AWS MCP Server 正式 GA：让 AI Agent 安全调用 15000+ AWS API，免费用
起因
前段时间搭了个运维 Agent，想让它帮我做些日常的 AWS 操作——查 EC2 状态、看 CloudWatch 指标、翻一下 S3 对象。
最开始的做法是手写 tool function。每接一个 AWS 服务就写一个工具：describe_instances、get_metric_data、list_objects... 写了两天发现不对劲——AWS 有 200 多个服务，每个服务几十个 API，这写到猴年马月？
5 月 6 号，亚马逊云科技正式发布了 AWS MCP Server（GA）。简单说：一个托管的远程 MCP 服务器，让 AI Agent 通过标准的 MCP 协议安全访问 15000+ AWS API。
不用再一个个手写 tool function 了。折腾了一天接上，记录一下。
这东西是什么
MCP（Model Context Protocol）是一个开放协议，定义了 AI Agent 跟外部工具/数据源之间的通信标准。很多 AI 工具都支持——Claude Code、Kiro、Cursor 等。
AWS MCP Server 是亚马逊云科技提供的一个托管远程 MCP 服务器。它暴露了四个核心工具：
1. call_aws
调用任意 AWS API。你不用写 SDK 代码，直接告诉 Agent "帮我看看 us-east-1 的 EC2 实例状态"，Agent 通过 call_aws 工具就能调 DescribeInstances API。
覆盖 15000+ AWS API。
2. search_documentation
搜索 AWS 官方文档。Agent 碰到不确定的事情可以先查文档再操作。
3. read_documentation
读取特定文档页面。跟 search 配合用——先搜到相关文档，再读具体内容。
4. run_script
在沙箱环境里跑 Python 脚本。处理 call_aws 返回的数据、做计算、生成报告。
架构和安全
IAM SigV4 认证
MCP Server 不是裸跑的。所有调用通过 mcp-proxy-for-aws 代理，走 IAM SigV4 签名认证。
Agent（Claude Code / Kiro / Cursor）
↓ MCP 协议
mcp-proxy-for-aws（本地代理）
↓ SigV4 签名
AWS MCP Server（远程托管）
↓ IAM 权限控制
AWS API（EC2 / S3 / CloudWatch / ...）
你给 IAM 角色什么权限，Agent 就能做什么。最小权限原则照样适用。
CloudTrail 审计
每次 Agent 通过 MCP Server 调用的 AWS API 都会记录到 CloudTrail。谁的 Agent、什么时候、调了什么 API——全有记录。
CloudWatch 监控
MCP Server 的调用指标自动上报 CloudWatch。可以设告警：Agent 调用量异常增长、错误率升高等。
上手步骤
1. 安装 mcp-proxy-for-aws
这是一个本地代理，负责 SigV4 签名和 MCP 协议转换：
# 通过 pip 安装
pip install mcp-proxy-for-aws
# 或者直接用 GitHub 上的预编译包
# https://github.com/aws/mcp-proxy-for-aws
2. 配置 IAM 权限
给你的 IAM 用户/角色配置权限。建议按需给：
{
"Version": "2012-10-17",
"Statement": [
{
"Effect": "Allow",
"Action": [
"ec2:Describe*",
"cloudwatch:GetMetricData",
"s3:ListBucket",
"s3:GetObject"
],
"Resource": "*"
}
]
}
别给 *:*。Agent 有了 AWS API 访问能力后，权限控制更重要了。
3. 在 MCP 客户端中配置
以 Claude Code 为例：
{
"mcpServers": {
"aws": {
"command": "mcp-proxy-for-aws",
"args": ["--region", "us-east-1"],
"env": {
"AWS_PROFILE": "your-profile"
}
}
}
}
Kiro、Cursor 等其他 MCP 兼容客户端配置类似。
4. 开始用
配置完之后，你的 AI Agent 就能直接操作 AWS 了：
你：帮我看看 us-east-1 有多少台运行中的 EC2 实例
Agent：[调用 call_aws: ec2.DescribeInstances]
当前 us-east-1 有 12 台运行中的 EC2 实例...
你：CPU 使用率超过 80% 的有哪些？
Agent：[调用 call_aws: cloudwatch.GetMetricData]
有 3 台 CPU 使用率超过 80%：
- i-0abc123: 92%
- i-0def456: 85%
- i-0ghi789: 81%
Agent 会自动选择合适的 AWS API 调用。不需要你记 API 名称。
Agent Skills（从 SOPs 升级）
之前亚马逊云科技有个 Agent SOPs（标准操作流程）的概念。现在升级为 Skills。
Skills 本质是预定义的操作模板——比如"检查 EC2 健康状态"、"分析 CloudWatch 日志"。Agent 可以根据用户意图自动匹配合适的 Skill 执行。
区别在于 Skills 更灵活：不是死板的脚本流程，Agent 可以根据上下文调整执行策略。
实际用起来的感受
跑了一周，说说真实体验：
好的地方：
- 省了大量代码。之前每接一个 AWS 服务都得写 tool function，现在一个 MCP Server 搞定所有。
- Agent 自己会查文档。不确定的时候它会先 search_documentation 看一下怎么操作。比之前胡猜强。
- 沙箱脚本很实用。查完数据后用 run_script 做简单处理——排序、过滤、聚合——不用切回终端自己写。
注意的地方：
- 权限真的要控好。Agent 能调 15000+ API，如果 IAM 权限太宽，它真的可能做出你不想要的操作。最小权限原则必须严格执行。
- Region 限制。目前只支持 us-east-1 和 eu-central-1 两个 Region。其他 Region 要等后续支持。
- 免费但有间接成本。MCP Server 本身免费，但 Agent 调用的 AWS API 正常计费。比如调了 100 次 DescribeInstances，按 EC2 API 计费。
支持的 MCP 客户端
只要支持 MCP 协议的工具都能用：
- Claude Code
- Kiro（亚马逊云科技的 AI IDE）
- Cursor
- 其他 MCP 兼容客户端
配置方式大同小异——都是在 MCP 配置文件里指定 mcp-proxy-for-aws 命令。
跟直接写 boto3 代码的区别
| 对比项 | 直接用 boto3 | AWS MCP Server |
|---|---|---|
| 开发方式 | 手写每个 API 调用 | Agent 自动选择 API |
| 覆盖范围 | 需要逐个接入 | 15000+ API 开箱即用 |
| 灵活性 | 完全控制 | Agent 决策 |
| 适用场景 | 确定性操作 | 探索性/运维/问答 |
| 安全模型 | 代码控制 | IAM + MCP 层 |
两者不互斥。确定性的自动化流程（CI/CD pipeline）用 boto3 写死逻辑。探索性的运维操作（"帮我排查这个问题"）用 MCP Server 让 Agent 灵活处理。
参考链接
- 官方博客：https://aws.amazon.com/blogs/aws/the-aws-mcp-server-is-now-generally-available/
- 使用文档：https://docs.aws.amazon.com/agent-toolkit/latest/userguide/mcp-server.html
- mcp-proxy-for-aws：https://github.com/aws/mcp-proxy-for-aws
总的来说，AWS MCP Server 解决了一个很实际的问题：Agent 接入 AWS 服务的开发成本。不用再一个个手写 tool function 了，一个 MCP Server 搞定 15000+ API。加上 IAM 权限控制和 CloudTrail 审计，安全性也有保障。免费用，只付底层 AWS 资源的费用。
浙公网安备 33010602011771号