AWS Infrastructure MCP Server

Локальный сервер FastMCP (Python 3.12+, транспорт stdio), который предоставляет диагностические инструменты AWS для бессерверных приложений напрямую IDE-агентам на базе ИИ. Он подключает Cursor, VS Code Copilot или Claude Code к CloudWatch, Lambda, DynamoDB, IAM и Bedrock через Model Context Protocol.

Архитектура и проектные решения

Транспорт и стек

Аутентификация

Используется стандартная цепочка поиска учётных данных boto3 без собственной логики аутентификации. Цепочка проверяет по порядку: переменные окружения (AWS_ACCESS_KEY_ID, AWS_SECRET_ACCESS_KEY) → ~/.aws/credentials → ~/.aws/config → метаданные инстанса. Установите AWS_PROFILE, чтобы выбрать конкретный именованный профиль.

Набор инструментов

15 инструментов в 4 модулях:

CloudWatch и Lambda — диагностика сервисов (tools/cloudwatch.py, tools/lambda_ops.py)

DynamoDB — состояние данных (tools/dynamodb.py)

IAM — управление безопасностью (tools/iam.py)

validate_least_privilege проверяет:

1. Wildcard-разрешения — операторы с "Action": "*" или "Resource": "*"

2. Опасные управляемые политики — прикреплены AdministratorAccess или PowerUserAccess

3. Неограниченный доступ к данным — операции чтения/записи S3 или DynamoDB без конкретных ARN ресурсов

Bedrock — ИИ-анализ первопричин (tools/bedrock.py)

Принимает необработанный текст (журналы, стектрейсы, сводки метрик). Возвращает валидированный объект Pydantic:

class IncidentAnalysis(BaseModel):
    severity: Literal["LOW", "MEDIUM", "HIGH", "CRITICAL"]
    root_cause_summary: str
    affected_components: list[str]
    recommended_fix: str

Параметр model_id принимает любую модель, доступную в Bedrock (например: meta.llama3-2-3b).

Границы безопасности

• Все инструменты только для чтения, кроме invoke_lambda (только синхронный вызов).

• Ни один инструмент не создаёт, не обновляет и не удаляет функции Lambda, элементы DynamoDB, политики IAM или любые другие ресурсы AWS.

• Глобальный очиститель учётных данных (utils/scrubber.py) маскирует идентификаторы ключей доступа AWS, секретные ключи доступа и токены сессий во всех выходных данных инструментов, прежде чем данные попадут в контекст LLM. Применяется к сообщениям журналов, ответам на вызовы и выводам ошибок.

Структура проекта

mcpserver/
├── app.py                 # FastMCP instance (single shared object)
├── server.py              # Entry point — imports tool modules, runs stdio
├── tools/
│   ├── __init__.py
│   ├── cloudwatch.py      # get_lambda_logs, get_lambda_errors, get_lambda_metrics
│   ├── lambda_ops.py      # list_lambdas, invoke_lambda
│   ├── dynamodb.py        # list_tables, describe_table, query_table, scan_table, get_table_metrics
│   ├── iam.py             # list_roles, get_role_policy, validate_least_privilege, list_lambda_roles
│   └── bedrock.py         # analyze_incident + IncidentAnalysis schema
├── utils/
│   ├── __init__.py
│   └── scrubber.py        # Credential redaction regex patterns
├── tests/
│   ├── test_scrubber.py
│   ├── test_cloudwatch.py
│   ├── test_lambda_ops.py
│   ├── test_dynamodb.py
│   ├── test_iam.py
│   └── test_bedrock.py
├── pyproject.toml
└── uv.lock

Установка и локальная настройка

Предварительные требования:

• Python 3.12+

• менеджер пакетов uv

• Настроенный AWS CLI (~/.aws/credentials или переменные окружения)

# Clone and install dependencies
cd mcpserver
uv sync

# Run the server locally (stdio)
uv run python server.py

Настройка IDE

VS Code / Cursor

Создайте .vscode/mcp.json в корне проекта:

{
  "servers": {
    "aws-infra-mcp": {
      "type": "stdio",
      "command": "uv",
      "args": ["--directory", "/absolute/path/to/mcpserver", "run", "server.py"]
    }
  }
}

Замените /absolute/path/to/mcpserver на фактический путь к этому каталогу. В Windows используйте прямые слэши (C:/Users/.../mcpserver).

Claude Desktop

Добавьте в claude_desktop_config.json:

{
  "mcpServers": {
    "aws-infra-mcp": {
      "command": "uv",
      "args": ["--directory", "/absolute/path/to/mcpserver", "run", "server.py"]
    }
  }
}

Стратегия тестирования

Тесты используют схему с единой точкой подмены (single-seam): каждая функция @mcp.tool() тестируется на её публичной границе, а boto3 под ней мокируется с помощью unittest.mock.patch. Тесты проверяют логику преобразования инструментов — фильтрацию журналов, соблюдение жёстких лимитов, очистку учётных данных, валидацию Pydantic — без необходимости в реальных учётных данных AWS и без сетевых вызовов.

57 модульных тестов в 6 тестовых файлах:

# Run the full suite
uv run pytest

# Run a single cluster's tests
uv run pytest tests/test_iam.py -v