aaws - KI-gestützte AWS CLI

PyPI version Python 3.11+ License: Apache 2.0

Natürliche Sprache rein, AWS-Befehl raus.

pip install aaws -- pypi.org/project/aaws/

Schluss mit dem Kontextwechsel zu AWS-Dokumenten. Beschreiben Sie in einfachem Englisch, was Sie möchten, und aaws generiert, erklärt und führt den korrekten AWS CLI-Befehl sicher aus.

$ aaws "list my S3 buckets"

Command: aws s3api list-buckets --output json
Lists all S3 buckets in your account.

 Name                 CreationDate
 my-app-assets        2024-03-15T10:22:00+00:00
 my-logs-bucket       2024-06-01T08:00:00+00:00
 staging-uploads      2025-01-10T14:30:00+00:00

3 result(s)

Inhaltsverzeichnis

Wie es funktioniert

Jeder aaws-Aufruf folgt einer Pipeline mit sechs Stufen. Einige Stufen sind benutzerinitiiert (Sie lösen sie aus), andere sind agentisch (das System erledigt sie autonom). Diese Trennung ist das grundlegende Designprinzip.

 YOU                              aaws (AGENT)
 ───                              ────────────
 Type natural language ──────────> LLM translates to AWS CLI command
                                   Agent classifies risk tier (0-3)
                                   Agent selects safety gate
 Review command + confirm ───────> Agent executes via subprocess
                                   Agent detects output shape
                                   Agent formats as table/card/JSON
 Read formatted results <────────
                                   (on error) Agent classifies error
                                   (on error) Agent generates recovery advice
 Read error + suggestion <───────

Verwendung mit Claude Code (MCP)

Verwenden Sie aaws mit Ihrem Claude Code-Abonnement – keine API-Schlüssel, keine LLM-Konfiguration, null zusätzliche Kosten.

Anstatt dass aaws direkt ein LLM aufruft, wird Claude Code zum LLM. Der aaws MCP-Server stellt Sicherheitsklassifizierung, Befehlsausführung und Ausgabeformatierung als Werkzeuge bereit, die von Claude Code aufgerufen werden.

 Standalone CLI:                     MCP Mode:
 User -> aaws -> LLM (you pay)      User -> Claude Code (subscription) -> aaws MCP tools
                -> AWS CLI                                               -> AWS CLI

Einrichtung

Voraussetzung: Die AWS CLI v2 muss installiert und konfiguriert sein (siehe Installation oben).

# Install with MCP support
pip install aaws[mcp]

# Register with Claude Code (one-time)
claude mcp add --scope user aaws -- python -m aaws.mcp_server

Oder fügen Sie eine projektbezogene .mcp.json hinzu (versionskontrolliert, für das Team freigegeben):

{
  "mcpServers": {
    "aaws": {
      "command": "python",
      "args": ["-m", "aaws.mcp_server"]
    }
  }
}

Überprüfen Sie mit /mcp innerhalb von Claude Code, ob die Werkzeuge aufgelistet sind.

Verfügbare MCP-Werkzeuge

Werkzeug	Zweck	LLM erforderlich?
`classify_aws_command`	Risikoklassen-Klassifizierung (0-3) für jeden AWS CLI-Befehl	Nein (statische Tabelle)
`execute_aws_command`	Sichere Subprozess-Ausführung mit Profil-/Region-Injektion	Nein
`format_aws_output`	JSON-Formerkennung -> Klartext-Tabellen/Karten	Nein
`list_safety_tiers`	Durchsuchen bekannter Befehls-Risikoklassen nach Dienst	Nein
`check_aws_environment`	Überprüfung von AWS CLI, aktivem Profil, Region	Nein

Beispielkonversation in Claude Code

You: List my S3 buckets in us-west-2

Claude Code:
  1. Calls check_aws_environment() -> {aws_cli_available: true, active_profile: "default"}
  2. Calls classify_aws_command("aws s3api list-buckets --output json")
     -> {tier: 0, tier_label: "Read-only", should_confirm: false}
  3. Calls execute_aws_command("aws s3api list-buckets --output json", region="us-west-2")
     -> {stdout: '{"Buckets": [...]}', success: true}
  4. Calls format_aws_output(stdout)
     -> Formatted table with bucket names and dates

You: Now delete the one named old-logs

Claude Code:
  1. Calls classify_aws_command("aws s3 rb s3://old-logs --force")
     -> {tier: 2, tier_label: "Destructive", should_confirm: true}
  2. Asks: "This is a destructive operation (tier 2). Delete bucket old-logs?"
  3. You confirm
  4. Calls execute_aws_command(...)

Was ändert sich gegenüber der eigenständigen CLI

Aspekt	Eigenständige CLI	MCP-Modus
LLM-Anbieter	Sie konfigurieren (Bedrock/OpenAI)	Claude Code-Abonnement (kostenlos)
NL-Übersetzung	aaws translator.py	Claude Code LLM
Sitzungsspeicher	In-Prozess, 10-Turn-Limit	Claude Code integriert (voller Kontext)
Mehrstufige Workflows	Ein Befehl nach dem anderen	Claude Code orchestriert mehrere
Fehlerinterpretation	LLM-Aufruf pro Fehler	Claude Code analysiert stderr
Konfiguration	`aaws config init` erforderlich	Einfach MCP-Server registrieren

AWS Cloud Engineering Lifecycle (MCP)

Lebenszyklus-Phase	Eigenständige CLI	+ MCP mit Claude Code
Erkennung	Abfragebasiert	+ Autonome Inventarisierung, dienstübergreifend
Bereitstellung	Einzelbefehl	+ Mehrstufig mit Abhängigkeitsreihenfolge
Überwachung	Snapshot-Abfragen	+ Konversationsbasiertes Drill-down
Fehlerbehebung	Hardcodiert + LLM-Fehler	+ Autonome Log-/Metrik-Untersuchung
Wartung	Manuelles Löschen/Ändern	+ Agent findet Verschwendung, schlägt Optimierung vor
Sicherheit	CLI-Durchleitung	+ Berechtigungsprüfung
Notfallwiederherstellung	Einzelbefehl-Backup	+ Orchestrierte DR-Workflows

Wertstrom: Benutzerinitiierte vs. agentische Aktionen

Das Folgende ordnet jede Aktivität im Entwicklungs- und Nutzungslebenszyklus dem Eigentümer zu: dem Benutzer (manuell, absichtlich) oder dem Agenten (autonom, ohne Eingreifen).

Einrichtungsphase

#	Aktivität	Eigentümer	Beschreibung
1	`aaws` installieren	Benutzer	`pip install aaws`
2	Konfigurationsassistent ausführen	Benutzer	`aaws config init` — Anbieter, Modell, Profil, Region wählen
3	Fehlende Konfiguration erkennen	Agent	Wenn keine Konfiguration existiert, wird eine hilfreiche Nachricht ausgegeben und beendet
4	Konfigurationsschema validieren	Agent	Pydantic validiert alle Felder, lehnt falsche Werte ab
5	`${ENV_VAR}` in Konfiguration auflösen	Agent	Ersetzt Umgebungsvariablen-Referenzen in YAML-Werten
6	`AAWS_*` Env-Overrides anwenden	Agent	Umgebungsvariablen überschreiben dateibasierte Konfiguration (CI/CD-freundlich)
7	AWS CLI-Präsenz erkennen	Agent	Prüft `aws` im PATH beim Start; bricht bei fehlender Installation mit Link ab

Einmaliger Befehlsablauf

#	Aktivität	Eigentümer	Beschreibung
8	Anfrage in natürlicher Sprache schreiben	Benutzer	`aaws "show my running EC2 instances"`
9	AWS-Profil + Region auflösen	Agent	Führt `--profile`/`--region` Flags > Konfiguration > boto3-Sitzung > Fallback zusammen
10	LLM-Prompt mit Kontext erstellen	Agent	Injiziert System-Prompt + Profil-/Region-Kontext + Benutzeranfrage
11	LLM via Tool/Funktionsaufruf aufrufen	Agent	Sendet strukturiertes Tool-Schema, erzwingt Tool-Nutzung (kein Freitext)
12	Validieren, dass Befehl mit `aws` beginnt	Agent	Lehnt halluzinierte Nicht-AWS-Ausgabe ab
13	Automatischer Wiederholungsversuch bei ungültigem Befehl	Agent	Sendet korrigierende Anweisung, versucht es einmal erneut, dann Fehler mit klarer Meldung
14	Klärung bei Mehrdeutigkeit zurückgeben	Agent	Wenn Anfrage vage ist, wird EINE klärende Frage gestellt, statt zu raten
15	Risikoklasse klassifizieren (statische Tabelle)	Agent	Longest-Prefix-Match gegen 100+ bekannte Befehlsmuster
16	Fallback auf LLM-zugewiesene Klasse	Agent	Unbekannte Befehle nutzen die Risikobewertung des LLM
17	Geschütztes Profil prüfen	Agent	Blockiert alle Schreibvorgänge auf `prod-*` oder benutzerdefinierte Glob-Muster
18	Befehl + Erklärung anzeigen	Agent	Zeigt den generierten Befehl mit Erklärung in einfachem Englisch
19	Ausführung bestätigen oder abbrechen	Benutzer	Stufe 0: Auto-Ausführung. Stufe 1: j/n. Stufe 2: "yes" eingeben. Stufe 3: verweigert. `--yes` bestätigt 1-2 automatisch
20	`--dry-run` für EC2 anbieten	Agent	Für destruktive EC2-Befehle wird angeboten, zuerst mit `--dry-run` zu validieren
21	Ausführung via Subprozess	Agent	`shlex.split()` + `subprocess.run(shell=False)` — keine Injektion möglich
22	Ausgabeform erkennen	Agent	Prüft JSON: Liste -> Tabelle, Dict -> Karte, leer -> "Keine Ergebnisse."
23	Formatierte Ausgabe rendern	Agent	Umfangreiche Tabellen mit Spaltenhinweisen pro Ressourcentyp oder syntax-hervorgehobenes JSON
24	Fehler bei Fehlschlag klassifizieren	Agent	Regex-Abgleich für Anmelde-, Berechtigungs-, Ressourcenfehler
25	Hardcodierte Korrektur für Auth bereitstellen	Agent	Abgelaufenes Token -> `aws sso login`. Keine Anmeldedaten -> `aws configure`
26	Ressourcenfehler durch LLM interpretieren	Agent	Sendet fehlgeschlagenen Befehl + stderr an LLM für Wiederherstellungsschritte in einfachem Englisch

Interaktiver Sitzungsablauf

#	Aktivität	Eigentümer	Beschreibung
27	Sitzung starten	Benutzer	`aaws session [--profile X] [--region Y]`
28	Sitzungs-Header anzeigen	Agent	Zeigt aktives Profil, Region, Beendigungsanweisungen
29	Folgeanfragen eingeben	Benutzer	Konversationsbasierte Eingabe unter Bezugnahme auf vorherigen Kontext
30	Konversationsverlauf beibehalten	Agent	Hängt jeden Austausch an, begrenzt auf die letzten 10 für LLM-Kontext
31	Mit Verlaufskontext übersetzen	Agent	LLM sieht vorherige Konversation für mehrstufige Verfeinerung
32	Vollständige Sicherheitspipeline pro Turn	Agent	Jeder Befehl durchläuft Klassifizierung -> Gate -> Ausführung -> Formatierung
33	Sitzung beenden	Benutzer	`exit`/`quit` eingeben oder Strg+C
34	Strg+C elegant handhaben	Agent	Fängt KeyboardInterrupt ab, gibt "Goodbye." aus, kein Stack-Trace

Hilfsabläufe

#	Aktivität	Eigentümer	Beschreibung
35	Bestehenden Befehl erklären	Benutzer	`aaws explain "aws ec2 describe-instances --filters ..."`
36	LLM generiert Erklärung	Agent	Beschreibt, was der Befehl tut, jedes Flag und Sicherheitswarnungen
37	Aufgelöste Konfiguration anzeigen	Benutzer	`aaws config show` — effektive Konfiguration mit maskierten Geheimnissen
38	`--raw` für Skripte verwenden	Benutzer	`aaws --raw "list my buckets"	jq '.Buckets[].Name'`
39	`--dry-run` zur Vorschau verwenden	Benutzer	Zeigt generierten Befehl ohne Ausführung
40	Stufe-3-Verweigerung überschreiben	Benutzer	`aaws --i-accept-responsibility "delete all IAM users"`

CI/CD und Automatisierung

#	Aktivität	Eigentümer	Beschreibung
41	Nur via Umgebungsvariablen konfigurieren	Benutzer	`AAWS_LLM_PROVIDER`, `AAWS_AWS_REGION` etc. setzen — keine Konfigurationsdatei nötig
42	Rohausgabe an Werkzeuge weiterleiten	Benutzer	`aaws --raw "..."	jq ...` für skriptbasierte Nutzung
43	Tests bei Push (GitHub Actions)	Agent	Lint (ruff) + Typ-Check (mypy) + pytest über Python 3.11-3.13
44	Veröffentlichung auf PyPI bei Tag	Agent	`hatch build` + vertrauenswürdige Veröffentlichung bei `v*`-Tags

Installation

Schritt 1: AWS CLI v2 installieren

aaws erfordert, dass die AWS CLI installiert ist und sich in Ihrem PATH befindet. Es delegiert alle AWS-Operationen an den aws-Befehl.

macOS:

brew install awscli

Windows:

Laden Sie den Installer von https://awscli.amazonaws.com/AWSCLIV2.msi herunter und führen Sie ihn aus.

Oder via winget:

winget install Amazon.AWSCLI

Linux (x86_64):

curl "https://awscli.amazonaws.com/awscli-exe-linux-x86_64.zip" -o "awscliv2.zip"
unzip awscliv2.zip
sudo ./aws/install

Überprüfen:

aws --version
# aws-cli/2.x.x Python/3.x.x ...

Schritt 2: AWS-Anmeldedaten konfigurieren

Sie benötigen mindestens ein AWS-Profil, das mit gültigen Anmeldedaten konfiguriert ist.

Option A: IAM-Zugriffsschlüssel (am einfachsten)

aws configure

Sie werden nach Folgendem gefragt:

AWS Access Key ID [None]: AKIAIOSFODNN7EXAMPLE
AWS Secret Access Key [None]: wJalrXUtnFEMI/K7MDENG/bPxRfiCYEXAMPLEKEY
Default region name [None]: us-east-1
Default output format [None]: json

Option B: AWS SSO (empfohlen für Organisationen)

aws configure sso

Folgen Sie dem Browser-Login-Ablauf. Aktivieren Sie dann die Sitzung:

aws sso login --profile your-profile-name

Option C: Umgebungsvariablen (CI/CD)

export AWS_ACCESS_KEY_ID=AKIAIOSFODNN7EXAMPLE
export AWS_SECRET_ACCESS_KEY=wJalrXUtnFEMI/K7MDENG/bPxRfiCYEXAMPLEKEY
export AWS_DEFAULT_REGION=us-east-1

Überprüfen, ob Anmeldedaten funktionieren:

aws sts get-caller-identity
# Should return your account ID, ARN, and user ID

Schritt 3: aaws installieren

Anforderungen: Python 3.11+, AWS CLI v2 (oben konfiguriert)

Das Paket ist unter pypi.org/project/aaws/ veröffentlicht.

Eigenständige CLI (benötigt einen LLM-Anbieter — Bedrock oder OpenAI):

pip install aaws

Mit Claude Code MCP-Unterstützung (nutzen Sie Ihr Anthropic-Abonnement, kein API-Schlüssel erforderlich):

pip install aaws[mcp]
claude mcp add --scope user aaws -- python -m aaws.mcp_server

Überprüfen Sie die Installation:

aaws --help
aws sts get-caller-identity   # confirm AWS creds work

Auf die neueste Version aktualisieren

pip install --upgrade aaws

Aus Quellcode installieren (Entwicklung)

git clone https://github.com/farmountain/ai_aws_cli.git
cd ai_aws_cli
pip install -e ".[dev,mcp]"

Schnellstart

1. Konfigurieren

aaws config init

Der Assistent führt Sie durch:

aaws configuration wizard

LLM provider [bedrock/openai] (bedrock):
Bedrock model ID (anthropic.claude-3-5-haiku-20241022-v1:0):
Default AWS profile (default):
Default AWS region (us-east-1):

 Configuration saved to ~/.config/aaws/config.yaml
Run aaws "list my S3 buckets" to test.

2. Ihren ersten Befehl ausführen

aaws "list my S3 buckets"

3. Weitere Befehle ausprobieren

# Read-only (auto-executes, no confirmation)
aaws "show my running EC2 instances in us-west-2"
aaws "how many Lambda functions do I have"
aaws "get the details of my RDS database named prod-db"

# Write operations (asks y/n)
aaws "create an S3 bucket named my-new-bucket in us-east-1"
aaws "tag instance i-abc123 with Environment=staging"

# Preview without executing
aaws --dry-run "terminate instance i-abc123"

# Explain an existing command
aaws explain "aws iam attach-role-policy --role-name MyRole --policy-arn arn:aws:iam::aws:policy/ReadOnlyAccess"

# Raw output for scripting
aaws --raw "list my S3 buckets" | jq '.Buckets[].Name'

Konfiguration

Speicherort der Konfigurationsdatei

Betriebssystem	Pfad
Linux/macOS	`~/.config/aaws/config.

aaws - AI-Assisted AWS CLI