Bekerja dengan AI dan LLMs - Amazon Location Service
Server MCP yang DirekomendasikanKonteks yang BergunaKonfigurasi Agen Kiro

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Bekerja dengan AI dan LLMs

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. Ini dapat mengurangi halusinasi dan meningkatkan akurasi hasil. Konfigurasi ini juga memastikan bahwa batas pengetahuan model tidak memengaruhi kualitas hasil.

Server MCP yang Direkomendasikan

Server Model Context Protocol (MCP) memperluas kemampuan LLM dengan menyediakan akses ke alat eksternal, dokumentasi, dan. APIs Meskipun server MCP ini tidak diperlukan, mereka dapat membantu LLM mencari informasi tambahan tentang layanan dan membiarkan Anda tetap up to date pada panduan pengembang Amazon Location Service terbaru. Untuk pengembangan Amazon Location Service, server MCP berikut direkomendasikan:

  • aws-knowledge-mcp-server- Akses ke AWS dokumentasi, referensi API, praktik terbaik, dan basis pengetahuan. Tidak memerlukan AWS kredensi atau otentikasi, sehingga ideal untuk pencarian dokumentasi tanpa manajemen kredensi.

  • aws-api-mcp-server- Interaksi AWS API langsung dan eksekusi perintah CLI. Membutuhkan AWS kredensil.

Konfigurasi Klien

Konfigurasikan klien LLM Anda dengan server MCP menggunakan format konfigurasi yang sesuai untuk klien Anda.

Kiro

Instalasi satu klik:

Konfigurasi manual:

Tambahkan yang berikut ini ke konfigurasi agen Kiro Anda. Untuk informasi lebih lanjut tentang konfigurasi Kiro, lihat dokumentasi 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

Instalasi satu klik:

Konfigurasi manual:

Tambahkan yang berikut ini ke file VSCode mcp.json Anda. Untuk informasi selengkapnya tentang server MCP di VS Code, lihat VSCode dokumentasinya. 

{
  "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

Konfigurasi manual:

Tambahkan berikut ini ke file pengaturan Cline MCP Anda (cline_mcp_settings.json). Untuk informasi selengkapnya tentang konfigurasi MCP Cline, lihat dokumentasi 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

Konfigurasi manual:

Tambahkan berikut ini ke file Kursor mcp.json Anda. Untuk informasi selengkapnya tentang konfigurasi MCP Kursor, lihat dokumentasi Kursor. 

{
  "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

Konfigurasi manual:

Tambahkan server MCP menggunakan perintah Claude CLI. Untuk informasi selengkapnya tentang penyiapan Claude Code MCP, lihat dokumentasi 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

Konfigurasi manual:

Tambahkan berikut ini ke file JSON pengaturan Gemini Anda (~/.gemini/settings.json). Untuk informasi selengkapnya tentang konfigurasi MCP Bantuan Kode Gemini, lihat dokumentasi 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"
      }
    }
  }
}

Konteks yang Berguna

Saat bekerja dengan AI dan proyek LLMs Amazon Location Service, menyediakan konteks spesifik dapat membantu memandu AI menuju solusi yang lebih baik. Kami terus meningkatkan dokumentasi dan panduan kami yang diterbitkan untuk LLMs mengarahkan praktik terbaik saat ini dengan lebih baik, tetapi kami menghosting dan memelihara serangkaian konteks berguna yang dapat membantu sementara pelatihan model mengejar rilis terbaru dari Amazon Location Service.

Ada file Agents.md yang dikelola untuk memberikan konteks berguna minimal untuk bekerja dengan Lokasi Amazon.

Untuk menggunakan file konteks ini, unduh terlebih dahulu secara lokal: 

curl -o path/to/AGENTS.md https://raw.githubusercontent.com/aws-geospatial/amazon-location-docs-resources/main/developer-tools/ai-and-llms/AGENTS.md

Kemudian konfigurasikan klien LLM Anda untuk menggunakan file yang diunduh:

Kiro

Tambahkan file lokal ke konfigurasi agen Anda: 

{
  "resources": [
    "file://path/to/AGENTS.md"
  ]
}
VSCode with Copilot

Tempatkan file Agents.md yang diunduh di root ruang kerja Anda. VSCode akan secara otomatis menerapkan instruksi ke semua permintaan obrolan. Untuk mengaktifkan fitur ini, pastikan obrolan. useAgentsMdPengaturan file diaktifkan. Untuk informasi selengkapnya, lihat petunjuk khusus dalam VSCode dokumentasi.

VSCode with Cline

Tempatkan file Agents.md yang diunduh di root proyek Anda atau gunakan @ menyebutkan untuk mereferensikannya dalam percakapan Anda. Cline akan secara otomatis menemukan file proyek dan Anda dapat mereferensikan konteks menggunakan @AGENTS.md dalam permintaan Anda. Untuk informasi selengkapnya tentang manajemen konteks, lihat dokumentasi Cline.

Cursor

Gunakan @ mention untuk mereferensikan file Agents.md yang diunduh dalam percakapan Anda. Anda dapat mereferensikan file menggunakan @Files & Folders dan kemudian mencari file Agents.md, atau seret file langsung ke obrolan. Untuk informasi selengkapnya tentang @ menyebutkan, lihat dokumentasi Kursor.

Claude Code

Tambahkan file Agents.md yang diunduh ke direktori proyek Anda. Anda dapat memasukkannya ke dalam file Claude.md proyek Anda atau mereferensikannya langsung di sesi Anda saat ini. Untuk informasi selengkapnya tentang penyiapan Claude Code MCP, lihat dokumentasi Claude Code.

Gemini Code Assist

Buat file Gemini.md di root proyek Anda atau ~/.gemini/Gemini.md untuk konteks global, dan sertakan konten file Agents.md yang diunduh. Untuk informasi selengkapnya tentang file konteks, lihat dokumentasi Google Cloud.

Konfigurasi Agen Kiro

Untuk pengguna Kiro, berikut adalah file konfigurasi agen lengkap yang mencakup server MCP yang direkomendasikan dan file konteks 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
}