View a markdown version of this page

MCP-Serverintegration - Verteilte Lasttests auf AWS

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.

MCP-Serverintegration

Wenn Sie die optionale MCP-Serverkomponente während der Lösungsbereitstellung bereitgestellt haben, können Sie die Distributed Load Testing-Lösung in KI-Entwicklungstools integrieren, die das Model Context Protocol unterstützen. Der MCP-Server bietet programmatischen Zugriff zum Abrufen, Verwalten und Analysieren von Lasttests mithilfe von KI-Assistenten.

Sie können sich mit dem Client Ihrer Wahl (Kiro CLI, Claude usw.) mit jeweils leicht unterschiedlichen Konfigurationsanweisungen mit dem DLT MCP-Server verbinden. Dieser Abschnitt enthält Anweisungen zur Einrichtung von MCP Inspector, Kiro CLI, Cline und Amazon Quick.

Schritt 1: Holen Sie sich den MCP-Endpunkt und das Zugriffstoken

Bevor Sie einen MCP-Client konfigurieren, müssen Sie Ihren MCP-Server-Endpunkt und Ihr Zugriffstoken von der DLT-Webkonsole abrufen.

  1. Navigieren Sie in der Distributed Load Testing-Webkonsole zur MCP-Serverseite.

  2. Suchen Sie den Abschnitt MCP Server Endpoint.

  3. Kopieren Sie die Endpunkt-URL mithilfe der Schaltfläche Endpunkt-URL kopieren. Die Endpunkt-URL folgt dem Format: https://{gateway-id}.gateway.bedrock-agentcore.{region}.amazonaws.com/mcp

  4. Suchen Sie den Abschnitt Access Token.

  5. Kopieren Sie das Zugriffstoken mit der Schaltfläche Zugriffstoken kopieren.

Wichtig

Bewahren Sie Ihr Zugriffstoken sicher auf. Teilen Sie es nicht öffentlich. Standardmäßig bietet das Token über die MCP-Schnittstelle schreibgeschützten Zugriff auf Ihre Distributed Load Testing-Lösung. Wenn der MCP-Server im ReadWrite Zugriffsmodus bereitgestellt wird, ermöglicht das Token auch Erstellungs-, Aktualisierungs- und Löschvorgänge. Weitere Informationen finden Sie in der MCP-Tools-Spezifikation im Developer Guide.

Seite mit den Anmeldeinformationen für den MCP-Server, auf der Endpunkt und Zugriffstoken angezeigt werden

Schritt 2: Testen Sie mit MCP Inspector

Das Model Context Protocol bietet MCP Inspector, ein Tool zum direkten Herstellen einer Verbindung zu MCP-Servern und zum Aufrufen von Tools. Dies bietet eine praktische Benutzeroberfläche und Beispielnetzwerkanforderungen zum Testen Ihrer MCP-Serververbindung vor der Konfiguration von AI-Clients.

Anmerkung

MCP Inspector benötigt Version 0.17 oder höher. Alle Anfragen können auch direkt mit JSON RPC gestellt werden, MCP Inspector bietet jedoch eine benutzerfreundlichere Oberfläche.

Installieren und starten Sie MCP Inspector

  1. Installieren Sie npm, falls erforderlich.

  2. Führen Sie den folgenden Befehl aus, um MCP Inspector zu starten:

    npx @modelcontextprotocol/inspector

Konfigurieren Sie die Verbindung

  1. Geben Sie in der MCP Inspector-Oberfläche Ihre MCP Server-Endpunkt-URL ein.

  2. Fügen Sie einen Autorisierungsheader mit Ihrem Zugriffstoken hinzu.

  3. Wählen Sie Connect, um die Verbindung herzustellen.

MCP Inspector-Konfigurationsbildschirm

Rufen Sie Tools auf

Sobald die Verbindung hergestellt ist, können Sie die verfügbaren MCP-Tools testen:

  1. Durchsuchen Sie die Liste der verfügbaren Tools im linken Bereich.

  2. Wählen Sie ein Werkzeug aus (z. B.list_scenarios).

  3. Geben Sie alle erforderlichen Parameter an.

  4. Wählen Sie Invoke, um das Tool auszuführen und die Antwort anzuzeigen.

MCP Inspector zeigt verfügbare Tools und Aufrufe

Schritt 3: Konfigurieren Sie KI-Entwicklungsclients

Nachdem Sie Ihre MCP-Serververbindung mit MCP Inspector überprüft haben, können Sie Ihren bevorzugten AI-Entwicklungsclient konfigurieren.

Kiro CLI

Kiro CLI (ehemals Amazon Q Developer CLI) bietet Befehlszeilenzugriff auf die AI-assisted Entwicklung mit MCP-Serverintegration.

Schritte zur Konfiguration

  1. Bearbeiten Sie die mcp.json Konfigurationsdatei. Weitere Informationen zum Speicherort der Konfigurationsdateien finden Sie unter Model Context Protocol (MCP) in der Kiro CLI-Dokumentation.

  2. Fügen Sie Ihre DLT MCP-Serverkonfiguration hinzu:

    { "mcpServers": { "dlt-mcp": { "type": "http", "url": "https://<gateway-id>.gateway.bedrock-agentcore.<region>.amazonaws.com/mcp", "headers": { "Authorization": "Bearer <access-token>" } } } }

Ersetzen Sie <gateway-id> und <region> durch die Werte aus Ihrer MCP Server-Endpunkt-URL und durch den Wert, <access-token> den Sie in Schritt 1 kopiert haben.

Überprüfen Sie die Konfiguration

  1. Geben Sie in einem Terminal ein, kiro-cli um Kiro CLI zu starten.

  2. Geben Sie /mcp ein, um alle verfügbaren MCP-Server zu sehen.

  3. Geben Sie /tools ein, um die verfügbaren Tools von dlt-mcp und anderen konfigurierten MCP-Servern anzuzeigen.

  4. Stellen Sie sicher, dass die Initialisierung dlt-mcp erfolgreich war.

Cline

Cline ist ein KI-Codierungsassistent, der die MCP-Serverintegration unterstützt.

Schritte zur Konfiguration

  1. Navigieren Sie in Cline zu MCP-Server verwalten > Konfigurieren > MCP-Server konfigurieren.

  2. Aktualisieren Sie die Datei: cline_mcp_settings.json

    { "mcpServers": { "dlt-mcp": { "type": "streamableHttp", "url": "https://<gateway-id>.gateway.bedrock-agentcore.<region>.amazonaws.com/mcp", "headers": { "Authorization": "Bearer <access-token>" } } } }

    Ersetzen Sie <gateway-id> und <region> durch die Werte aus Ihrer MCP Server-Endpunkt-URL und <access-token> durch den Wert, den Sie in Schritt 1 kopiert haben.

  3. Speichern Sie die Konfigurationsdatei.

  4. Starten Sie Cline neu, um die Änderungen zu übernehmen.

Amazon Quick

Amazon Quick (ehemals Amazon Quick Suite) bietet eine umfassende KI-Assistentenplattform mit Unterstützung für MCP-Serveraktionen.

Voraussetzungen

Bevor Sie den MCP-Server in Amazon Quick konfigurieren, müssen Sie die OAuth-Anmeldeinformationen aus dem Cognito-Benutzerpool Ihrer DLT-Bereitstellung abrufen:

  1. Navigieren Sie zur CloudFormation AWS-Konsole.

  2. Wählen Sie den Distributed Load Testing-Stack aus.

  3. Suchen Sie auf der Registerkarte Ausgaben die Cognito-Benutzerpool-ID, die Ihrer DLT-Bereitstellung zugeordnet ist, und kopieren Sie sie.

  4. Navigieren Sie zur Amazon-Cognito-Konsole.

  5. Wählen Sie den Benutzerpool anhand der Benutzerpool-ID aus den CloudFormation Ausgaben aus.

  6. Wählen Sie in der linken Navigationsleiste App-Integration > App-Clients aus.

  7. Suchen Sie den App-Client, dessen Name auf m2m (Machine-to-Machine) endet, und wählen Sie ihn aus.

  8. Kopieren Sie auf der Detailseite des App-Clients die Client-ID. Um das Client-Geheimnis aufzudecken, wählen Sie Client-Geheimnis anzeigen und kopieren Sie dann den Wert.

  9. Kehren Sie zum Benutzerpool zurück und rufen Sie die Benutzerpool-Domäne auf der Registerkarte Domäne ab.

  10. Konstruieren Sie die Token-Endpunkt-URL, indem /oauth2/token Sie sie an das Ende der Domäne anhängen.

Schritte zur Konfiguration

  1. Erstellen Sie in Amazon Quick einen neuen Agenten oder wählen Sie einen vorhandenen Agenten aus.

  2. Fügen Sie eine Agentenaufforderung hinzu, die beschreibt, wie Sie mit dem DLT MCP-Server interagieren.

  3. Fügen Sie eine neue Aktion hinzu und wählen Sie MCP-Serveraktion aus.

  4. Konfigurieren Sie die MCP-Serverdetails:

    • MCP-Server-URL: Ihr DLT-MCP-Endpunkt

    • Authentifizierungstyp: Authentifizierung Service-based

    • Token-Endpunkt: Ihre Cognito-Token-Endpunkt-URL

    • Client-ID: Die Client-ID des M2M-App-Clients

    • Geheimer Client-Schlüssel: Der geheime Client-Schlüssel des M2M-App-Clients

  5. Speichern Sie die Aktionskonfiguration des MCP-Servers.

  6. Fügen Sie Ihrem Agenten die neue MCP-Serveraktion hinzu.

Starten und testen Sie den Agenten

  1. Starten Sie den Agenten in Amazon Quick.

  2. Starten Sie mithilfe von Eingabeaufforderungen in natürlicher Sprache eine Konversation mit dem Agenten.

  3. Der Agent verwendet die MCP-Tools, um Ihre Lasttestdaten abzurufen und zu analysieren.

Rotation des geheimen MCP-Server-Clients

Wenn Sie die dienstbasierte Authentifizierung (von Maschine zu Maschine) verwenden, um einen MCP-Client mit der Lösung zu verbinden, sind Sie dafür verantwortlich, den vom Client verwendeten geheimen Client-Schlüssel zu rotieren.

Für welche Anmeldeinformationen gilt das

Die Lösung gibt zwei verschiedene MCP-Anmeldeinformationen aus. Nur einer von ihnen erfordert eine manuelle Rotation.

Credential Verwendet von Rotation (Drehung)

Benutzerzugriffstoken — wurde von der MCP-Serverseite der Webkonsole kopiert

MCP Inspector, Kiro CLI, Cline und andere Clients, die einen Header senden Authorization: Bearer

Keine erforderlich. Dies ist ein kurzlebiges Amazon Cognito Cognito-Zugriffstoken, das ungefähr eine Stunde nach seiner Ausgabe abläuft. Um ein neues Token zu erhalten, kehren Sie zur MCP-Serverseite zurück und kopieren Sie es erneut.

Machine-to-machine Client-ID und Client-Geheimnis — abgerufen aus dem Amazon Cognito Cognito-Benutzerpool

Amazon Quick und alle anderen Clients, die für die servicebasierte Authentifizierung konfiguriert sind

Manuelle Rotation erforderlich. Das Kundengeheimnis ist langlebig und läuft nicht von selbst ab.

Der Rest dieses Abschnitts bezieht sich auf das Computer-zu-Maschine-Client-Geheimnis. Die Lösung erstellt diese Anmeldeinformationen als Amazon Cognito-App-Client, der benannt wird, <stack-name>-userpool-client-m2m wenn Sie die Bereitstellung mit Deploy Optional MCP Server auf einrichten. Yes Anweisungen zum Abrufen finden Sie in den Voraussetzungen in Amazon Quick.

Wichtig

Behandeln Sie das Kundengeheimnis wie alle anderen langlebigen Anmeldeinformationen:

  • Übergeben Sie es nicht der Quellcodeverwaltung, betten Sie es nicht in den Anwendungscode ein und fügen Sie es nicht in Issue Tracker, Chats oder Dokumentationen ein.

  • Schreiben Sie es nicht in Logs, Build-Ausgaben oder CI/CD Job-Ausgaben.

  • Speichern Sie es in einem Secrets Manager wie AWS Secrets Manager oder im verschlüsselten Anmeldeinformationsspeicher des MCP-Clients, der es verwendet. Bewahren Sie es nicht in einer Klartextdatei auf.

  • Gewähren Sie nur denjenigen Zugriff auf das Geheimnis, die es benötigen, z. B. Ihnen und den Diensten, die das Geheimnis verwenden.

Empfohlene Rotationskadenz

Wechseln Sie den geheimen Client-Schlüssel von Maschine zu Maschine mindestens alle 90 Tage. Wechseln Sie sofort, außerhalb des regulären Zeitplans, wenn eines der folgenden Ereignisse eintritt:

  • Sie vermuten oder bestätigen, dass das Geheimnis gelüftet wurde.

  • Ein Operator mit Zugriff auf das Geheimnis verlässt das Team oder wechselt die Rollen.

  • Sie stellen einen MCP-Client, der mit dem Secret konfiguriert wurde, außer Betrieb.

Rotation des Secrets

Ein Amazon Cognito-App-Client unterstützt bis zu zwei aktive Client-Geheimnisse gleichzeitig. Wechseln Sie, indem Sie ein zweites Geheimnis hinzufügen, Ihre MCP-Clients dorthin migrieren und dann das Original löschen — ohne Unterbrechung des MCP-Zugriffs.

Die Client-ID ändert sich während der Rotation nicht, sodass Sie den CloudFormation AWS-Stack der Lösung, den MCP-Serverendpunkt oder den Token-Endpunkt nicht aktualisieren müssen. Nur der geheime Wert, der in Ihrem MCP-Client gespeichert ist, ändert sich.

  1. Fügen Sie einen zweiten geheimen Client-Schlüssel hinzu. Amazon Cognito generiert den Wert und gibt ihn in der Antwort zurück.

    aws cognito-idp add-user-pool-client-secret \ --user-pool-id <user-pool-id> \ --client-id <m2m-client-id> \ --region <region>
    Wichtig

    Kopieren Sie den ClientSecretValue aus der Antwort und speichern Sie ihn sicher, bevor Sie fortfahren. Amazon Cognito gibt den generierten geheimen Wert nur in dieser Antwort zurück und gibt ihn nie wieder preis — list-user-pool-client-secrets weder die Amazon Cognito Cognito-Konsole wird ihn anzeigen. Wenn Sie den Wert verlieren, löschen Sie das Geheimnis und fügen Sie ein neues hinzu.

    Das ursprüngliche Geheimnis bleibt zu diesem Zeitpunkt gültig, sodass jeder MCP-Client, der noch damit konfiguriert ist, weiterhin funktioniert.

  2. Aktualisieren Sie jeden MCP-Client, sodass er das neue Geheimnis verwendet. Bearbeiten Sie für Amazon Quick die MCP-Serveraktion und ersetzen Sie den Wert Client Secret, sodass die MCP-Server-URL, der Token-Endpunkt und die Client-ID unverändert bleiben. Speichern Sie die Aktion.

  3. Stellen Sie sicher, dass das neue Geheimnis Tokens ausgibt. Beantragen Sie vom Token-Endpunkt Ihres Benutzerpools eine Erteilung von Kundenanmeldedaten.

    curl -X POST https://<user-pool-domain>/oauth2/token \ -H 'Content-Type: application/x-www-form-urlencoded' \ -d 'grant_type=client_credentials' \ -d 'client_id=<m2m-client-id>' \ -d 'client_secret=<new-client-secret>' \ -d 'scope=dlt-mcp-gateway/read'

    Eine erfolgreiche Antwort enthält ein access_token Feld. Bestätigen Sie anschließend den End-to-End-Zugriff, indem Sie ein MCP-Tool von dem Client aus aufrufen, den Sie neu konfiguriert haben. Bitten Sie beispielsweise den Agenten, Ihre Testszenarien aufzulisten.

  4. Führen Sie die Geheimnisse des Kunden auf, um das ursprüngliche Geheimnis zu identifizieren. Jedes Geheimnis wird ClientSecretId im Format mit einem identifiziert <client-id>--<epoch-create-time> . Verwenden Sie das ClientSecretCreateDate Feld, um das ursprüngliche Geheimnis von dem zu unterscheiden, das Sie gerade hinzugefügt haben.

    aws cognito-idp list-user-pool-client-secrets \ --user-pool-id <user-pool-id> \ --client-id <m2m-client-id> \ --region <region>
  5. Macht das ursprüngliche Geheimnis ungültig. Nach diesem Anruf gibt Amazon Cognito keine Token mehr an Kunden aus, die das alte Geheimnis präsentieren.

    aws cognito-idp delete-user-pool-client-secret \ --user-pool-id <user-pool-id> \ --client-id <m2m-client-id> \ --client-secret-id <old-client-secret-id> \ --region <region>
Anmerkung

Beim Rotieren gelten zwei Einschränkungen:

  • Ein App-Client kann maximal zwei Geheimnisse haben. Wenn bereits zwei vorhanden sind, löschen Sie den, den Sie nicht mehr benötigen, bevor Sie einen weiteren hinzufügen.

  • Sie können das letzte verbleibende Geheimnis auf einem App-Client nicht löschen.

Der add-user-pool-client-secret Befehl akzeptiert auch einen optionalen --client-secret Parameter für die Angabe Ihres eigenen Werts. Wenn Sie einen Wert angeben, gibt Amazon Cognito ihn in der Antwort nicht zurück. Sie müssen ihn also speichern, bevor Sie den Anruf tätigen. Wir empfehlen, Amazon Cognito das Geheimnis generieren zu lassen.

Wenn das Geheimnis aufgedeckt wurde

Gehen Sie wie zuvor beschrieben vor und schließen Sie Schritt 5 (Löschen des alten Geheimnisses) so schnell wie möglich ab, anstatt auf ein Wartungsfenster zu warten. Ergreifen Sie anschließend die folgenden zusätzlichen Maßnahmen.

  • Konto für bereits ausgegebene Tokens. Durch das Löschen eines Geheimnisses kann Amazon Cognito keine neuen Token ausgeben, aber Zugriffstoken, die mit dem offengelegten Geheimnis erworben wurden, bleiben gültig, bis sie ablaufen — bis zu etwa einer Stunde. Durch das Löschen des Geheimnisses werden sie nicht ungültig.

  • Schränkt ein, was diese Token bewirken können. Wenn Ihre Bereitstellung ReadWrite den Zugriffsmodus verwendet, führen Sie ein CloudFormation AWS-Stack-Update durch, wobei der MCP-Serverzugriffsmodus auf ReadOnly eingestellt ist. Dadurch werden die Schreibtools entfernt und die IAM-Berechtigungen der Lambda-Funktion des MCP Servers auf GET Anfragen eingeschränkt, sodass ausstehende Token keine Testszenarien erstellen, ändern, löschen oder starten können. Informationen zum Verhalten der einzelnen Zugriffsmodi finden Sie in der Spezifikation der MCP-Tools im Entwicklerhandbuch.

  • Überprüfen Sie, wofür die Anmeldeinformationen verwendet wurden. Überprüfen Sie den Testlaufverlauf der Lösung und die CloudWatch Amazon-Logs für die Lambda-Funktion des MCP Servers auf unerwartete Aktivitäten. Wenn für die Bereitstellung der ReadWrite Zugriffsmodus verwendet wurde, überprüfen Sie auch Ihre Testszenarien und den Inhalt des public/test-scenarios/ Präfixes des Szenario-Buckets auf nicht autorisierte Änderungen.

Anmerkung

Um alle MCP-Anfragen unabhängig von der Gültigkeit des Tokens sofort abzulehnen, führen Sie ein Stack-Update durch, bei dem die Option Optionalen MCP-Server bereitstellen auf eingestellt ist. No Dadurch wird das Gateway gelöscht. AgentCore

Verwenden Sie dies nur, wenn Sie sicherstellen müssen, dass kein ausstehendes Token den MCP-Server erreichen kann. Wenn Sie den Parameter auf einstellen, wird No auch der Maschine-zu-Maschine-App-Client gelöscht. Wenn Sie ihn wieder auf setzen, Yes wird ein neuer App-Client mit einer neuen Client-ID und einem neuen geheimen Schlüssel erstellt. Anschließend müssen Sie jeden MCP-Client sowohl mit der neuen Client-ID als auch mit dem neuen Secret neu konfigurieren.

Beispiele für Prompts

Die folgenden Beispiele zeigen, wie Sie mit Ihrem KI-Assistenten interagieren können, um Lasttestdaten über die MCP-Schnittstelle zu analysieren. Passen Sie die Test-IDs, Datumsbereiche und Kriterien an Ihre spezifischen Testanforderungen an.

Ausführliche Informationen zu den verfügbaren MCP-Tools und ihren Parametern finden Sie in der MCP-Tool-Spezifikation im Developer Guide.

Einfache Abfrage der Testergebnisse

Die Interaktion mit dem MCP-Server in natürlicher Sprache kann so einfach wie Show me the load tests that have completed in the last 24 hours with their associated completion status oder aussagekräftiger sein, z. B.

Use list_scenarios to find my load tests. Then use get_latest_test_run to show me the basic execution data and performance metrics for the most recent test. If the results look concerning, also get the detailed performance metrics using get_test_run.

Interaktive Leistungsanalyse mit schrittweiser Offenlegung

I need to analyze my load test performance, but I'm not sure which specific tests to focus on. Please help me by: 1. First, use list_scenarios to show me available test scenarios 2. Ask me which tests I want to analyze based on the list you show me 3. For my selected tests, use list_test_runs to get the test run history 4. Then use get_test_run with the test_run_id to get detailed response times, throughput, and error rates 5. If I want to compare tests, use get_baseline_test_run to compare against the baseline 6. If there are any issues, use get_test_run_artifacts to help me understand what went wrong Please guide me through this step by step, asking for clarification whenever you need more specific information.

Validierung der Produktionsreife

Help me validate if my API is ready for production deployment: 1. Use list_scenarios to find recent test scenarios 2. For the most recent test scenario, use get_latest_test_run to get basic execution data 3. Use get_test_run with that test_run_id to get detailed response times, error rates, and throughput 4. Use get_scenario_details with the test_id to show me what load patterns and endpoints were tested 5. If I have a baseline, use get_baseline_test_run to compare current results with the baseline 6. Provide a clear go/no-go recommendation based on the performance data 7. If there are any concerns, use get_test_run_artifacts to help identify potential issues My SLA requirements are: response time under [X]ms, error rate under [Y]%.

Analyse der Leistungstrends

Analyze the performance trend for my load tests over the past [TIME_PERIOD]: 1. Use list_scenarios to get all test scenarios 2. For each scenario, use list_test_runs with start_date and end_date to get tests from that period 3. Use get_test_run for the key test runs to get detailed metrics 4. Use get_baseline_test_run to compare against the baseline 5. Identify any significant changes in response times, error rates, or throughput 6. If you detect performance degradation, use get_test_run_artifacts on the problematic tests to help identify causes 7. Present the trend analysis in a clear format showing whether performance is improving, stable, or degrading Focus on completed tests and limit results to [N] tests if there are too many.

Behebung fehlgeschlagener Tests

Help me troubleshoot my failed load tests: 1. Use list_scenarios to find test scenarios 2. For each scenario, use list_test_runs to find recent test runs 3. Use get_test_run with the test_run_id to get the basic execution data and failure information 4. Use get_test_run_artifacts to get detailed error messages and logs 5. Use get_scenario_details to understand what was being tested when it failed 6. If I have a similar test that passed, use get_baseline_test_run to identify differences 7. Summarize the causes of failure and suggest next steps for resolution Show me the most recent [N] failed tests from the past [TIME_PERIOD].