AI导哈

AWS S3模型上下文协议服务器

该服务为AI模型（特别是大型语言模型）提供与AWS S3存储桶安全交互的标准化接口，支持列出存储桶、对象及下载文件内容，适用于数据分析和文档检索等场景。

  • by ENGRZULQARNAIN
  • Python
  • 本地部署
  • 4 星标
  • 更新于
在 GitHub 查看 ENGRZULQARNAIN/mcp_server_s3_download_files

使用说明

AWS S3的模型上下文协议（MCP）服务器

此存储库为AWS S3提供了模型上下文协议（MCP）服务器的实现，使AI模型，特别是大型语言模型（LLM），能够安全地与S3存储桶交互。服务器提供了一个标准化的接口，用于列出S3存储桶、存储桶内的对象以及下载文件内容。它促进了AI应用程序和AWS S3存储之间的无缝集成，以实现高效的数据检索和管理。

主要特点

  • 列出S3 Buckets：检索AWS帐户中可用存储桶的列表。
  • 列出对象：显示指定存储桶内的对象。
  • 文件下载：获取特定对象的内容，如文档或其他文件。
  • 安全交互：为AI模型与S3交互提供标准化、安全的接口。
  • MCP生态系统：模型上下文协议生态系统的一部分，支持AI模型与各种数据源的集成。

用例

  • 数据分析：访问和分析存储在S3存储桶中的数据，用于AI驱动的应用程序。
  • 文献检索：检索特定文件（如PDF）以供AI模型处理。
  • 自动化：通过LLM的自然语言查询自动化S3存储桶管理任务。
  • 人工智能开发：支持开发需要访问外部数据源的人工智能模型。

先决条件

要使用此服务器，开发人员需要：

  • Python 3.10或更高版本
  • 配置的AWS凭据（访问密钥ID、秘密访问密钥和区域）
  • 紫外线 包管理器（推荐）或pip
  • 熟悉 模型上下文协议 用于AI应用集成

局限性

某些实现可能：

  • 仅支持特定文件类型（例如，某些版本的PDF）。
  • 对检索到的对象数量有限制（例如，最多1000个对象）。
  • 需要特定的配置，例如要返回的最大桶数。

安装和使用

选项1：从PyPI安装（推荐）

# Install uv if you haven't already
curl -LsSf https://astral.sh/uv/install.sh | sh  # Unix/macOS
# or for Windows: powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"

# Install the MCP S3 server
uv add mcp-s3-server

# Or using pip
pip install mcp-s3-server

选项2：开发安装

# Clone the repository
git clone https://github.com/ENGRZULQARNAIN/mcp_s3_server.git
cd mcp_s3_server

# Install with uv (recommended)
uv sync

# Or install with pip
pip install -e .

配置和使用

  1. 配置AWS凭据 使用以下方法之一：

    • AWS凭据文件(~/.aws/credentials)
    • 环境变量(AWS_ACCESS_KEY_ID, AWS_SECRET_ACCESS_KEY, AWS_DEFAULT_REGION)
    • IAM角色（适用于EC2实例）

  2. 启动服务器:

    mcp-s3-server

  3. 与AI模型集成 或使用MCP接口的应用程序。

有关详细的设置说明和API使用情况，请参阅存储库的文档。

贡献

欢迎投稿！请阅读 贡献.md 提交问题、功能请求或拉取请求的指南文件。

许可证

该项目根据 MIT许可证。有关详细信息，请参阅LICENSE文件。

相关 MCP