客服人員故障診斷的設定 - Amazon EMR
先決條件設定資源

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。

客服人員故障診斷的設定

注意

Apache Spark 故障診斷代理程式使用跨區域推論來處理自然語言請求並產生回應。如需詳細資訊，請參閱 Apache Spark 故障診斷代理程式的跨區域處理。Amazon SageMaker Unified Studio MCP 伺服器處於預覽狀態，可能會有所變更。

先決條件

在我們開始與 Kiro CLI 整合的設定程序之前，請確定您的工作站已安裝下列項目：

設定資源

您可以使用 AWS CloudFormation 範本來設定 MCP 伺服器的資源。這些範本是範例，您應加以修改以符合您的需求。範本會為疑難排解程序建立下列資源：

  1. IAM 角色，具有呼叫 MCP Server 的許可，以及所選平台疑難排解程序所需的許可。

選擇下表中的其中一個 Launch Stack (啟動堆疊) 按鈕。這會在個別區域的 AWS CloudFormation 主控台上啟動堆疊。

區域 啟動
美國東部 (俄亥俄)
美國東部 (維吉尼亞北部)
美國西部 (奧勒岡)
亞太地區 (東京)
歐洲 (愛爾蘭)
亞太地區 (新加坡)
亞太地區 (雪梨)
加拿大 (中部)
南美洲 (聖保羅)
歐洲 (法蘭克福)
歐洲 (斯德哥爾摩)
歐洲 (倫敦)
Europe (Paris)
亞太地區 (首爾)
亞太地區 (孟買)

繼續前往指定堆疊詳細資訊頁面，輸入堆疊名稱。在 Parameters (參數) 下輸入其他資訊。提供以下資訊並繼續建立堆疊。

  • TroubleshootingRoleName - 要為故障診斷操作建立的 IAM 角色名稱

  • EnableEMREC2 - 啟用 EMR-EC2 疑難排解許可 （預設值： true)

  • EnableEMRServerless - 啟用 EMR-Serverless 疑難排解許可 （預設值： true)

  • EnableGlue - 啟用 Glue 故障診斷許可 （預設值： true)

  • CloudWatchKmsKeyArn - （選用） CloudWatch Logs 加密現有 KMS 金鑰的 ARN （僅限 EMR Serverless，預設加密保留空白）

您也可以下載並檢閱 CloudFormation 範本、指定上述選項，並使用 CloudFormation CLI 命令自行啟動範本，請參閱下列範例：

# deploy the stack with CloudFormation CLI commands
aws cloudformation deploy \
  --template-file spark-troubleshooting-mcp-setup.yaml \
  --stack-name spark-troubleshooting-mcp-setup \
  --region <your Spark MCP server launch region> \
  --capabilities CAPABILITY_NAMED_IAM \
  --parameter-overrides \
    TroubleshootingRoleName=spark-troubleshooting-role


# retrieve the 1-line instruction to set the local environment variables, which will be used for the following MCP server configuration
aws cloudformation describe-stacks \
  --stack-name spark-troubleshooting-mcp-setup \
  --region <your Spark MCP server launch region> \
  --query "Stacks[0].Outputs[?OutputKey=='ExportCommand'].OutputValue" \
  --output text

開啟輸出索引標籤 （或從上述 CloudFormation describe-stacks CLI 命令擷取），並從 CloudFormation 輸出複製 1 行指令以設定您的環境變數，然後在您的本機環境中執行。範例 1 行指令：

export SMUS_MCP_REGION=<your mcp server launch region> && export IAM_ROLE=arn:aws:iam::111122223333:role/spark-troubleshooting-role-xxxxxx

然後在本機執行下列命令來設定 IAM 設定檔和 MCP 伺服器組態：

# Step 1: Configure AWS CLI Profile
aws configure set profile.smus-mcp-profile.role_arn ${IAM_ROLE}
aws configure set profile.smus-mcp-profile.source_profile <AWS CLI Profile to assume the IAM role - ex: default>
aws configure set profile.smus-mcp-profile.region ${SMUS_MCP_REGION}

# Step 2: if you are using kiro CLI, use the following command to add the MCP configuration
# Add Spark Troubleshooting MCP Server
kiro-cli-chat mcp add \
    --name "sagemaker-unified-studio-mcp-troubleshooting" \
    --command "uvx" \
    --args "[\"mcp-proxy-for-aws@latest\",\"https://sagemaker-unified-studio-mcp.${SMUS_MCP_REGION}.api.aws/spark-troubleshooting/mcp\", \"--service\", \"sagemaker-unified-studio-mcp\", \"--profile\", \"smus-mcp-profile\", \"--region\", \"${SMUS_MCP_REGION}\", \"--read-timeout\", \"180\"]" \
    --timeout 180000 \
    --scope global
    
# Add Spark Code Recommendation MCP Server
kiro-cli-chat mcp add \
    --name "sagemaker-unified-studio-mcp-code-rec" \
    --command "uvx" \
    --args "[\"mcp-proxy-for-aws@latest\",\"https://sagemaker-unified-studio-mcp.${SMUS_MCP_REGION}.api.aws/spark-code-recommendation/mcp\", \"--service\", \"sagemaker-unified-studio-mcp\", \"--profile\", \"smus-mcp-profile\", \"--region\", \"${SMUS_MCP_REGION}\", \"--read-timeout\", \"180\"]" \
    --timeout 180000 \
    --scope global

這應該更新~/.kiro/settings/mcp.json為包含 MCP 伺服器組態，如下所示。

{
  "mcpServers": {
    "sagemaker-unified-studio-mcp-troubleshooting": {
      "type": "stdio",
      "command": "uvx",
      "args": [
        "mcp-proxy-for-aws@latest",
        "https://sagemaker-unified-studio-mcp.us-east-1.api.aws/spark-troubleshooting/mcp",
        "--service",
        "sagemaker-unified-studio-mcp",
        "--profile",
        "smus-mcp-profile",
        "--region",
        "us-east-1",
        "--read-timeout",
        "180"
      ],
      "timeout": 180000,
      "disabled": false
    },
    "sagemaker-unified-studio-mcp-code-rec": {
      "type": "stdio",
      "command": "uvx",
      "args": [
        "mcp-proxy-for-aws@latest",
        "https://sagemaker-unified-studio-mcp.us-east-1.api.aws/spark-code-recommendation/mcp",
        "--service",
        "sagemaker-unified-studio-mcp",
        "--profile",
        "smus-mcp-profile",
        "--region",
        "us-east-1",
        "--read-timeout",
        "180"
      ],
      "timeout": 180000,
      "disabled": false
    }
  }
}

支援的界面 如需 Kiro、Cline 和 GitHub CoPilot 等不同 MCP 用戶端的組態指引，請參閱 。