项目简介

本项目是一个基于 Model Context Protocol (MCP) 实现的服务器，它作为 LLM (大型语言模型) 客户端的后端服务。其主要功能是将 LLM 的请求转化为对 AWS Application Signals 和 S3 服务的调用，并将结果返回给 LLM，从而赋能 LLM 了解和管理 AWS 资源。

主要功能点

该 MCP 服务器提供以下工具供 LLM 调用：

• 列出 S3 存储桶: 获取当前 AWS 账户下所有 S3 存储桶的列表及其创建日期。
• 列出 Application Signals 服务: 获取 AWS Application Signals 监控的所有服务的列表及其关键属性。
• 获取服务详细信息: 根据服务名称获取指定 Application Signals 服务的详细配置和关联信息。
• 获取服务指标: 根据服务名称、指标名称（可选）、统计方法和时间范围，从 CloudWatch 获取 Application Signals 服务的性能指标数据。
• 获取 SLI 状态: 获取所有 Application Signals 监控服务的 SLI (服务水平指标) 状态概览，包括健康、违规或数据不足的服务列表。

安装步骤

1. 确保已安装 Python 和 uv: 请先安装 Python 3.8+ 和 uv 工具。

2. 克隆仓库: 将项目代码克隆到本地。

3. 安装依赖: 进入项目目录，使用 uv 安装所需的依赖库（包括 boto3 用于与 AWS 交互）。

   uv pip install -e .
   

4. 配置 AWS 凭证: 确保您的 AWS 凭证已配置妥当（例如通过环境变量 'AWS_ACCESS_KEY_ID', 'AWS_SECRET_ACCESS_KEY' 或 '~/.aws/credentials' 文件），以便服务器可以调用 AWS API。

服务器配置

要在支持 MCP 的 LLM 客户端中使用此服务器，您需要将以下信息配置到客户端的 MCP 服务器列表中。通常，这涉及提供服务器的名称、启动命令及其参数。

配置信息应指定如何启动这个 MCP 服务器进程。这个服务器被设计通过标准输入/输出 (stdio) 与客户端通信。

• 服务器名称 (server name): 'appsignal'
• 启动命令 (command): 'python'
• 启动参数 (args): '-m mcp_server_appsignals'

在您的 MCP 客户端配置界面中，找到添加或配置 MCP 服务器的选项，并填入以上对应的名称、命令和参数。

基本使用方法

配置完成后，您的 LLM 客户端即可连接到此 MCP 服务器。您可以通过自然语言指令提示 LLM 调用暴露的工具。例如：

• 询问 LLM：“列出我的 S3 存储桶。” (LLM 可能会调用 'list_s3_buckets' 工具)
• 询问 LLM：“查看 Application Signals 监控了哪些服务？” (LLM 可能会调用 'list_application_signals_services' 工具)
• 询问 LLM：“获取服务 'my-web-app' 的详细信息。” (LLM 可能会调用 'get_service_details' 工具，并传递 'service_name='my-web-app'')
• 询问 LLM：“告诉我服务 'my-api' 的最新延迟指标。” (LLM 可能会调用 'get_service_metrics' 工具，并传递 'service_name='my-api'', 'metric_name='Latency'')
• 询问 LLM：“检查一下所有服务的 SLI 状态。” (LLM 可能会调用 'get_sli_status' 工具)

LLM 会根据您的指令、工具的描述和参数要求，构建并发送 JSON-RPC 请求给服务器，服务器执行对应的 AWS API 调用并将结果返回给 LLM 进行解读和回复。