Einrichtung für den Troubleshooting Agent - Amazon EMR
VoraussetzungenRessourcen einrichten

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Einrichtung für den Troubleshooting Agent

Anmerkung

Der Apache Spark Troubleshooting Agent verwendet regionsübergreifende Inferenz, um Anfragen in natürlicher Sprache zu verarbeiten und Antworten zu generieren. Weitere Einzelheiten finden Sie unter. Regionsübergreifende Verarbeitung für den Apache Spark Troubleshooting Agent Der Amazon SageMaker Unified Studio MCP-Server befindet sich in der Vorschauversion und kann sich ändern.

Voraussetzungen

Bevor wir mit dem Einrichtungsprozess für die Integration mit Kiro CLI beginnen, stellen Sie sicher, dass auf Ihrer Workstation Folgendes installiert ist:

Ressourcen einrichten

Sie können eine AWS CloudFormation Vorlage verwenden, um die Ressource für den MCP-Server einzurichten. Diese Vorlagen sind Beispiele, die Sie entsprechend Ihren Anforderungen anpassen sollten. Die Vorlage erstellt die folgenden Ressourcen für den Problembehandlungsprozess:

  1. IAM-Rolle, die über Berechtigungen zum Aufrufen des MCP-Servers und über die erforderlichen Berechtigungen für den Fehlerbehebungsprozess für die ausgewählte Plattform verfügt.

Wählen Sie eine der Schaltflächen Launch Stack (Stack starten) in der folgenden Tabelle aus. Dadurch wird der Stack auf der AWS CloudFormation Konsole in der jeweiligen Region gestartet.

Region Starten
US East (Ohio)
USA Ost (Nord-Virginia)
USA West (Oregon)
Asien-Pazifik (Tokio)
Europa (Irland)
Asien-Pazifik (Singapur)
Asien-Pazifik (Sydney)
Kanada (Zentral)
Südamerika (São Paulo)
Europa (Frankfurt)
Europa (Stockholm)
Europa (London)
Europa (Paris)
Asien-Pazifik (Seoul)
Asien-Pazifik (Mumbai)

Gehen Sie zur Seite „Stack-Details angeben“ und geben Sie den Stack-Namen ein. Geben Sie zusätzliche Informationen unter Parameter ein. Geben Sie die folgenden Informationen ein und fahren Sie mit der Erstellung des Stacks fort.

  • TroubleshootingRoleName— Name der IAM-Rolle, die für die Fehlerbehebung erstellt werden soll

  • Aktivieren EMREC2 — EMR-Berechtigungen EC2 zur Fehlerbehebung aktivieren (Standard: true)

  • Aktivieren EMRServerless — Aktiviert EMR-Serverless-Fehlerbehebungsberechtigungen (Standard: true)

  • EnableGlue- Aktivieren Glue Glue-Berechtigungen zur Fehlerbehebung (Standard: true)

  • CloudWatchKmsKeyArn— (Optional) ARN des vorhandenen KMS-Schlüssels für die CloudWatch Protokollverschlüsselung (nur EMR Serverless, für Standardverschlüsselung leer lassen)

Sie können die CloudFormation Vorlage auch herunterladen und überprüfen, die obigen Optionen angeben und die Vorlage selbst mit CloudFormation CLI-Befehlen starten. Ein Beispiel finden Sie unten:

# 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

Öffnen Sie die Registerkarte Ausgaben (oder rufen Sie sie mit dem obigen CLI-Befehl CloudFormation describe-stacks auf) und kopieren Sie die einzeilige Anweisung aus der CloudFormation Ausgabe, um Ihre Umgebungsvariablen festzulegen, und führen Sie sie dann in Ihrer lokalen Umgebung aus. Beispiel für eine einzeilige Anweisung:

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

Führen Sie dann den folgenden Befehl lokal aus, um das IAM-Profil und die MCP-Serverkonfiguration einzurichten:

# 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

Dies sollte aktualisiert ~/.kiro/settings/mcp.json werden und die MCP-Serverkonfiguration wie folgt enthalten.

{
  "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
    }
  }
}

Anleitungen Unterstützte Schnittstellen zur Konfiguration verschiedener MCP-Clients wie Kiro, Cline und finden Sie unter. GitHub CoPilot