本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。
搭配 S3 Storage Lens 資料表使用 AI 助理
您可以使用 AI 助理和對話式 AI 工具，與使用自然語言匯出至 S3 資料表的 S3 S3 Storage Lens 資料互動。透過利用模型內容通訊協定 (MCP) 和 Amazon S3 Tables 的 MCP 伺服器，您可以查詢、分析和獲得儲存資料的洞見，而無需撰寫 SQL 查詢。
概觀
模型內容通訊協定 (MCP) 是 AI 應用程式存取和使用內容資訊的標準化方式。MCP Server for Amazon S3 Tables 提供工具，可讓 AI 助理使用自然語言界面與您的 S3 Tables 資料互動。這會普及資料存取，並讓技術技能層級的個人能夠使用 S3 Storage Lens 指標。
使用適用於 S3 Tables 的 MCP 伺服器，您可以使用自然語言來：
-
列出 S3 資料表儲存貯體、命名空間和資料表
-
查詢 S3 Storage Lens 指標並取得洞見
-
分析儲存趨勢和模式
-
識別成本最佳化機會
-
產生報告和視覺化效果
支援的 AI 助理
MCP Server for S3 Tables 可與支援模型內容通訊協定的各種 AI 助理搭配使用，包括：
-
Kiro - 內建 MCP 支援的 AI 編碼助理
-
Amazon Q Developer - AWS開發人員的 AI 輔助
-
Cline - 具有 MCP 整合的 AI 編碼助理
-
Claude Desktop - 支援 MCP 的 Anthropic 桌面應用程式
-
游標 - AI 支援的程式碼編輯器
重要
AI 產生的 SQL 查詢和建議應在使用前進行檢閱和驗證。驗證查詢是否適合您的資料結構、使用案例和效能需求。在生產環境中實作建議之前，請務必在非生產環境中測試建議。
使用 S3 Storage Lens 資料表設定 Kiro
Kiro 是一種 AI 編碼助理，可透過 MCP 伺服器與 S3 Tables 無縫整合。Kiro 可協助您直接透過其界面安裝和設定 MCP 伺服器，簡化設定程序。
如需 Kiro 的詳細資訊，請參閱 Kiro AI
先決條件
開始之前，請確定您已：
-
Kiro 安裝在您的系統上。從 https：//https://kiro.ai/
下載 -
AWS CLI 使用適當的登入資料設定
-
啟用 S3 Tables 匯出的 S3 Storage Lens 組態
-
查詢 S3 資料表的許可。如需詳細資訊，請參閱S3 Storage Lens 資料表的許可。
步驟 1：安裝 S3 Tables MCP 伺服器
您可以透過兩種方式安裝 S3 Tables MCP 伺服器：
選項 1：使用 Kiro 的內建 MCP 伺服器管理
Kiro 可協助您直接透過其界面探索和安裝 MCP 伺服器：
-
開啟 Kiro
-
存取 MCP 伺服器管理界面 （通常透過設定或命令調色盤）
-
搜尋「S3 Tables」或「awslabs.s3-tables-mcp-server」
-
遵循 Kiro 的提示來安裝和設定伺服器
選項 2：使用 uvx 手動安裝
或者，您可以使用 Python 套件執行器 uvx手動安裝 MCP 伺服器：
uvx awslabs.s3-tables-mcp-server@latest
如需安裝 MCP 伺服器的詳細資訊，請參閱 AWS S3 Tables MCP Server 文件
步驟 2：設定 Kiro MCP 設定
~/.kiro/settings/mcp.json 使用下列內容在 建立或更新您的 Kiro MCP 組態檔案：
{ "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-profile 將 取代為您的 AWS CLI 設定檔名稱，並將 us-east-1取代為您的 AWS 區域。
步驟 3：驗證組態
設定 MCP 伺服器後，重新啟動 Kiro 並確認 S3 Tables 工具可用。您可以在 Kiro 的設定中檢查可用的 MCP 伺服器，或要求 Kiro 列出可用的工具。
AI 助理的範例使用案例
下列範例示範如何搭配 AI 助理使用自然語言提示來與 S3 Storage Lens 資料互動。
範例 1：查詢熱門儲存取用者
提示：「顯示我的 S3 Storage Lens 資料中依儲存體用量列出的前 10 個儲存貯體。」
AI 助理將使用 MCP 伺服器查詢 S3 Storage Lens 資料表並傳回結果，包括儲存貯體名稱、儲存類別和儲存量。
範例 2：分析儲存成長
提示：「分析過去 30 天的儲存成長，並顯示趨勢。」
AI 助理將查詢儲存指標表、計算每日儲存總計，並呈現成長趨勢。
範例 3：識別成本最佳化機會
提示：「尋找具有未完成分段上傳且超過 7 天而浪費儲存的儲存貯體。」
AI 助理將查詢儲存指標資料表是否有未完成的分段上傳，並提供可能節省成本的儲存貯體清單。
範例 4：尋找冷資料候選項目
提示：「識別在過去 100 天內沒有活動的字首，這些字首存放在熱儲存層中。」
AI 助理會分析儲存和活動指標，以識別可移至較冷儲存層的資料，以進行成本最佳化。
範例 5：產生儲存報告
提示：「建立我的 S3 儲存體摘要報告，顯示上週的總儲存體、物件計數和請求模式。」
AI 助理將查詢多個資料表、彙總資料，並產生完整的報告。
使用 AI 助理的最佳實務
搭配 S3 Storage Lens 資料使用 AI 助理時，請遵循下列最佳實務：
-
在您的提示中具體說明 - 提供明確、具體的指示，說明您想要分析哪些資料，以及您正在尋找哪些洞見。
-
驗證 AI 產生的查詢 - 在執行或採取行動之前，請務必檢閱和驗證 AI 助理產生的 SQL 查詢和建議。AI 助理偶爾可能會產生不正確的查詢或建議，這些查詢或建議需要根據您的特定使用案例和資料進行驗證。
-
使用適當的許可 - 確保 AI 助理使用的 IAM 憑證只有必要的許可。對於唯讀分析，僅授予 SELECT 許可。
-
監控用量 - 使用 追蹤 AI 助理執行的查詢 AWS CloudTrail ，以維護稽核線索。
-
從簡單的查詢開始 - 從簡單的查詢開始，以了解 AI 助理如何解譯您的提示，然後進行更複雜的分析。
記錄和可追蹤性
搭配 AI 助理使用 S3 Tables MCP Server 時，您有多種方式可以稽核操作：
-
本機日誌 - MCP 伺服器會在本機記錄請求和回應。您可以使用
--log-dir組態選項指定日誌目錄。 -
AWS CloudTrail - 透過使用 PyIceberg 的 MCP 伺服器執行的所有 S3 Tables 操作都會以
awslabs/mcp/s3-tables-mcp-server/<version>做為使用者代理程式字串。您可以依此使用者代理程式篩選 CloudTrail 日誌，以追蹤 AI 助理執行的動作。 -
AI 助理歷史記錄 - Kiro 和 Cline 等 AI 助理會維護歷史記錄日誌，記錄自然語言請求、LLM 回應和提供給 MCP 伺服器的指示。
安全考量
搭配 S3 Storage Lens 資料使用 AI 助理時，請遵循下列安全最佳實務：
-
使用最低權限存取 - 僅授予 AI 助理其任務所需的最低許可。
-
啟用 MFA - 對 AI 助理存取 AWS 的帳戶使用多重驗證。
-
定期檢閱許可 - 定期稽核授予 AI 助理的許可，並撤銷不必要的存取權。
-
使用單獨的登入資料 - 考慮使用單獨的 AWS 登入資料進行 AI 助理存取，以促進追蹤和稽核。
-
避免共用敏感資料 - 在提示中將敏感資訊分享給 AI 助理時要小心，尤其是在使用雲端式 AI 服務時。
疑難排解
AI 助理無法連線至 S3 資料表
問題：AI 助理回報無法連線至 S3 Tables 或 MCP Server 沒有回應。
解決方案：
-
使用 驗證 MCP 伺服器是否已正確安裝
uvx awslabs.s3-tables-mcp-server@latest --version -
檢查您的 AWS 登入資料是否已正確設定
-
確保 MCP 組態檔案具有正確的 AWS 設定檔和區域
存取遭拒錯誤
問題：AI 助理在查詢 S3 Storage Lens 資料表時收到存取遭拒錯誤。
解決方案：
-
確認
aws-s3資料表儲存貯體上已啟用分析整合 -
檢查 Lake Formation 許可是否已正確設定
-
確保 AWS 登入資料具有必要的 IAM 許可
不正確或非預期的結果
問題：AI 助理傳回不正確或非預期的結果。
解決方案：
-
檢閱 AI 助理產生的 SQL 查詢
-
確認您為 Storage Lens 組態使用正確的命名空間名稱
-
透過查詢最新的 report_time 檢查資料是否可用
-
精簡您的提示，以更具體地說明您想要分析的內容
其他資源
如需搭配 S3 Tables 使用 AI 助理的詳細資訊，請參閱下列資源：
-
Kiro AI
- 內建 MCP 支援的 AI 編碼助理
