CloudFormation MCP服务器

基于人工智能的基础设施设计平台，将自然语言转化为具有专业架构图的生产就绪CloudFormation模板。

特性

🏗️ 自然语言到云形成 -从纯英语生成模板（Bedrock Converse API，Claude Haiku 4.5）
📋 架构概述 -快速第一步概述（无需扩展思维）；然后生成完整模板
📊 专业架构图 -使用AWS官方图标自动生成可视化图表
✅ 模板验证 -使用可选的auto-fix根据AWS CloudFormation API进行验证
💰 成本优化 -基于人工智能的成本分析和建议
🏛️ 架构良好的审查 -自动6柱框架审查
🚀 堆栈配置 -将经过验证的模板直接部署到AWS
⏱️ 刀具计时 -UI（设计页面）中显示的每个工具的运行时间
🧠 扩展思维（CoT） -使用它的工具返回推理（例如成本、审查）；登录浏览器控制台
🤖 DevOps代理 -带有AWS DevOps Agent链接的侧栏页面（独立和Salesforce UI）

建筑

┌─────────────────────────────────────────────────────────────────┐
│                         User Interface                           │
│                    (AWS Console-style Web UI)                    │
│  • Natural language input                                        │
│  • Design Agent: Architecture Overview + CloudFormation Template │
│  • Deployment Agent: Provision / delete stacks                    │
│  • DevOps Agent: Links to AWS DevOps Agent                        │
│  • How-to Guide: Agentforce integration                          │
│  • Tool timings and progress over WebSocket                       │
└────────────────────────┬────────────────────────────────────────┘
                         │ WebSocket (WSS)
                         │ No timeout limits
                         │
┌────────────────────────▼────────────────────────────────────────┐
│              API Gateway (WebSocket API)                        │
│  • Endpoint: z832i481e5.execute-api.us-east-1.amazonaws.com     │
│  • Protocol: WebSocket                                          │
│  • Routes: $connect, $default, $disconnect                      │
│  • Real-time bidirectional communication                        │
└────────────────────────┬────────────────────────────────────────┘
                         │ Invokes
                         │
┌────────────────────────▼────────────────────────────────────────┐
│              Lambda Function (WebSocket Handler)                 │
│  • Name: cfn-builder-websocket                                  │
│  • Runtime: Python 3.11                                         │
│  • Timeout: 600 seconds (10 minutes)                            │
│  • Memory: 512 MB                                               │
│  • Security: NOT publicly accessible                            │
│  • Function: Async processing + AWS SigV4 signing               │
│  • Returns immediately, processes in background thread          │
└────────────────────────┬────────────────────────────────────────┘
                         │ HTTPS + SigV4
                         │ IAM Authentication
                         │
┌────────────────────────▼────────────────────────────────────────┐
│           AgentCore Runtime (MCP Server Container)               │
│  • ARN: mcp_server-VpWbdyCLTH                                   │
│  • Protocol: MCP (Model Context Protocol)                       │
│  • Transport: Streamable HTTP                                   │
│  • Authentication: AWS IAM (SigV4)                              │
│  • Container: Python 3.13 + GraphViz                            │
│  • Session Management: Automatic                                │
│  • Observability: CloudWatch + X-Ray                            │
└────────────────────────┬────────────────────────────────────────┘
                         │
                         │ MCP Tools
                         │
┌────────────────────────▼────────────────────────────────────────┐
│                    MCP Tools Layer                               │
│  (Bedrock via Converse API; default model: Claude Haiku 4.5)     │
│                                                                  │
│  • generate_architecture_overview  – Fast overview (no CoT)     │
│  • build_cfn_template             – CloudFormation YAML/JSON     │
│    (no extended thinking for speed; validate + auto_fix as needed)│
│  • validate_cfn_template          – Validate + optional auto-fix │
│  • provision_cfn_stack / delete_cfn_stack / get_cfn_stack_events │
└────────────────────────┬────────────────────────────────────────┘
                         │
                         │ boto3 SDK
                         │
┌────────────────────────▼────────────────────────────────────────┐
│                      AWS Services                                │
│  • Amazon Bedrock (Converse API; Claude Haiku 4.5 default)       │
│  • AWS CloudFormation                                           │
└──────────────────────────────────────────────────────────────────┘

关键架构优势

WebSocket设计

✅ 无超时限制 -浏览器与Lambda的连接保持打开状态
✅ 实时更新 -长时间操作期间的进度消息
✅ 双向 -服务器可以向客户端推送更新
✅ 异步处理 -Lambda立即返回，后台处理

安全模型

✅ Lambda未公开 -没有函数URL，只有API网关可以调用
✅ IAM身份验证 -AgentCore需要SigV4签名的请求
✅ 凭据服务器端 -浏览器永远看不到AWS凭据
✅ 最小特权 -整个过程中的最低IAM权限

可扩展性

✅ AgentCore自动秤 -无服务器容器平台
✅ Lambda并发 -处理多个连接
✅ WebSocket持久 -高效的连接重用
✅ Agent核心生命周期 -每个会话保持容器温暖（空闲超时~15分钟）；看见 docs/COLD_START_AND_PREWARM.md 用于调谐

快速开始

先决条件

已配置凭据的AWS帐户
Python 3.10+
GraphViz（用于本地图表生成）

安装

# Install GraphViz
brew install graphviz  # macOS
sudo apt-get install graphviz  # Linux

# Install Python dependencies
pip install -r requirements.txt

本地运行

# Start MCP server
python mcp_server.py

# Test with client
python mcp_client.py

部署

所有AWS部署都使用 aws-gaurav 轮廓。应用程序运行在放大；推送到git会触发前端部署。

部署AgentCore（MCP服务器）

从项目根：

./deploy-agentcore.sh   # Uses profile aws-gaurav

部署前端（Amplify）

推送到您连接的Git存储库；Amplify自动构建和部署（请参阅 amplify.yml).

git add .
git commit -m "Your changes"
git push

可选：部署WebSocket后端（Lambda+API网关）

如果使用WebSocket堆栈，请从项目根运行（脚本使用配置文件aws-gaurav）：

./deploy-to-aws.sh   # or your CloudFormation deploy

部署状态

✅ 部署到AWS

ARN探员: arn:aws:bedrock-agentcore:us-east-1:905767016260:runtime/mcp_server-VpWbdyCLTH
Websocket API: wss://197c9q4u8i.execute-api.us-east-1.amazonaws.com/prod
部署类型：容器（带GraphViz）
区域：美国东部-1
个人资料：aws-gaurav用于AgentCore和CLI部署

可用工具

所有工具都是实时可用的：

✅ generate_architecture_overview -快速架构概述（无需扩展思维）
✅ build_cfn_template -从自然语言生成CloudFormation（针对速度进行了优化）
✅ validate_cfn_template -通过AWS API验证模板（带有可选的auto-fix）
✅ provision_cfn_stack / delete_cfn_stack / get_cfn_stack_events -堆栈生命周期

用法

通过用户界面

# Start backend (local testing)
cd ui/backend_python
python server.py

# Open frontend
open ui/frontend/index.html

# Enter prompt:
"Create a serverless API with API Gateway, Lambda, and DynamoDB"

# Click Generate → View professional diagram in Canvas tab

通过MCP客户端

import asyncio
from mcp import ClientSession
from streamable_http_sigv4 import streamablehttp_client_with_sigv4

async def main():
    agent_arn = "arn:aws:bedrock-agentcore:us-east-1:905767016260:runtime/mcp_server-VpWbdyCLTH"
    region = "us-east-1"
    
    # Encode ARN
    encoded_arn = agent_arn.replace(":", "%3A").replace("/", "%2F")
    mcp_url = f"https://bedrock-agentcore.{region}.amazonaws.com/runtimes/{encoded_arn}/invocations?qualifier=DEFAULT"
    
    async with create_streamable_http_transport_sigv4(
        mcp_url, "bedrock-agentcore", region
    ) as (read, write, _):
        async with ClientSession(read, write) as session:
            await session.initialize()
            
            # Generate template
            result = await session.call_tool(
                "build_cfn_template",
                {"prompt": "Create a serverless API", "format": "yaml"}
            )
            
            print(result)

asyncio.run(main())

通过agentcore命令行界面

agentcore invoke '{
  "jsonrpc": "2.0",
  "id": 1,
  "method": "tools/call",
  "params": {
    "name": "build_cfn_template",
    "arguments": {
      "prompt": "Create an S3 bucket with versioning",
      "format": "yaml"
    }
  }
}'

专业图表生成⭐ 新

运作原理

User Prompt
    ↓
build_cfn_template() → CloudFormation Template

支持的AWS服务（20+）

计算：Lambda、EC2、ECS
网络：API网关、ALB、CloudFront、路由器53
数据库：DynamoDB、RDS、ElastiCache
存储：S3
安全：康尼托，IAM
整合：SNS、SQS、Step函数、EventBridge
分析：动脉炎

输出示例

对于带有API网关、Lambda和DynamoDB的无服务器API：

✅ 专业PNG图
✅ AWS官方服务图标
✅ 带连接的自动布局
✅ Base64编码（网络就绪）
✅ 2-5秒生成时间

仓库结构

cfn-mcp-server/
├── mcp_server.py              # MCP server (Converse API, tools for CFn + cost + review)
├── mcp_client.py              # Local test client
├── mcp_client_remote.py       # Remote client with IAM auth
├── streamable_http_sigv4.py   # SigV4 helper
├── requirements.txt           # Python dependencies
├── Dockerfile                 # Container with GraphViz
├── .bedrock_agentcore.yaml    # AgentCore config
├── deploy/
│   ├── infrastructure.yaml    # Backend CloudFormation
│   ├── websocket-infrastructure.yaml
│   └── lambda_backend/
│       ├── handler.py         # FastAPI handler
│       └── requirements.txt
├── ui/
│   ├── frontend/
│   │   └── index.html         # Web UI
│   └── backend_python/
│       └── server.py          # Local dev server
├── tests/
│   ├── test_diagram.py        # Diagram generation test
│   └── test_nl_prompts.sh     # Integration tests
└── docs/                      # Documentation

部署

部署MCP服务器

# Configure
agentcore configure -e mcp_server.py --protocol MCP --deployment-type container

# Deploy
agentcore launch

# Test
agentcore invoke '{"jsonrpc":"2.0","id":1,"method":"tools/list"}'

部署后端（WebSocket）

./deploy-to-aws.sh

部署前端（放大）

推送到GitHub（已完成）
转到AWS Amplify控制台
连接存储库： adhavle-aws/ict-mcp-server
自动部署

监控

CloudWatch日志

# MCP Server
aws logs tail /aws/bedrock-agentcore/runtimes/mcp_server-VpWbdyCLTH-DEFAULT \
  --log-stream-name-prefix "2026/01/30/[runtime-logs]" --follow

# Lambda Backend
aws logs tail /aws/lambda/cfn-builder-websocket --follow

GenAI观察性仪表板

https://console.aws.amazon.com/cloudwatch/home?region=us-east-1#gen人工智能可观测性/智能体核心

X射线追踪

✅ 已为所有工具调用启用
✅ 跟踪延迟和错误
✅ AWS X-Ray控制台中的视图

安全

✅ IAM身份验证 -SigV4签名请求
✅ 无公共端点 -Lambda不可公开访问
✅ 最小特权 -最低IAM权限
✅ 加密 -HTTPS无处不在，加密日志
✅ 审计跟踪 -云观察+X射线+云追踪

成本估算

每月10000次请求：

AgentCore运行时间：~5-10美元
λ：约1美元
API网关：约0.04美元
基岩（克劳德）：约15-30美元
总计：约20-40美元/月

文档

docs/architecture.md -端到端架构和请求流
docs/COLD_START_AND_PREWARM.md -冷启动缓解和延迟优化推理
docs/PERFORMANCE_ANALYSIS.md -性能分解和优化策略
deploy/TIMEOUT_FIX.md -API网关29s超时和异步Lambda模式
DEPLOYMENT_SUCCESS.md -部署详细信息
DIAGRAM_INTEGRATION.md -图表功能指南
salesforce_ui/README.md -将AWS Architect AI部署为Visualforce页面

配置（可选）

BEDROCK_MODEL_ID –覆盖基岩模型（默认值：Claude Haiku 4.5）。例子： anthropic.claude-sonnet-4-5-20250929-v1:0
BEDROCK_LATENCY_OPTIMIZED –设置为 true 当您的模型/地区支持时，请求延迟优化的推理（请参阅 docs/COLD_START_AND_PREWARM.md).

支持

对于问题或疑问：

检查CloudWatch日志
验证GraphViz： dot -V
先在本地测试： python mcp_client.py
审查文档 docs/

许可证

麻省理工学院

______________________________________________________________________

状态: ✅ 已部署并投入运行。架构+模板流优化速度；UI/控制台中的工具计时和扩展思维（如果启用）；支持Salesforce UI和DevOps Agent页面。

Ict MCP Server

快速接入

详细介绍