Trabalhando com IA e LLMs - Amazon Location Service
Servidores MCP recomendadosContexto útilConfiguração do Kiro Agent

As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

Trabalhando com IA e LLMs

A IA LLMs pode acelerar significativamente o desenvolvimento com o Amazon Location Service, fornecendo assistência inteligente para uso de APIs, geração de código e solução de problemas. Ao configurar seu cliente LLM com os servidores e o contexto MCP corretos, você pode criar um poderoso assistente de desenvolvimento que compreenda os serviços AWS e as especificidades do Amazon Location Service. Usar um contexto mínimo e uma configuração MCP, conforme recomendado nesta página, pode garantir que o modelo LLM de sua escolha tenha contexto suficiente para levar a resultados corretos sem sobrecarregar a janela de contexto. Isso pode reduzir as alucinações e aumentar a precisão dos resultados. Essa configuração também garante que o corte do conhecimento do modelo não afete a qualidade dos resultados.

Servidores MCP recomendados

Os servidores Model Context Protocol (MCP) ampliam os recursos do LLM fornecendo acesso a ferramentas externas, documentação e. APIs Embora esses servidores MCP não sejam necessários, eles podem ajudar o LLM a buscar informações adicionais sobre o serviço e permitir que você se mantenha atualizado sobre as orientações mais recentes para desenvolvedores do Amazon Location Service. Para o desenvolvimento do Amazon Location Service, os seguintes servidores MCP são recomendados:

  • aws-knowledge-mcp-server- Acesso à AWS documentação, referências de API, melhores práticas e bases de conhecimento. Não requer AWS credenciais ou autenticação, o que o torna ideal para consulta de documentação sem gerenciamento de credenciais.

  • aws-api-mcp-server- Interações diretas de AWS API e execução de comandos CLI. Requer AWS credenciais.

Configuração do cliente

Configure seu cliente LLM com os servidores MCP usando o formato de configuração apropriado para seu cliente.

Kiro

Instalação com um clique:

Configuração manual:

Adicione o seguinte à configuração do seu agente Kiro. Para obter mais informações sobre a configuração do Kiro, consulte a documentação do 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

Instalação com um clique:

Configuração manual:

Adicione o seguinte ao seu arquivo VSCode mcp.json. Para obter mais informações sobre servidores MCP no VS Code, consulte a VSCode documentação. 

{
  "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

Configuração manual:

Adicione o seguinte ao seu arquivo de configurações do Cline MCP (cline_mcp_settings.json). Para obter mais informações sobre a configuração do Cline MCP, consulte a documentação do 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

Configuração manual:

Adicione o seguinte ao seu arquivo Cursor mcp.json. Para obter mais informações sobre a configuração do Cursor MCP, consulte a documentação do 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

Configuração manual:

Adicione servidores MCP usando os comandos Claude CLI. Para obter mais informações sobre a configuração do Claude Code MCP, consulte a documentação do 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

Configuração manual:

Adicione o seguinte ao seu arquivo JSON de configurações do Gemini (~/.gemini/settings.json). Para mais informações sobre a configuração do MCP do Gemini Code Assist, consulte a documentação do 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

Ao trabalhar com IA e LLMs em projetos do Amazon Location Service, fornecer um contexto específico pode ajudar a orientar a IA em direção a soluções melhores. Melhoramos continuamente nossa documentação e guias publicados para melhor nos LLMs direcionarmos às melhores práticas atuais, mas estamos hospedando e mantendo um conjunto de contextos úteis que podem ajudar enquanto o treinamento de modelos acompanha os últimos lançamentos do Amazon Location Service.

Há um arquivo Agents.md mantido para fornecer um contexto útil mínimo para trabalhar com o Amazon Location.

Para usar esse arquivo de contexto, primeiro baixe-o 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

Em seguida, configure seu cliente LLM para usar o arquivo baixado:

Kiro

Adicione o arquivo local à configuração do seu agente: 

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

Coloque o arquivo Agents.md baixado na raiz do seu espaço de trabalho. VSCode aplicará automaticamente as instruções a todas as solicitações de bate-papo. Para ativar esse recurso, garanta o bate-papo. useAgentsMdA configuração do arquivo está ativada. Para obter mais informações, consulte as instruções personalizadas na VSCode documentação.

VSCode with Cline

Coloque o arquivo Agents.md baixado na raiz do seu projeto ou use @ menções para referenciá-lo em suas conversas. O Cline descobrirá automaticamente os arquivos do projeto e você poderá referenciar o @AGENTS.md contexto usando seus prompts. Para obter mais informações sobre gerenciamento de contexto, consulte a documentação do Cline.

Cursor

Use @ menções para referenciar o arquivo Agents.md baixado em suas conversas. Você pode referenciar arquivos usando @Files & Folders e depois pesquisar o arquivo Agents.md ou arrastar o arquivo diretamente para o bate-papo. Para obter mais informações sobre @ menções, consulte a documentação do Cursor.

Claude Code

Adicione o arquivo Agents.md baixado ao diretório do seu projeto. Você pode incluí-lo no arquivo Claude.md do seu projeto ou referenciá-lo diretamente na sua sessão atual. Para obter mais informações sobre a configuração do Claude Code MCP, consulte a documentação do Claude Code.

Gemini Code Assist

Crie um arquivo GEMINI.md na raiz do projeto ou ~/.gemini/gemini.md para contexto global e inclua o conteúdo do arquivo Agents.md baixado. Para mais informações sobre arquivos de contexto, consulte a documentação do Google Cloud.

Configuração do Kiro Agent

Para usuários do Kiro, aqui está um arquivo completo de configuração do agente que inclui os servidores MCP recomendados e o arquivo de contexto do 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
}