Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

Utilizzo degli assistenti AI con le tabelle S3 Storage Lens

Puoi utilizzare gli assistenti AI e gli strumenti di intelligenza artificiale conversazionale per interagire con i dati di S3 Storage Lens esportati su S3 Tables utilizzando il linguaggio naturale. Sfruttando il Model Context Protocol (MCP) e il server MCP per le tabelle Amazon S3, puoi interrogare, analizzare e ottenere informazioni dai tuoi dati di storage senza scrivere query SQL.

Panoramica di

Il Model Context Protocol (MCP) è un modo standardizzato per le applicazioni di intelligenza artificiale di accedere e utilizzare le informazioni contestuali. Il server MCP per Amazon S3 Tables fornisce strumenti che consentono agli assistenti AI di interagire con i dati di S3 Tables utilizzando interfacce in linguaggio naturale. Ciò democratizza l'accesso ai dati e consente alle persone con diversi livelli di competenza tecnica di lavorare con le metriche di S3 Storage Lens.

Con il server MCP per S3 Tables, puoi usare il linguaggio naturale per:

Assistenti AI supportati

Il server MCP per S3 Tables funziona con vari assistenti AI che supportano il Model Context Protocol, tra cui:

Configurazione di Kiro con i tavoli S3 Storage Lens

Kiro è un assistente di codifica AI che fornisce una perfetta integrazione con S3 Tables tramite il server MCP. Kiro può aiutarti a installare e configurare il server MCP direttamente tramite la sua interfaccia, semplificando il processo di configurazione.

Per ulteriori informazioni su Kiro, consulta Kiro AI.

Prerequisiti

Prima di iniziare, assicurati di avere:

Fase 1: Installare il server MCP di S3 Tables

È possibile installare il server MCP S3 Tables in due modi:

Opzione 1: utilizzo della gestione del server MCP integrata di Kiro

Kiro può aiutarti a scoprire e installare i server MCP direttamente tramite la sua interfaccia:

Opzione 2: installazione manuale tramite uvx

In alternativa, puoi installare manualmente il server MCP usando un uvx gestore di pacchetti Python:

uvx awslabs.s3-tables-mcp-server@latest

Per ulteriori informazioni sull'installazione del server MCP, consultate la documentazione del server MCP di AWS S3 Tables.

Fase 2: Configurare le impostazioni di Kiro MCP

Crea o aggiorna il tuo file di configurazione Kiro MCP all'indirizzo ~/.kiro/settings/mcp.json con il seguente contenuto:

{
  "mcpServers": {
    "awslabs.s3-tables-mcp-server": {
      "command": "uvx",
      "args": ["awslabs.s3-tables-mcp-server@latest"],
      "env": {
        "AWS_PROFILE": "your-aws-profile",
        "AWS_REGION": "us-east-1"
      }
    }
  }
}

your-aws-profileSostituiscilo con il nome AWS CLI del tuo profilo e us-east-1 con la tua AWS regione.

Fase 3: Verifica la configurazione

Dopo aver configurato il server MCP, riavvia Kiro e verifica che gli strumenti S3 Tables siano disponibili. Puoi controllare i server MCP disponibili nelle impostazioni di Kiro o chiedendo a Kiro di elencare gli strumenti disponibili.

Esempi di casi d'uso con assistenti AI

Gli esempi seguenti mostrano come utilizzare i prompt in linguaggio naturale con gli assistenti AI per interagire con i dati di S3 Storage Lens.

Esempio 1: interroga i principali consumatori di storage

Richiesta: «Mostrami i 10 bucket principali per consumo di storage in base ai dati del mio S3 Storage Lens».

L'assistente AI utilizzerà il server MCP per interrogare le tabelle di S3 Storage Lens e restituire i risultati, inclusi i nomi dei bucket, le classi di archiviazione e gli importi di storage.

Esempio 2: analizza la crescita dello storage

Richiesta: «Analizza la crescita dello storage negli ultimi 30 giorni e mostrami la tendenza».

L'assistente AI interrogherà la tabella delle metriche di archiviazione, calcolerà i totali di archiviazione giornalieri e presenterà il trend di crescita.

Esempio 3: Identifica le opportunità di ottimizzazione dei costi

Richiesta: «Trova i bucket con caricamenti incompleti in più parti risalenti a più di 7 giorni fa e che sprecano spazio di archiviazione».

L'assistente AI interrogherà la tabella delle metriche di archiviazione per individuare caricamenti incompleti in più parti e fornirà un elenco di bucket con potenziali risparmi sui costi.

Esempio 4: trova candidati candidati per i cold data

Richiesta: «Identifica i prefissi senza attività negli ultimi 100 giorni che vengono archiviati in livelli di archiviazione a caldo».

L'assistente AI analizzerà le metriche di archiviazione e di attività per identificare i dati che potrebbero essere spostati su livelli di archiviazione più freddi per ottimizzare i costi.

Esempio 5: generazione di report sullo storage

Richiesta: «Crea un rapporto riepilogativo del mio storage S3 che mostri lo storage totale, il numero di oggetti e i modelli di richiesta per l'ultima settimana».

L'assistente AI interrogherà più tabelle, aggregherà i dati e genererà un report completo.

Le migliori pratiche per l'utilizzo degli assistenti AI

Segui queste best practice quando utilizzi gli assistenti AI con i dati di S3 Storage Lens:

Registrazione e tracciabilità

Quando si utilizza il server MCP S3 Tables con assistenti AI, sono disponibili diversi modi per controllare le operazioni:

Considerazioni relative alla sicurezza

Quando utilizzi gli assistenti AI con i dati di S3 Storage Lens, segui queste best practice di sicurezza:

Risoluzione dei problemi

L'assistente AI non può connettersi a S3 Tables

Problema: l'assistente AI segnala che non riesce a connettersi a S3 Tables o che il server MCP non risponde.

Soluzione::

Errori di accesso negato

Problema: l'assistente AI riceve errori di accesso negato quando interroga le tabelle di S3 Storage Lens.

Soluzione::

Risultati errati o imprevisti

Problema: l'assistente AI restituisce risultati errati o imprevisti.

Soluzione::

Risorse aggiuntive

Per ulteriori informazioni sull'utilizzo degli assistenti AI con S3 Tables, consulta le seguenti risorse: