Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
Membangun dengan agen AI
AI dan LLMs dapat mempercepat pengembangan secara signifikan dengan Amazon Location Service dengan memberikan bantuan cerdas untuk penggunaan API, pembuatan kode, dan pemecahan masalah. Dengan mengonfigurasi klien LLM Anda dengan server dan konteks MCP yang tepat, Anda dapat membuat asisten pengembangan yang kuat yang memahami layanan AWS dan spesifikasi Amazon Location Service. Menggunakan konteks minimal dan konfigurasi MCP seperti yang direkomendasikan pada halaman ini dapat memastikan model LLM pilihan Anda memiliki konteks yang cukup untuk menghasilkan hasil yang benar tanpa membebani jendela konteks. Hal ini dapat mengurangi halusinasi dan meningkatkan akurasi hasil. Konfigurasi ini juga memastikan bahwa batas pengetahuan model tidak memengaruhi kualitas hasil. Paket konteks agen Amazon Location Service menyediakan ready-to-use integrasi untuk asisten pengkodean AI populer, memandu agen AI melalui penambahan peta, pencarian tempat, geocoding, perutean, dan fitur geospasial lainnya, termasuk penyiapan otentikasi, integrasi SDK, dan praktik terbaik. Pilih metode instalasi yang sesuai dengan lingkungan pengembangan Anda.
Untuk pengguna Kiro
Kiro
Setelah diinstal, Amazon Location Service aktif secara otomatis ketika Anda menyebutkan kata kunci seperti “location”, “maps”, “geocoding”, “routing”, “places”, “geofencing”, atau “tracking” dalam prompt Anda.
Untuk pengguna Claude Code dan Cursor
Untuk pengguna Claude Code dan Cursor, instal amazon-location-serviceplugin dari pasar resmi masing-masing. Plugin ini mencakup konfigurasi MCP secara otomatis.
Untuk agen pengkodean AI lainnya
Untuk agen pengkodean AI yang mendukung standar terbuka Keterampilan Agen
npx skills add aws-geospatial/amazon-location-agent-context
CLI memandu Anda dalam memilih agen mana yang akan menginstal keterampilan dan pada cakupan apa (tingkat proyek atau pengguna):
$ npx skills add aws-geospatial/amazon-location-agent-context ? Select an agent: (Use arrow keys) › Claude Code Cursor GitHub Copilot OpenCode Codex Antigravity ? Select a scope: (Use arrow keys) › Project — install in current directory (committed with your project) Global — install globally for all projects
Anda juga dapat menginstal untuk agen tertentu secara langsung:
GitHub Kopilot:
npx skills add aws-geospatial/amazon-location-agent-context -a github-copilot
OpenCode:
npx skills add aws-geospatial/amazon-location-agent-context -a opencode
Kodeks:
npx skills add aws-geospatial/amazon-location-agent-context -a codex
Setelah diinstal, skill akan aktif secara otomatis ketika tugas Anda melibatkan lokasi, peta, geocoding, routing, atau topik Amazon Location Service lainnya.
catatan
Untuk pengguna Claude Code dan Cursor, kami merekomendasikan Untuk pengguna Claude Code dan Cursor untuk pengalaman terbaik, karena menyertakan konfigurasi MCP secara otomatis.
Untuk penggunaan konteks langsung
Jika Anda tidak menggunakan Kiro, Code/Cursor plugin Claude, atau salah satu agen yang didukung oleh Keterampilan Agen, Anda dapat memuat file konteks langsung ke LLM Anda:
-
Mulailah dengan
context/amazon-location.mddari amazon-location-agent-contextrepositori untuk ikhtisar layanan. -
Tambahkan file tertentu dari
context/additional/yang diperlukan untuk tugas Anda, atau izinkan klien LLM untuk membacanya sesuai permintaan.
MCP Server
Kiro IDE (Power) dan Untuk pengguna Claude Code dan Cursor instalasi menyertakan konfigurasi MCP secara otomatis. Jika Anda menggunakan Kiro CLIUntuk agen pengkodean AI lainnya,, Untuk penggunaan konteks langsung atau, konfigurasikan server berikut secara manual untuk fungsionalitas penuh:
-
AWS MCP Server — Eksplorasi AWS API, eksekusi, dan akses dokumentasi. Untuk petunjuk penyiapan, lihat Memulai dengan AWS MCP Server.