Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
Trabajando con IA y LLMs
La IA LLMs puede acelerar considerablemente el desarrollo con Amazon Location Service al proporcionar asistencia inteligente para el uso de las API, la generación de código y la solución de problemas. Al configurar su cliente LLM con los servidores MCP y el contexto adecuados, puede crear un potente asistente de desarrollo que comprenda los AWS servicios y las características específicas de Amazon Location Service. Si utiliza un contexto mínimo y una configuración de MCP, tal y como se recomienda en esta página, podrá garantizar que el modelo de LLM que elija tenga el contexto suficiente para obtener resultados correctos sin sobrecargar el contexto. Esto puede reducir las alucinaciones y aumentar la precisión de los resultados. Esta configuración también garantiza que el límite de conocimiento del modelo no afecte a la calidad de los resultados.
Servidores MCP recomendados
Los servidores Model Context Protocol (MCP) amplían las capacidades de LLM al proporcionar acceso a herramientas externas, documentación y. APIs Si bien estos servidores MCP no son necesarios, pueden ayudar al LLM a buscar información adicional sobre el servicio y a mantenerte al día con las últimas directrices para desarrolladores de Amazon Location Service. Para el desarrollo de Amazon Location Service, se recomiendan los siguientes servidores MCP:
-
aws-knowledge-mcp-server- Acceso a la AWS documentación, las referencias de las API, las mejores prácticas y las bases de conocimiento. No requiere AWS credenciales ni autenticación, lo que lo hace ideal para la búsqueda de documentación sin la administración de credenciales.
-
aws-api-mcp-server- Interacciones AWS API directas y ejecución de comandos CLI. Requiere AWS credenciales.
Configuración de los clientes
Configure su cliente LLM con los servidores MCP utilizando el formato de configuración adecuado para su cliente.
- Kiro
-
Instalación con un solo clic:
Configuración manual:
Añada lo siguiente a la configuración de su agente Kiro. Para obtener más información sobre la configuración de Kiro, consulte la documentación de Kiro.
{
"mcpServers": {
"aws-knowledge-mcp-server": {
"url": "https://knowledge-mcp.global.api.aws",
"type": "http"
},
"aws-api-mcp-server": {
"command": "uvx",
"args": ["awslabs.aws-api-mcp-server@latest"],
"env": {
"AWS_REGION": "us-east-1",
"READ_OPERATIONS_ONLY": "true"
}
}
}
}
- VSCode with Copilot
-
Instalación con un clic:
Configuración manual:
Añada lo siguiente a su archivo VSCode mcp.json. Para obtener más información sobre los servidores MCP en VS Code, consulte la documentación. VSCode
{
"servers": {
"aws-knowledge-mcp-server": {
"type": "http",
"url": "https://knowledge-mcp.global.api.aws"
},
"aws-api-mcp-server": {
"command": "uvx",
"args": ["awslabs.aws-api-mcp-server@latest"],
"env": {
"AWS_REGION": "us-east-1",
"READ_OPERATIONS_ONLY": "true"
}
}
}
}
- VSCode with Cline
-
Configuración manual:
Añada lo siguiente a su archivo de configuración del MCP de Cline (cline_mcp_settings.json). Para obtener más información sobre la configuración del MCP de Cline, consulte la documentación de Cline.
{
"mcpServers": {
"aws-knowledge-mcp-server": {
"type": "streamableHttp",
"url": "https://knowledge-mcp.global.api.aws"
},
"aws-api-mcp-server": {
"type": "stdio",
"command": "uvx",
"args": ["awslabs.aws-api-mcp-server@latest"],
"env": {
"AWS_REGION": "us-east-1",
"READ_OPERATIONS_ONLY": "true"
}
}
}
}
- Cursor
-
Configuración manual:
Añada lo siguiente a su archivo Cursor mcp.json. Para obtener más información sobre la configuración del Cursor MCP, consulte la documentación del Cursor.
{
"mcpServers": {
"aws-knowledge-mcp-server": {
"url": "https://knowledge-mcp.global.api.aws"
},
"aws-api-mcp-server": {
"command": "uvx",
"args": ["awslabs.aws-api-mcp-server@latest"],
"env": {
"AWS_REGION": "us-east-1",
"READ_OPERATIONS_ONLY": "true"
}
}
}
}
- Claude Code
-
Configuración manual:
Agregue servidores MCP mediante los comandos CLI de Claude. Para obtener más información sobre la configuración del MCP de Claude Code, consulte la documentación de Claude Code.
# Add AWS Knowledge MCP Server (HTTP)
claude mcp add --transport http aws-knowledge-mcp-server https://knowledge-mcp.global.api.aws
# Add AWS API MCP Server (stdio)
claude mcp add --transport stdio aws-api-mcp-server -- uvx awslabs.aws-api-mcp-server@latest
- Gemini Code Assist
-
Configuración manual:
Agrega lo siguiente a tu archivo JSON de configuración de Gemini (~/.gemini/settings.json). Para obtener más información sobre la configuración del MCP de Gemini Code Assist, consulta la documentación de Google Cloud.
{
"mcpServers": {
"aws-knowledge-mcp-server": {
"httpUrl": "https://knowledge-mcp.global.api.aws"
},
"aws-api-mcp-server": {
"command": "uvx",
"args": ["awslabs.aws-api-mcp-server@latest"],
"env": {
"AWS_REGION": "us-east-1",
"READ_OPERATIONS_ONLY": "true"
}
}
}
}
Contexto útil
Al trabajar con IA y LLMs en proyectos de Amazon Location Service, proporcionar un contexto específico puede ayudar a guiar a la IA hacia mejores soluciones. Mejoramos continuamente la documentación y las guías publicadas para adaptarnos LLMs mejor a las prácticas recomendadas actuales, pero estamos alojando y manteniendo un conjunto de contextos útiles que pueden ayudar mientras la formación de modelos se pone al día con las últimas versiones de Amazon Location Service.
Hay un archivo Agents.md mantenido que proporciona un contexto mínimo útil para trabajar con Amazon Location.
Para usar este archivo de contexto, primero descárguelo localmente:
curl -o path/to/AGENTS.md https://raw.githubusercontent.com/aws-geospatial/amazon-location-docs-resources/main/developer-tools/ai-and-llms/AGENTS.md
A continuación, configure su cliente LLM para que utilice el archivo descargado:
- Kiro
-
Añada el archivo local a la configuración de su agente:
{
"resources": [
"file://path/to/AGENTS.md"
]
}
- VSCode with Copilot
-
Coloque el archivo Agents.md descargado en la raíz de su espacio de trabajo. VSCode aplicará automáticamente las instrucciones a todas las solicitudes de chat. Para activar esta función, asegúrate de mantener el chat. useAgentsMdLa configuración de archivos está habilitada. Para obtener más información, consulte las instrucciones personalizadas en la VSCode documentación.
- VSCode with Cline
-
Coloca el archivo Agents.md descargado en la raíz de tu proyecto o usa @ menciones para hacer referencia a él en tus conversaciones. Cline descubrirá automáticamente los archivos del proyecto y podrás hacer referencia al contexto en tus indicaciones. @AGENTS.md Para obtener más información sobre la gestión del contexto, consulte la documentación de Cline.
- Cursor
-
Usa @ menciones para hacer referencia al archivo Agents.md descargado en tus conversaciones. Puedes hacer referencia a los archivos utilizando el archivo Agents.md @Files & Folders y, a continuación, buscarlo, o arrastrar el archivo directamente al chat. Para obtener más información sobre las menciones de @, consulta la documentación de Cursor.
- Claude Code
-
Añada el archivo Agents.md descargado al directorio de su proyecto. Puede incluirlo en el archivo Claude.md de su proyecto o hacer referencia a él directamente en la sesión actual. Para obtener más información sobre la configuración del MCP de Claude Code, consulte la documentación de Claude Code.
- Gemini Code Assist
-
Cree un archivo Gemini.md en la raíz de su proyecto o ~/.gemini/Gemini.md para un contexto global e incluya el contenido del archivo Agents.md descargado. Para obtener más información sobre los archivos de contexto, consulta la documentación de Google Cloud.
Configuración de Kiro Agent
Para los usuarios de Kiro, aquí hay un archivo completo de configuración del agente que incluye los servidores MCP recomendados y el archivo de contexto de Amazon Location Service:
{
"name": "amazon-location-agent",
"description": "Agent configured for Amazon Location Service development",
"prompt": null,
"mcpServers": {
"aws-knowledge-mcp-server": {
"url": "https://knowledge-mcp.global.api.aws",
"type": "http"
},
"aws-api-mcp-server": {
"command": "uvx",
"args": ["awslabs.aws-api-mcp-server@latest"],
"env": {
"AWS_REGION": "us-east-1",
"READ_OPERATIONS_ONLY": "true"
}
}
},
"tools": [
"@builtin",
"@aws-knowledge-mcp-server/aws___read_documentation",
"@aws-knowledge-mcp-server/aws___recommend",
"@aws-knowledge-mcp-server/aws___search_documentation",
"@aws-api-mcp-server/aws___call_aws",
"@aws-api-mcp-server/aws___suggest_aws_commands"
],
"allowedTools": [
"web_fetch",
"web_search",
"fs_read",
"@aws-knowledge-mcp-server/aws___read_documentation",
"@aws-knowledge-mcp-server/aws___recommend",
"@aws-knowledge-mcp-server/aws___search_documentation",
"@aws-api-mcp-server/aws___suggest_aws_commands"
],
"resources": [
"file://path/to/amazon-location-docs-resources/developer-tools/ai-and-llms/AGENTS.md"
],
"includeMcpJson": false
}
