Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
Menggunakan asisten AI dengan tabel S3 Storage Lens
Anda dapat menggunakan asisten AI dan alat AI percakapan untuk berinteraksi dengan data S3 Storage Lens yang diekspor ke Tabel S3 menggunakan bahasa alami. Dengan memanfaatkan Model Context Protocol (MCP) dan Server MCP untuk Tabel Amazon S3, Anda dapat menanyakan, menganalisis, dan mendapatkan wawasan dari data penyimpanan tanpa menulis kueri SQL.
Gambaran umum
Model Context Protocol (MCP) adalah cara standar bagi aplikasi AI untuk mengakses dan memanfaatkan informasi kontekstual. Server MCP untuk Amazon S3 Tables menyediakan alat yang memungkinkan asisten AI berinteraksi dengan data Tabel S3 Anda menggunakan antarmuka bahasa alami. Ini mendemokratisasikan akses data dan memungkinkan individu di seluruh tingkat keterampilan teknis untuk bekerja dengan metrik S3 Storage Lens.
Dengan Server MCP untuk Tabel S3, Anda dapat menggunakan bahasa alami untuk:
-
Daftar bucket tabel S3, ruang nama, dan tabel
-
Kueri metrik S3 Storage Lens dan dapatkan wawasan
-
Menganalisis tren dan pola penyimpanan
-
Identifikasi peluang pengoptimalan biaya
-
Menghasilkan laporan dan visualisasi
Asisten AI yang didukung
Server MCP untuk Tabel S3 bekerja dengan berbagai asisten AI yang mendukung Protokol Konteks Model, termasuk:
-
Kiro - Asisten pengkodean AI dengan dukungan MCP bawaan
-
Amazon Q Developer - AWS AI-powered asisten untuk pengembang
-
Cline - Asisten pengkodean AI dengan integrasi MCP
-
Claude Desktop - Aplikasi desktop Anthropic dengan dukungan MCP
-
Kurs or - Editor AI-powered kode
penting
AI-generated Kueri dan rekomendasi SQL harus ditinjau dan divalidasi sebelum digunakan. Pastikan kueri sesuai dengan struktur data, kasus penggunaan, dan persyaratan kinerja Anda. Selalu uji rekomendasi di lingkungan non-produksi sebelum menerapkannya dalam produksi.
Menyiapkan Kiro dengan tabel S3 Storage Lens
Kiro adalah asisten pengkodean AI yang menyediakan integrasi tanpa batas dengan Tabel S3 melalui Server MCP. Kiro dapat membantu Anda menginstal dan mengkonfigurasi Server MCP secara langsung melalui antarmuka, menyederhanakan proses penyiapan.
Untuk informasi lebih lanjut tentang Kiro, lihat Kiro AI.
Prasyarat
Sebelum memulai, pastikan Anda memiliki:
-
Kiro diinstal pada sistem Anda. Unduh dari https://kiro.ai/
-
AWS CLI dikonfigurasi dengan kredensional yang sesuai
-
Konfigurasi S3 Storage Lens dengan ekspor Tabel S3 diaktifkan
-
Izin untuk menanyakan Tabel S3. Untuk informasi selengkapnya, lihat Izin untuk tabel S3 Storage Lens.
Langkah 1: Instal Server MCP Tabel S3
Anda dapat menginstal S3 Tables MCP Server dengan dua cara:
Opsi 1: Menggunakan manajemen server MCP bawaan Kiro
Kiro dapat membantu Anda menemukan dan menginstal server MCP secara langsung melalui antarmuka:
-
Buka Situs Kiro
-
Akses antarmuka manajemen server MCP (biasanya melalui pengaturan atau palet perintah)
-
Cari “Tabel S3” atau “awslabs.s3-tables-mcp-server”
-
Ikuti petunjuk Kiro untuk menginstal dan mengkonfigurasi server
Opsi 2: Instalasi manual menggunakan uvx
Atau, Anda dapat menginstal Server MCP secara manual menggunakanuvx, pelari paket Python:
uvx awslabs.s3-tables-mcp-server@latest
Untuk informasi selengkapnya tentang menginstal Server MCP, lihat dokumentasi Server MCP Tabel AWS S3.
Langkah 2: Konfigurasikan pengaturan Kiro MCP
Buat atau perbarui file konfigurasi Kiro MCP Anda di ~/.kiro/settings/mcp.json dengan konten berikut:
{ "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" } } } }
Ganti your-aws-profile dengan nama AWS CLI profil Anda dan us-east-1 dengan Wil AWS ayah Anda.
Langkah 3: Verifikasi konfigurasi
Setelah mengkonfigurasi Server MCP, restart Kiro dan verifikasi bahwa alat S3 Tables tersedia. Anda dapat memeriksa server MCP yang tersedia di pengaturan Kiro atau dengan meminta Kiro untuk membuat daftar alat yang tersedia.
Contoh kasus penggunaan dengan asisten AI
Contoh berikut menunjukkan cara menggunakan petunjuk bahasa alami dengan asisten AI untuk berinteraksi dengan data S3 Storage Lens.
Contoh 1: Kueri konsumen penyimpanan teratas
Prompt: “Tunjukkan 10 bucket teratas berdasarkan konsumsi penyimpanan dari data S3 Storage Lens saya.”
Asisten AI akan menggunakan Server MCP untuk menanyakan tabel S3 Storage Lens Anda dan mengembalikan hasilnya, termasuk nama bucket, kelas penyimpanan, dan jumlah penyimpanan.
Contoh 2: Analisis pertumbuhan penyimpanan
Prompt: “Analisis pertumbuhan penyimpanan saya selama 30 hari terakhir dan tunjukkan trennya.”
Asisten AI akan menanyakan tabel metrik penyimpanan, menghitung total penyimpanan harian, dan menyajikan tren pertumbuhan.
Contoh 3: Identifikasi peluang pengoptimalan biaya
Permintaan: “Temukan bucket dengan unggahan multipart yang tidak lengkap yang lebih lama dari 7 hari yang membuang-buang penyimpanan.”
Asisten AI akan menanyakan tabel metrik penyimpanan untuk unggahan multipart yang tidak lengkap dan memberikan daftar bucket dengan potensi penghematan biaya.
Contoh 4: Temukan kandidat data dingin
Prompt: “Identifikasi awalan tanpa aktivitas dalam 100 hari terakhir yang disimpan di tingkatan penyimpanan panas.”
Asisten AI akan menganalisis metrik penyimpanan dan aktivitas untuk mengidentifikasi data yang dapat dipindahkan ke tingkat penyimpanan yang lebih dingin untuk pengoptimalan biaya.
Contoh 5: Menghasilkan laporan penyimpanan
Prompt: “Buat laporan ringkasan penyimpanan S3 saya yang menunjukkan total penyimpanan, jumlah objek, dan pola permintaan selama seminggu terakhir.”
Asisten AI akan menanyakan beberapa tabel, mengumpulkan data, dan menghasilkan laporan komprehensif.
Praktik terbaik untuk menggunakan asisten AI
Ikuti praktik terbaik berikut saat menggunakan asisten AI dengan data S3 Storage Lens:
-
Jadilah spesifik dalam petunjuk Anda - Berikan instruksi yang jelas dan spesifik tentang data apa yang ingin Anda analisis dan wawasan apa yang Anda cari.
-
Veri AI-generated fikasi kueri - Selalu tinjau dan validasi kueri SQL dan rekomendasi yang dihasilkan asisten AI sebelum menjalankannya atau mengambil tindakan. Asisten AI terkadang menghasilkan kueri atau rekomendasi yang salah yang perlu diverifikasi terhadap kasus penggunaan dan data spesifik Anda.
-
Gunakan izin yang sesuai - Pastikan kredenSIAL IAM yang digunakan oleh asisten AI hanya memiliki izin yang diperlukan. Untuk analisis baca-saja, berikan hanya izin SELECT.
-
Memantau penggunaan - Lacak kueri yang dieksekusi oleh asisten AI AWS CloudTrail yang digunakan untuk memelihara jejak audit.
-
Mulailah dengan kueri sederhana - Mulailah dengan kueri langsung untuk memahami bagaimana asisten AI menafsirkan permintaan Anda, lalu lanjutkan ke analisis yang lebih kompleks.
Pencatatan dan keterlacakan
Saat menggunakan Server MCP Tabel S3 dengan asisten AI, Anda memiliki beberapa cara untuk mengaudit operasi:
-
Log lokal - Server MCP mencatat permintaan dan tanggapan secara lokal. Anda dapat menentukan direktori log menggunakan opsi
--log-dirkonfigurasi. -
AWS CloudTrail- Semua operasi Tabel S3 melalui Server MCP menggunakan PyIceberg akan
awslabs/mcp/s3-tables-mcp-server/<version>memiliki string agen pengguna. Anda dapat memfilter CloudTrail log oleh agen pengguna ini untuk melacak tindakan yang dilakukan oleh asisten AI. -
Riwayat asisten AI - Asisten AI seperti Kiro dan Cline memelihara log riwayat yang merekam permintaan bahasa alami, tanggapan LLM, dan instruksi yang diberikan ke Server MCP.
Pertimbangan keamanan
Saat menggunakan asisten AI dengan data S3 Storage Lens, ikuti praktik terbaik keamanan berikut:
-
Gunakan akses hak istimewa paling sedikit - Berikan asisten AI hanya izin minimum yang diperlukan untuk tugas mereka.
-
Aktifkan MFA - Gunakan otentikasi multi-faktor untuk AWS akun yang diakses asisten AI.
-
Tinjau izin secara teratur - Secara berkala mengaudit izin yang diberikan kepada asisten AI dan cabut akses yang tidak perlu.
-
Gunakan kredenSIAL terpisah - Pertimbangkan untuk menggunakan AWS kredenSIAL terpisah untuk akses asisten AI untuk memfasilitasi pelacakan dan audit.
-
Hindari berbagi data sensitif - Berhati-hatilah dalam berbagi informasi sensitif dalam permintaan ke asisten AI, terutama saat menggunakan layanan AI berbasis cloud.
Pemecahan masalah
Asisten AI tidak dapat terhubung ke Tabel S3
Masalah: Asisten AI melaporkan bahwa ia tidak dapat terhubung ke Tabel S3 atau Server MCP tidak merespons.
Solusi:
-
Verifikasi bahwa Server MCP diinstal dengan benar menggunakan
uvx awslabs.s3-tables-mcp-server@latest --version -
Periksa apakah AWS kredensi Anda dikonfigurasi dengan benar
-
Pastikan file konfigurasi MCP memiliki AWS profil dan wilayah yang benar
Kesalahan akses ditolak
Masalah: Asist en AI menerima kesalahan akses ditolak saat menanyakan tabel S3 Storage Lens.
Solusi:
-
Verifikasi bahwa integrasi analitik diaktifkan pada bucket
aws-s3tabel -
Periksa apakah izin Formasi Danau dikonfigurasi dengan benar
-
Pastikan AWS kredenSIAL memiliki izin IAM yang diperlukan
Hasil yang salah atau tidak terduga
Masalah: Asist en AI mengembalikan hasil yang salah atau tidak terduga.
Solusi:
-
Tinjau kueri SQL yang dihasilkan oleh asisten AI
-
Pastikan Anda menggunakan nama namespace yang benar untuk konfigurasi Lensa Penyimpanan
-
Periksa apakah data tersedia dengan menanyakan report_time terbaru
-
Perbaiki prompt Anda agar lebih spesifik tentang apa yang ingin Anda analisis
Sumber daya tambahan
Untuk informasi selengkapnya tentang menggunakan asisten AI dengan Tabel S3, lihat sumber daya berikut:
-
Kiro AI
- Asisten pengkodean AI dengan dukungan MCP bawaan -
Menerapkan AI percakapan untuk Tabel S3 menggunakan Model Context Protocol (MCP)
- Storage Blog AWS