开发 |
| 12 | EKS MCP服务器 | 开发 |
| 13 | CloudFormation MCP服务器 | 开发 |
| 14 | Terraform MCP服务器 | 开发 |
| 15 | ECS MCP服务器 | 开发 |
| 16 | Bedrock KB检索MCP服务器 | AI |
| 17 | DocumentDB MCP服务器 | 数据 |
| 18 | DynamoDB MCP服务器 | 数据 |
| 19 | ElastiCache/MemoryDB for Valkey MCP服务器 | 数据 |
| 20 | ElastiCache for Memcached MCP服务器 | 数据 |
| 21 | 代码文档生成MCP服务器 | 开发 |
| 22 | 核心MCP服务器 | 开发 |
| 23 | 成本探索器MCP服务器 | 开发 |
| 24 | Finch MCP服务器 | 开发 |
| 25 | 前端MCP服务器 | 开发 |
| 26 | Git仓库研究MCP服务器 | 开发 |
| 27 | ElastiCache MCP服务器 | 数据 |
| 28 | IAM MCP服务器 | 开发 |
| 29 | MCP Lambda处理器模块 | 开发 |
| 30 | Nova Canvas MCP服务器 | AI |
| 31 | OpenAPI MCP服务器 | 开发 |
| 32 | Prometheus MCP服务器 | 开发 |
| 33 | Redshift MCP服务器 | 数据 |
| 34 | S3表MCP服务器 | 数据 |
| 35 | 步骤函数工具MCP服务器 | 开发 |
| 36 | 合成数据MCP服务器 | 数据 |
| 37 | Timestream for InfluxDB MCP服务器 | 数据 |
| 38 | Kendra索引MCP服务器 | AI |
| 39 | Keyspaces MCP服务器 | 数据 |
| 40 | MQ MCP服务器 | 开发 |
| 41 | Neptune MCP服务器 | 数据 |
| 42 | Q业务匿名MCP服务器 | AI |
| 43 | Rekognition MCP服务器 | AI |
| 44 | SNS/SQS MCP服务器 | 开发 |
| 45 | 图形MCP服务器 | 开发 |
| 46 | HealthOmics MCP服务器 | 数据 |
| 47 | 位置服务MCP服务器 | 开发 |
| 48 | 无服务器MCP服务器 | 开发 |
| 49 | 支持MCP服务器 | 开发 |
| 50 | Q索引MCP服务器 | AI |
| 51 | 文档MCP服务器 | 文档 |
| 52 | MSK MCP服务器 | 数据 |
| 53 | 定价MCP服务器 | 开发 |
类别总结：
- AI & 机器学习：7个服务器
- 数据 & 数据库：17个服务器
- 开发 & 基础设施：27个服务器
- 文档：2个服务器
开发
本地开发设置
- 安装依赖：
uv sync
- 启动基础设施：
docker-compose up -d
- 运行设置：
uv run python setup.py
- 启动开发服务器：
uv run python -m src.mcp_aws_yolo.main
添加新的MCP服务器
- 编辑
mcp_registry.json以添加服务器配置 - 运行设置重新索引：
uv run python setup.py - 使用
get_intention测试以验证发现
测试（正在进行中）
# 安装测试依赖
uv add --dev pytest pytest-asyncio
# 运行测试
pytest tests/
Docker服务
compose.yml包括基础设施服务：
- qdrant：向量数据库（端口6333）
MCP服务器通过uv独立运行，以提供灵活性和开发便利。
故障排除
常见问题
-
“不支持引发”错误
- 在
aws_config.json中设置require_consent: "false"
- 在
-
向量维度不匹配
- 运行
uv run python setup.py以重新创建集合
- 运行
-
AWS权限错误
- 检查AWS CLI配置：
aws sts get-caller-identity - 验证IAM权限以执行预期的操作
- 检查AWS CLI配置：
-
找不到模型错误
- 确保Ollama正在运行：
ollama list - 下载所需模型：
ollama pull gpt-oss:20b
- 确保Ollama正在运行：
健康检查
测试系统健康：
# 检查服务是否运行
curl http://localhost:6333/healthz # Qdrant
curl http://localhost:11434/api/tags # Ollama
贡献
- 分叉仓库
- 创建功能分支
- 进行更改
- 如适用，添加测试
- 提交拉取请求
许可
MIT许可 - 查看LICENSE文件了解详情
支持
- GitHub问题：报告错误或请求功能
- 文档：查看内联代码文档和示例
相关项目
- 模型上下文协议 - 核心MCP规范