MCP Server（模型上下文协议服务器）

@baryhuang/mcp-server-aws-resources-python

0 Stars 345 次浏览 baryhuang 更新于 2026-08-23

一种模型上下文协议服务器，使克劳德能够使用boto3执行Python代码，从而直接从对话中查询和管理AWS资源。

MCP 服务配置

复制以下 JSON 到 OPClaw 或其他 MCP 客户端的配置文件中即可使用

{
  "mcpServers": {
    "aws": {
      "args": [
        "--directory",
        "/\u003cyour-path\u003e/mcp-server-aws-resources-python",
        "run",
        "src/mcp_server_aws_resources/server.py",
        "--profile",
        "testing"
      ],
      "command": "/Users/gmr/.local/bin/uv"
    }
  }
}

该服务需要配置环境变量：AWS_ACCESS_KEY_ID、AWS_DEFAULT_REGION、AWS_PROFILE、AWS_SECRET_ACCESS_KEY、AWS_SESSION_TOKEN

服务介绍

AWS 资源 MCP 服务器

概述

这是一个 Model Context Protocol (MCP) 服务器实现，它通过 boto3 提供运行生成的 Python 代码来查询任何 AWS 资源的功能。

风险自负：
我没有将操作限制为只读，因此谨慎的运维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哪些权限的操作。

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？

我尝试了带有开发者访问权限的 AWS Chatbot。免费层每月对资源的查询限制为 25 次。下一层次是每月 19 美元，但包含了许多我不使用的功能，并且结果以 JSON 格式呈现，有很多限制。

我还尝试了 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：作为一名 Python 开发者，我无法有效地贡献回 Node.js 代码库

所以我创建了这个新的方法，它具有以下特点：

直接从 Docker 镜像运行 - 无需克隆 Git 仓库
使用 Python 和 boto3 以获得更好的稳定性
使 Python 开发者更容易贡献
包含适当的代码执行沙箱
保持一切容器化和整洁

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

组件

资源

服务器公开了以下资源：

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

以下是一些您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
  - 代码必须设置一个名为 result 的变量，用于存储查询输出
- 允许导入的库：
  - boto3
  - operator
  - json
  - datetime
  - pytz
  - dateutil
  - re
  - time
- 可用的内置函数：
  - 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，以验证导入和代码结构
限制执行环境，仅提供有限的内置函数
结果的 JSON 序列化，并正确处理特定于 AWS 的对象
正确的错误处理和报告

设置

前提条件

您需要具有适当权限的 AWS 凭证来查询 AWS 资源。可以通过以下步骤获取这些凭证：

在您的 AWS 账户中创建一个 IAM 用户
为程序访问生成访问密钥
确保 IAM 用户对您要查询的 AWS 服务具有必要的权限

需要以下环境变量：

AWS_ACCESS_KEY_ID: 您的 AWS 访问密钥
AWS_SECRET_ACCESS_KEY: 您的 AWS 秘密密钥
AWS_SESSION_TOKEN: （可选）如果使用临时凭证，则需要 AWS 会话令牌
AWS_DEFAULT_REGION: AWS 区域（如果没有设置，默认为 'us-east-1'）

您还可以使用存储在 ~/.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：请确保您的 AWS 凭证安全，并且不要将其提交到版本控制系统中。

通过 Smithery 安装

要自动安装适用于 Claude Desktop 的 AWS Resources MCP Server，可以通过 Smithery 进行：

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

Docker 安装

您可以选择从本地构建镜像或从 Docker Hub 拉取。该镜像是为 Linux 平台构建的。

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

或者使用存储的凭证和配置文件：

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：

创建一个新的构建器实例（如果您还没有的话）：
```
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

与 Claude Desktop 一起使用

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 凭证的示例

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

通过 Git 克隆运行

通过 git 克隆和配置文件运行的示例

{
  "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"
      ]
    }
  }
}

查看源码项目主页