AWS Agent Toolkit for AWS：官方支持的 AI Agent 构建工具包
速览
该项目是 AWS 官方推出的工具集，包含 MCP 服务器、技能和插件，旨在简化 AI Agent 在 AWS 云环境中的集成与开发。它让开发者能够利用 AWS 原生服务快速构建具备云能力的智能代理。
AI 深度解读
这是什么
aws/agent-toolkit-for-aws 是 AWS 官方推出的开源项目，旨在为 AI 编程代理（AI Coding Agents）提供构建、部署和管理 AWS 应用程序所需的工具、知识库和安全护栏。该项目是 AWS Labs 早期发布的 MCP 服务器、技能和插件系列的继任者，旨在统一并增强开发者使用 AI 代理操作 AWS 云资源的体验。
该项目主要支持 Python 语言，目前已在 GitHub 获得 1025+ Star。它通过提供标准化的插件（Plugins）、代理技能（Agent Skills）以及 AWS MCP Server，无缝集成到开发者常用的 AI 编程工具中，包括 Claude Code、Codex、Cursor 和 Kiro。
解决的问题
在传统的云开发流程中，AI 编程代理通常面临以下痛点：
- 缺乏云原生上下文：通用 AI 代理难以直接理解 AWS 复杂的 API 结构、服务依赖关系及最佳实践，导致生成的代码可能无法直接运行或不符合 AWS 规范。
- 权限与安全管控缺失：直接让 AI 代理调用 AWS API 存在巨大的安全风险，缺乏区分“人类操作”与“AI 操作”的机制，难以实施最小权限原则（Least Privilege）。
- 工具链割裂：开发者需要在不同的 AI 编辑器中手动配置 MCP 服务器、安装技能包，缺乏统一的标准接口，导致迁移成本高且体验不一致。
- 审计与监控困难：AI 代理发起的大量 API 请求缺乏统一的日志记录和指标监控，难以追溯问题或进行成本/安全审计。
aws/agent-toolkit-for-aws 通过提供受控的代理访问层，解决了上述问题，使 AI 代理能够安全、高效地操作 AWS 基础设施。
核心功能
1. 模块化插件体系 (Plugins)
项目提供了多种预构建插件，覆盖不同的 AWS 服务领域，开发者可根据需求安装：
- aws-core：涵盖服务选择、CDK/CloudFormation 基础设施即代码、Serverless、容器、存储、可观测性、账单、SDK 使用及部署流程。
- aws-agents：专注于在 AWS 上构建 AI 代理，集成 Amazon Bedrock 和 AgentCore。
- aws-data-analytics：针对数据湖、分析工作流和 ETL，集成 S3 Tables、AWS Glue 和 Athena。
- aws-agents-for-devsecops：用于调查事故、代码审查、UAT 执行、漏洞扫描及渗透测试，集成 AWS DevOps Agent 和 AWS Security Agent。
2. AWS MCP Server (Model Context Protocol Server)
这是项目的核心基础设施，作为托管服务器通过 Model Context Protocol 向 AI 代理暴露 AWS 能力：
- 全量 AWS API 覆盖：通过单一认证端点交互 300+ AWS 服务。
- 沙箱脚本执行：代理可在隔离环境中运行 Python 脚本，处理复杂的多步操作。
- 实时文档访问：无需认证即可搜索和检索最新的 AWS 文档、API 参考和服务能力。
- 企业级控制：集成 Amazon CloudWatch 指标、IAM 上下文密钥（用于代理特定策略）及 AWS CloudTrail 审计日志。
3. 代理技能 (Agent Skills)
技能是经过端到端评估的指令和参考资料包，按需加载。代理仅检索与当前任务相关的技能，避免上下文窗口溢出。开发者可通过 npx skills add aws/agent-toolkit-for-aws/skills 快速安装。
4. 项目级配置规则
提供 rules/ 目录下的推荐配置文件，指导代理如何高效使用 AWS MCP Server、发现可用技能或在行动前搜索文档，确保行为符合 AWS 最佳实践。
亮点 / 与同类相比
1. 精细化的 IAM 条件键 (IAM Condition Keys)
这是该项目相比通用 MCP 实现的最大亮点。它引入了区分“代理操作”与“人类操作”的 IAM 条件键。
- 优势：开发者可以编写仅适用于 AI 代理的 IAM 策略。例如，即使底层 IAM 角色拥有写入权限，也可以配置策略仅允许代理通过 MCP 服务器执行只读操作，从而实现细粒度的安全隔离。
2. 完整的审计与可观测性
- CloudTrail 审计：每一个代理发起的请求都记录在 CloudTrail 中，提供完整的操作审计轨迹。
- CloudWatch 指标：提供实时的代理活动监控，便于追踪性能瓶颈或异常行为。
3. 广泛的编辑器兼容性
不同于仅支持单一编辑器的解决方案，该工具包原生支持主流 AI 编程环境：
- Claude Code：通过 Anthropic 官方市场安装。
- Codex：支持命令行插件市场添加。
- Cursor：支持从 GitHub 仓库导入团队市场，自动索引
.cursor-plugin/marketplace.json。 - Kiro：支持直接配置 MCP Server JSON 文件。
4. 版本锁定与供应链安全
推荐在配置中锁定具体版本（如 [email protected]），以确保行为的可重现性并防范供应链攻击。同时，项目采用 Apache-2.0 许可证，商业友好。
适合谁用 / 上手
适合人群
- AWS 重度用户：需要利用 AI 加速基础设施搭建、应用部署和运维的开发者。
- DevSecOps 团队：需要确保 AI 代理在代码审查、安全扫描和合规检查中遵循严格安全策略的工程团队。
- 数据工程师：希望利用 AI 辅助构建 S3、Glue 和 Athena 数据管道。
- AI 应用开发者：希望在 AWS 上快速原型化基于 Bedrock 的 Agent 应用。
上手指南
前置条件
- 本地已安装
uv(Python 包管理工具)。 - 配置好 AWS 凭证（用于 API 调用和脚本执行；仅文档搜索无需凭证）。
- 已安装支持的 AI 编程代理（如 Claude Code, Cursor 等）。
快速安装示例
1. 对于 Claude Code 用户： 直接通过 Anthropic 官方市场安装：
/plugin install aws-core@claude-plugins-official
# 如需更新市场索引：
/plugin marketplace update claude-plugins-official
2. 对于 Cursor 用户：
在 Settings → Plugins → Team Marketplaces 中添加仓库 aws/agent-toolkit-for-aws，然后在插件面板中安装 aws-core。
3. 对于 Kiro 用户：
在 .kiro/settings/mcp.json 中配置 MCP Server：
{
"mcpServers": {
"aws": {
"command": "uvx",
"args": [
"[email protected]",
"https://aws-mcp.us-east-1.api.aws/mcp",
"--metadata", "AWS_REGION=us-west-2"
]
}
}
}
随后安装技能：
npx skills add aws/agent-toolkit-for-aws/skills
4. 通用技能安装： 无论使用何种编辑器，均可通过以下命令安装技能包：
npx skills add aws/agent-toolkit-for-aws/skills
建议查阅官方 User Guide 获取详细的配置和 IAM 策略设置指南，以确保安全合规地使用代理。