Configurazione dell'agente di risoluzione dei problemi - Amazon EMR
PrerequisitiRisorse per l'installazione

Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

Configurazione dell'agente di risoluzione dei problemi

Nota

L'agente di risoluzione dei problemi di Apache Spark utilizza l'inferenza interregionale per elaborare le richieste in linguaggio naturale e generare risposte. Per ulteriori dettagli, fare riferimento a. Elaborazione interregionale per l'agente di risoluzione dei problemi di Apache Spark Il server MCP Amazon SageMaker Unified Studio è disponibile in anteprima ed è soggetto a modifiche.

Prerequisiti

Prima di iniziare il nostro processo di configurazione per l'integrazione con Kiro CLI, assicurati di avere installato quanto segue sulla tua workstation:

Risorse per l'installazione

È possibile utilizzare un AWS CloudFormation modello per configurare la risorsa per il server MCP. Questi modelli sono esempi che è necessario modificare per soddisfare i requisiti. Il modello crea le seguenti risorse per il processo di risoluzione dei problemi:

  1. Ruolo IAM che dispone delle autorizzazioni per chiamare MCP Server e delle autorizzazioni necessarie per il processo di risoluzione dei problemi per la piattaforma selezionata.

Scegli uno dei pulsanti Launch Stack (Avvia stack) nella tabella seguente. Questo avvia lo stack sulla AWS CloudFormation console nella rispettiva regione.

Region Avvia
Stati Uniti orientali (Ohio)
Stati Uniti orientali (Virginia settentrionale)
Stati Uniti occidentali (Oregon)
Asia Pacifico (Tokyo)
Europa (Irlanda)
Asia Pacifico (Singapore)
Asia Pacifico (Sydney)
Canada (Centrale)
Sud America (San Paolo)
Europa (Francoforte)
Europa (Stoccolma)
Europe (Londra)
Europa (Parigi)
Asia Pacifico (Seoul)
Asia Pacifico (Mumbai)

Vai alla pagina Specificare i dettagli dello stack, inserisci il nome dello stack. Inserisci informazioni aggiuntive sotto Parameters (Parametri). Fornisci le seguenti informazioni e procedi con la creazione dello stack.

  • TroubleshootingRoleName- Nome del ruolo IAM da creare per le operazioni di risoluzione dei problemi

  • AbilitaEMREC2: abilita le autorizzazioni per la EC2 risoluzione dei problemi EMR (impostazione predefinita: true)

  • AbilitaEMRServerless: abilita le autorizzazioni per la risoluzione dei problemi senza server EMR (impostazione predefinita: true)

  • EnableGlue- Abilita le autorizzazioni per la risoluzione dei problemi di Glue (impostazione predefinita: true)

  • CloudWatchKmsKeyArn- (Facoltativo) ARN della chiave KMS esistente per la CloudWatch crittografia dei registri (solo EMR Serverless, lascia vuoto per la crittografia predefinita)

Puoi anche scaricare e rivedere il CloudFormation modello, specificare le opzioni sopra e avviare il modello da solo con i comandi CloudFormation CLI, vedi sotto per un esempio:

# 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

Apri la scheda Output (o recupera dal comando CLI CloudFormation describe-stacks sopra) e copia l'istruzione a 1 riga dall' CloudFormation output per impostare le variabili di ambiente, quindi eseguila nell'ambiente locale. Esempio di istruzione a 1 riga:

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

Quindi esegui il seguente comando localmente per configurare il profilo IAM e la configurazione del server MCP:

# 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

Questo dovrebbe ~/.kiro/settings/mcp.json aggiornarsi per includere la configurazione del server MCP come di seguito.

{
  "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
    }
  }
}

Consulta Interfacce supportate la guida alla configurazione per diversi client MCP come Kiro, Cline e. GitHub CoPilot