Amazon CloudWatch Logs MCP Server
一个模型上下文协议 (MCP) 服务器,它使 AI 助手能够通过使用 AWS SDK 的标准化接口与 Amazon CloudWatch Logs 交互。
hyorimitsu
README
Amazon CloudWatch Logs MCP 服务器
一个模型上下文协议 (MCP) 服务器,提供与 Amazon CloudWatch Logs 服务交互的工具。该服务器使 AI 助手能够通过使用 AWS SDK 的标准化接口来管理 CloudWatch 日志。
注意: 该项目目前正在积极开发中,尚未准备好用于生产环境。在第一个稳定版本发布之前,功能和 API 可能会发生重大变化。
概述
该 MCP 服务器允许 AI 助手通过模型上下文协议与 Amazon CloudWatch Logs 交互。它提供了一个标准化的接口,用于执行各种 CloudWatch Logs 操作,从而实现对日志数据的全面管理和监控。
快速开始
前提条件
- 具有 CloudWatch Logs 访问权限的 AWS 账户
- 具有适当权限的 AWS 访问密钥和密钥
- Node.js(用于 npm 安装)或 Docker
安装
选择以下安装方法之一:
选项 1:npm 包
# 安装包
npm install -g @hyorimitsu/amazon-cloudwatch-logs-mcp-server
# 在你的 AI 助手的配置中进行配置
# 请参阅下面的配置部分
选项 2:Docker 镜像
# 拉取 Docker 镜像
docker pull ghcr.io/hyorimitsu/mcp-amazon-cloudwatch-logs:latest
# 在你的 AI 助手的配置中进行配置
# 请参阅下面的配置部分
选项 3:本地开发构建
# 克隆仓库
git clone https://github.com/hyorimitsu/mcp-amazon-cloudwatch-logs.git
cd mcp-amazon-cloudwatch-logs
# 安装依赖
pnpm install
# 构建项目
pnpm run build
# 在你的 AI 助手的配置中进行配置
# 请参阅下面的配置部分
配置
将服务器添加到你的 AI 助手的配置中:
对于 npm 安装
{
"mcpServers": {
"amazon-cloudwatch-logs": {
"command": "amazon-cloudwatch-logs-mcp-server",
"env": {
"AWS_REGION": "us-east-1",
"AWS_ACCESS_KEY_ID": "<YOUR_ACCESS_KEY>",
"AWS_SECRET_ACCESS_KEY": "<YOUR_SECRET_KEY>"
}
}
}
}
对于 Docker 安装
{
"mcpServers": {
"amazon-cloudwatch-logs": {
"command": "docker",
"args": [
"run",
"-i",
"--rm",
"-e",
"AWS_REGION",
"-e",
"AWS_ACCESS_KEY_ID",
"-e",
"AWS_SECRET_ACCESS_KEY",
"ghcr.io/hyorimitsu/mcp-amazon-cloudwatch-logs"
],
"env": {
"AWS_REGION": "us-east-1",
"AWS_ACCESS_KEY_ID": "<YOUR_ACCESS_KEY>",
"AWS_SECRET_ACCESS_KEY": "<YOUR_SECRET_KEY>"
}
}
}
}
对于本地开发构建
{
"mcpServers": {
"amazon-cloudwatch-logs": {
"command": "node",
"args": ["/path/to/mcp-amazon-cloudwatch-logs/build/index.js"],
"env": {
"AWS_REGION": "us-east-1",
"AWS_ACCESS_KEY_ID": "<YOUR_ACCESS_KEY>",
"AWS_SECRET_ACCESS_KEY": "<YOUR_SECRET_KEY>"
}
}
}
}
环境变量
变量 | 必需 | 描述 | 默认值 |
---|---|---|---|
AWS_REGION | 否 | CloudWatch Logs 资源所在的 AWS 区域 | us-east-1 |
AWS_ACCESS_KEY_ID | 是 | 用于身份验证的 AWS 访问密钥 ID | - |
AWS_SECRET_ACCESS_KEY | 是 | 用于身份验证的 AWS 密钥 | - |
READONLY | 否 | 设置为 "true" 时,仅允许读取操作 | false |
只读模式
通过将 READONLY
环境变量设置为 "true"
来启用只读模式:
"env": {
"AWS_REGION": "us-east-1",
"AWS_ACCESS_KEY_ID": "<YOUR_ACCESS_KEY>",
"AWS_SECRET_ACCESS_KEY": "<YOUR_SECRET_KEY>",
"READONLY": "true"
}
在只读模式下:
- 仅 READ 操作(检索或查询信息的工具)可用
- WRITE 操作(创建、修改或删除资源的工具)被禁用
这对于您希望允许查看日志但阻止对 CloudWatch Logs 资源进行任何修改的场景非常有用。
可用工具
日志组操作
工具名称 | 操作类型 | 描述 |
---|---|---|
create_log_group | WRITE | 创建一个新的 Amazon CloudWatch Logs 日志组 |
describe_log_groups | READ | 列出和描述 Amazon CloudWatch Logs 日志组 |
delete_log_group | WRITE | 删除一个 Amazon CloudWatch Logs 日志组 |
日志流操作
工具名称 | 操作类型 | 描述 |
---|---|---|
create_log_stream | WRITE | 在日志组中创建一个新的日志流 |
describe_log_streams | READ | 列出和描述日志组中的日志流 |
delete_log_stream | WRITE | 删除日志组中的日志流 |
日志事件操作
工具名称 | 操作类型 | 描述 |
---|---|---|
put_log_events | WRITE | 将日志事件写入指定的日志流 |
get_log_events | READ | 从指定的日志流中检索日志事件 |
filter_log_events | READ | 在日志组中搜索具有模式的日志事件 |
Insights 操作
工具名称 | 操作类型 | 描述 |
---|---|---|
start_query | READ | 启动 CloudWatch Logs Insights 查询 |
stop_query | READ | 停止正在运行的 CloudWatch Logs Insights 查询 |
get_query_results | READ | 从 CloudWatch Logs Insights 查询中检索结果 |
describe_queries | READ | 列出和描述 CloudWatch Logs Insights 查询 |
有关每个工具的详细文档,包括参数和示例,请参阅 TOOLS.md。
开发
有关开发和扩展此项目的信息,请参阅 CONTRIBUTING.md。
许可证
该项目根据 MIT 许可证获得许可 - 有关详细信息,请参阅 LICENSE 文件。
推荐服务器
Playwright MCP Server
一个模型上下文协议服务器,它使大型语言模型能够通过结构化的可访问性快照与网页进行交互,而无需视觉模型或屏幕截图。
Magic Component Platform (MCP)
一个由人工智能驱动的工具,可以从自然语言描述生成现代化的用户界面组件,并与流行的集成开发环境(IDE)集成,从而简化用户界面开发流程。
MCP Package Docs Server
促进大型语言模型高效访问和获取 Go、Python 和 NPM 包的结构化文档,通过多语言支持和性能优化来增强软件开发。
Claude Code MCP
一个实现了 Claude Code 作为模型上下文协议(Model Context Protocol, MCP)服务器的方案,它可以通过标准化的 MCP 接口来使用 Claude 的软件工程能力(代码生成、编辑、审查和文件操作)。
@kazuph/mcp-taskmanager
用于任务管理的模型上下文协议服务器。它允许 Claude Desktop(或任何 MCP 客户端)在基于队列的系统中管理和执行任务。
mermaid-mcp-server
一个模型上下文协议 (MCP) 服务器,用于将 Mermaid 图表转换为 PNG 图像。
Jira-Context-MCP
MCP 服务器向 AI 编码助手(如 Cursor)提供 Jira 工单信息。

Linear MCP Server
一个模型上下文协议(Model Context Protocol)服务器,它与 Linear 的问题跟踪系统集成,允许大型语言模型(LLM)通过自然语言交互来创建、更新、搜索和评论 Linear 问题。

Sequential Thinking MCP Server
这个服务器通过将复杂问题分解为顺序步骤来促进结构化的问题解决,支持修订,并通过完整的 MCP 集成来实现多条解决方案路径。
Curri MCP Server
通过管理文本笔记、提供笔记创建工具以及使用结构化提示生成摘要,从而实现与 Curri API 的交互。