Sample S3 模型上下文协议服务器

一个用于从 S3 检索数据（例如 PDF）的 MCP 服务器实现。

特性

资源

通过 资源 公开 AWS S3 数据。（可以将其视为类似 GET 端点；它们用于将信息加载到 LLM 的上下文中）。目前仅支持 PDF 文档，并且限制为 1000 个对象。

工具

• ListBuckets
  • 返回请求的已验证发送者拥有的所有存储桶的列表
• ListObjectsV2
  • 返回存储桶中的部分或全部对象（每个请求最多 1,000 个）
• GetObject
  • 从 Amazon S3 检索对象。在 GetObject 请求中，指定对象的完整键名。通用存储桶 - 支持虚拟主机样式的请求和路径样式的请求

配置

设置 AWS 凭证

1. 从 AWS 管理控制台获取 AWS 访问密钥 ID、秘密访问密钥和区域，并使用 Default 配置文件配置凭证文件，如此处所示。
2. 确保这些凭证具有 S3 的适当 READ/WRITE 权限。

与 Claude Desktop 一起使用

Claude Desktop

在 MacOS 上：~/Library/Application\ Support/Claude/claude_desktop_config.json 在 Windows 上：%APPDATA%/Claude/claude_desktop_config.json

<details> <summary>开发/未发布的服务器配置</summary>

{
  "mcpServers": {
    "s3-mcp-server": {
      "command": "uv",
      "args": [
        "--directory",
        "/Users/user/generative_ai/model_context_protocol/s3-mcp-server",
        "run",
        "s3-mcp-server"
      ]
    }
  }
}

</details>

<details> <summary>已发布的服务器配置</summary>

{
  "mcpServers": {
    "s3-mcp-server": {
      "command": "uvx",
      "args": [
        "s3-mcp-server"
      ]
    }
  }
}

</details>

开发

构建和发布

要准备用于分发的软件包：

1. 同步依赖项并更新锁定文件：

uv sync

2. 构建软件包分发：

uv build

这将在 dist/ 目录中创建源和 wheel 分发。

3. 发布到 PyPI：

uv publish

注意：您需要通过环境变量或命令标志设置 PyPI 凭证：

• Token：--token 或 UV_PUBLISH_TOKEN
• 或用户名/密码：--username/UV_PUBLISH_USERNAME 和 --password/UV_PUBLISH_PASSWORD

调试

由于 MCP 服务器通过 stdio 运行，因此调试可能具有挑战性。 为了获得最佳调试体验，我们强烈建议使用 MCP Inspector。

您可以通过 npm 使用以下命令启动 MCP Inspector：

npx @modelcontextprotocol/inspector uv --directory /Users/user/generative_ai/model_context_protocol/s3-mcp-server run s3-mcp-server

启动后，Inspector 将显示一个 URL，您可以在浏览器中访问该 URL 以开始调试。

安全

有关更多信息，请参见 CONTRIBUTING。

许可证

该库已获得 MIT-0 许可证的许可。 请参阅 LICENSE 文件。