기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
# AWS 변환 MCP 서버를 사용하여 마이그레이션 실행
MCP( AWS 모델 컨텍스트 프로토콜) 서버를 사용하면 개발 환경을 벗어나지 않고도 Kiro, Claude Code, Cursor 또는 Cline과 같은 MCP 호환 클라이언트에서 마이그레이션을 계획하고 실행할 수 있습니다. MCP는 클라이언트의 AI 어시스턴트에 AWS Transform 워크스페이스 및 작업에 대한 실시간 컨텍스트 액세스를 제공하는 표준화된 인터페이스입니다. 이를 통해 워크스페이스를 생성하고, 마이그레이션 작업을 시작하고, human-in-the-loop 작업에 응답하고, 자연어를 통해 아티팩트를 다운로드할 수 있습니다.
MCP 서버는 소스 환경 검색, 마이그레이션 계획, 대상 연결, 네트워크 마이그레이션, 랜딩 존 설정, 서버 AWS 계정리호스팅 등 전체 마이그레이션 수명 주기를 노출합니다. MCP 클라이언트에서 시작한 로컬 프로세스로 실행되며 아웃바운드 HTTPS를 통한 AWS 변환과 통신합니다. MCP 클라이언트는 Kiro 또는 Claude Code와 같은 서버를 실행하는 프로세스입니다. AI 어시스턴트는 프롬프트를 보내는 클라이언트의 모델 경험입니다. Kiro Power, 에이전트 플러그인 및 IDE 플러그인을 포함한 AWS Transform 개발자 도구에 대한 일반적인 소개는 섹션을 참조하세요[개발자 도구](developer-tools.md).
**MCP 서버 설치**
Kiro Power 및 에이전트 플러그인은 MCP 서버를 자동으로 설치합니다. Kiro Power 또는 에이전트 플러그인 없이 MCP 서버를 사용하려는 경우에만 MCP 서버를 수동으로 설치합니다.
## AWS 변환 MCP 서버 설정
시작하기 전에 다음 항목이 준비되었는지 확인합니다.
+ Python 3.10 이상.
+ 테넌트 액세스 권한이 있는 AWS 변환 계정입니다. AWS 변환 설정에 대한 자세한 내용은 섹션을 참조하세요[AWS 변환 시작하기](getting-started.md).
+ Kiro, Claude Code, Claude Desktop, Cursor 또는 Cline과 같은 MCP 호환 클라이언트입니다.
PyPI에서 AWS 변환 MCP 서버를 로 설치할 수 있습니다`awslabs.aws-transform-mcp-server`. 다음 예제에서는를 사용하여 서버를 실행합니다`uvx`.
**Claude 코드**
```
claude mcp add awslabs.aws-transform-mcp-server -- uvx awslabs.aws-transform-mcp-server@latest
```
**Kiro, Cursor, VS Code, Cline 및 Claude Desktop(macOS/Linux)**
클라이언트의 MCP 구성 파일에 다음을 추가합니다. Kiro의 경우를 사용합니다`~/.kiro/settings/mcp.json`.
```
{
"mcpServers": {
"awslabs.aws-transform-mcp-server": {
"command": "uvx",
"args": ["awslabs.aws-transform-mcp-server@latest"],
"env": {
"AWS_REGION": "us-east-1",
"FASTMCP_LOG_LEVEL": "ERROR"
}
}
}
}
```
**Windows**
```
{
"mcpServers": {
"awslabs.aws-transform-mcp-server": {
"command": "uvx",
"args": [
"--from",
"awslabs.aws-transform-mcp-server@latest",
"awslabs.aws-transform-mcp-server.exe"
],
"env": {
"FASTMCP_LOG_LEVEL": "ERROR",
"AWS_REGION": "us-east-1"
},
"disabled": false
}
}
}
```
특정 MCP 클라이언트에 대한 구성 세부 정보는 GitHub의 [aws-transform-mcp-server](https://github.com/awslabs/mcp/tree/main/src/aws-transform-mcp-server) README를 참조하세요.
MCP 클라이언트 구성의 `env` 블록에서 다음 환경 변수를 설정할 수 있습니다.
| 변수 | 설명 |
| --- | --- |
| AWS\_REGION | 컨트롤 플레인 API 호출에 AWS 리전 사용되는 입니다. 프로필 리전의 기본값은 미국 동부(버지니아 북부)입니다. |
| AWS\_PROFILE | 컨트롤 플레인 도구에 사용되는 자격 증명 프로파일입니다. 설정하지 않으면 표준 자격 증명 체인으로 돌아갑니다. |
| FASTMCP\_LOG\_LEVEL | 로그 수준(DEBUG, INFOWARNING, 또는 ERROR). 기본값은 INFO입니다. |
| AWS\_TRANSFORM\_MCP\_WRITE\_DIR | 아티팩트 다운로드가 제한되는 기본 디렉터리입니다. 다운로드 경로는이 디렉터리 내에서 확인되어야 합니다. 클라이언트가 쉘 외부에서 서버를 시작하는 경우 아티팩트 다운로드에 유효한 대상이 있도록이 변수를 설정합니다. |
대부분의 MCP 도구는 웹 API 인증(브라우저 로그인)을 사용합니다. 또한이 `accept_connector` 도구에는 서버에서 자동으로 감지하는 AWS 자격 증명이 필요합니다. AWS 변환은 다음 인증 방법을 지원합니다.
IAM Identity Center(SSO)
AI 어시스턴트에게 "SO로 AWS 변환 구성"을 요청합니다. 어시스턴트는 IAM Identity Center 시작 URL을 묻는 메시지를 표시하고 브라우저를 열어 로그인합니다. 그런 다음 서버는 자격 증명을 로컬에 저장하고 다시 시작할 때 자동으로 로드합니다. 도구가 인증 오류를 반환하면이 구성을 다시 실행합니다.
IAM 역할
환경은 자격 AWS 증명을 자동으로 제공합니다. MCP 클라이언트 구성`AWS_PROFILE`에서를 설정하여 특정 프로필을 선택합니다.
AWS 변환에 대한 인증 설정에 대한 자세한 내용은이 주제 앞부분의 사전 조건을 참조하세요.
서버를 설치하고 구성한 후 MCP 클라이언트를 다시 시작합니다. 그런 다음 AI 어시스턴트에게 "내 AWS 변환 연결 상태 확인"을 요청합니다. 응답이 성공하면 서버가 설치, 구성 및 인증되었음을 확인합니다.
## MCP를 통한 마이그레이션에 AWS 변환 사용
MCP 서버를 연결하면 AI 어시스턴트와 자연어로 대화하여 마이그레이션을 주도할 수 있습니다. 어시스턴트는 사용자를 대신하여 MCP 도구를 AWS 변환하여 워크스페이스를 관리하고, 마이그레이션 작업을 시작하고, human-in-the-loop 작업에 응답하고, 아티팩트를 검색합니다. 일반적인 마이그레이션은 다음 단계를 따릅니다.
**MCP 서버를 통해 마이그레이션을 실행하려면**
1. **워크스페이스를 생성하거나 선택합니다.** 워크스페이스는 하나 이상의 마이그레이션 작업을 위한 논리적 컨테이너입니다. 워크스페이스는 작업, 검색 데이터 및 AWS 변환 권장 사항이 AWS 리전 있는을 결정합니다. 어시스턴트에게 워크스페이스를 생성하거나 기존 워크스페이스를 나열하도록 요청합니다.
1. **마이그레이션 작업을 생성하고 시작합니다.** 어시스턴트에게 마이그레이션 작업을 생성하도록 요청합니다. 어시스턴트는 사용 가능한 에이전트를 검색하고 작업을 시작합니다. 마이그레이션 작업 유형 및 각에 포함된 단계에 대한 자세한 내용은 섹션을 참조하세요[작업 유형](vmware-jobs.md#vmware-job-types).
1. **검색을 실행합니다.** AWS 변환이 온프레미스 서버 인벤토리를 구문 분석, 중복 제거 및 검증할 수 있도록 업로드합니다. 지원되는 검색 데이터 소스 및 형식은 섹션을 참조하세요[소스 데이터 검색](transform-vmware-discover-source-data.md).
1. **마이그레이션 계획을 수립합니다.** 어시스턴트와 협력하여 인벤토리의 범위를 지정 및 분석하고, 서버를 애플리케이션으로 그룹화하고, 이동 그룹을 생성하고, 마이그레이션 웨이브를 구축합니다. 언제든지 환경에 대해 질문하고 계획을 반복할 수 있습니다. 자세한 내용은 [마이그레이션 계획 수립](transform-vmware-review-groupings-and-waves.md) 섹션을 참조하세요.
1. **대상 계정을 연결합니다.** 커넥터를 생성하고 대상의 관리자가 AWS 계정 승인하도록 하여 AWS 변환이 인프라를 배포하고, 네트워크를 마이그레이션하고, 서버를 리호스팅할 수 있도록 합니다. 자세한 내용은 [대상 AWS 계정및 리전 연결](transform-vmware-connect-target-account.md) 섹션을 참조하세요.
1. **네트워크를 마이그레이션하고, 랜딩 존을 빌드하고, 서버를 리호스팅합니다.** 어시스턴트에게 작업 계획의 나머지 실행 단계를 실행하도록 요청합니다.
1. **human-in-the-loop 작업에 대응합니다.** AWS 검토 및 승인 시점에 일시 중지를 변환합니다. 어시스턴트는 사용자가 검토할 수 있도록 작업과 해당 아티팩트를 표시합니다. 결정을 내리면 어시스턴트가 응답(승인, 거부 또는 승인을 위해 전송)을 제출합니다. 승인하기 전에 항상 작업 세부 정보와 에이전트 아티팩트를 검토하세요.
1. **상태를 추적하고 아티팩트를 다운로드합니다.** 언제든지 어시스턴트에게 작업 상태를 요청하고 보고서, 다이어그램 및 워크스페이스 요약과 같은 아티팩트를 로컬 환경에 다운로드하도록 합니다.
대화식으로 AWS 변환과 상호 작용하기 때문에 도구를 전환하지 않고도 이러한 단계 간에 반복적으로 이동하고, 명확한 질문을 하고, 계획을 세분화할 수 있습니다.
## 모범 사례
AWS 변환 MCP 서버를 통해 마이그레이션을 실행할 때 다음 모범 사례를 따르세요.
+ **승인하기 전에를 검토합니다.** human-in-the-loop 루프 작업을 승인하기 전에 항상 작업 세부 정보와 에이전트 아티팩트를 검사합니다. AWS 리소스를 생성하거나 수정하는 마이그레이션 단계에 대해 어시스턴트가 승인을 자동으로 제출하지 않도록 하세요.
+ **최소 권한 자격 증명을 사용합니다.** 마이그레이션에 필요한 권한으로 범위가 지정된 프로파일을 가리키도록 `AWS_PROFILE` 환경 변수를 구성합니다. 다중 계정 마이그레이션의 경우 조직 관리 계정보다 위임된 관리자 계정을 선호합니다. 자세한 내용은 [위임된 관리자 계정 사용](transform-vmware-connect-target-account.md#transform-vmware-cta-delegated-admin) 섹션을 참조하세요.
+ **아티팩트 다운로드를 제한합니다.** 다운로드한 아티팩트가 알려진 포함된 위치에 도착하도록 `AWS_TRANSFORM_MCP_WRITE_DIR` 환경 변수를 전용 디렉터리로 설정합니다. 이는 데스크톱 또는 IDE 클라이언트가 쉘 외부에서 서버를 시작할 때 특히 중요합니다.
+ **세션을 인증된 상태로 유지합니다.** SSO 토큰이 만료됩니다. 도구가 인증 오류를 반환하기 시작할 때 SSO 구성을 다시 실행하고 장기 실행 단계를 시작하기 전에 상태 확인으로 연결을 확인합니다.
+ **올바른 리전을 설정합니다.** 워크스페이스 및 검색 데이터가 AWS 리전 있는 `AWS_REGION`로 설정합니다. 마이그레이션 대상 리전이 검색 리전과 다른 경우 일부 데이터가 전송됩니다 AWS 리전. 자세한 내용은 [지원되는 대상 리전](transform-vmware-connect-target-account.md#transform-vmware-cta-supported-regions) 섹션을 참조하세요.
+ **완전한 현재 검색 데이터를 업로드합니다.** 마이그레이션 계획의 품질은 인벤토리의 품질에 따라 달라집니다. 웨이브를 빌드하기 전에 사용 가능한 가장 세부적인 데이터를 업로드하고 현재 환경을 반영하는지 확인합니다.
+ **대규모 마이그레이션에는 전문가 모드를 고려하세요.** back-and-forth로 입력을 최소화하려면 먼저 입력을 제공하고 에이전트가 자동으로 입력 내용을 적용하도록 합니다. 자세한 내용은 [전문가 모드 사용](transform-app-vmware-expert-mode.md) 섹션을 참조하세요.
## 프롬프트 예제
MCP 서버를 통해 AWS 변환을 실행하면 웹 경험을 IDE로 이동하는 것 이상을 수행할 수 있습니다. AI 어시스턴트는 여러 도구 호출을 연결하고 로컬 워크스페이스에서 파일을 읽고 쓰며 조건부 로직을 적용합니다. 따라서 단일 웹 애플리케이션 상호 작용을 넘어 다단계, 반복 및 배치 워크플로를 표현할 수 있습니다. 다음 예제에서는 정교한 프롬프트를 보여줍니다. 환경에 맞게 조정합니다.
어시스턴트가 실행 중인 단계를 폴링하고, 찾은 내용에 반응하고, 결정이 필요한 경우에만 일시 중지하도록 합니다. 이와 같은 자율 루프는 웹 애플리케이션이 아닌 어시스턴트에 의해 구동됩니다.
```
Start network migration for wave 1, then poll the job status every two
minutes until it completes or needs my input. If a human-in-the-loop task
appears, stop polling, summarize the task and its artifact for me, and wait
for my decision before doing anything else.
```
```
Check every active job across all my workspaces. For each one, give me a
one-line status, and flag any job that has been waiting on an approval for
more than 24 hours or has reported an error. Repeat this check every 15
minutes and only message me when something changes.
```
```
Re-run the inventory readiness check after my latest upload. If there are any
data-quality errors, list the affected servers grouped by issue and stop. If
it validates cleanly, proceed to application grouping using the rules in
./planning/grouping-rules.md.
```
어시스턴트에게 여러 단계의 아티팩트를 상호 참조하고 통합 보고서를 합성하도록 요청합니다. 그런 다음 어시스턴트는 검토 또는 버전 관리를 위해 로컬 워크스페이스에 저장할 수 있습니다.
```
Pull my migration strategy (7Rs) recommendations and my current wave plan.
Cross-reference them and produce a consolidated readiness report that
highlights every application whose recommended strategy conflicts with the
strategy assigned to its wave. Include the confidence score and reasoning for
each conflict, and save the report to ./reports/readiness.md.
```
```
Build an executive migration report that combines my risk assessment scores,
the 7Rs recommendations, and the wave schedule. Rank waves by combined risk,
call out the top five applications that need attention before cutover, and
export it as both a PDF for stakeholders and a PPTX deck for my review.
```
```
Compare the assessment I ran last month with my current plan. Tell me which
servers were newly discovered, which changed operating system or strategy, and
which moved between waves. Write the diff to ./reports/plan-change-log.md.
```
계획의 애플리케이션 또는 웨이브를 반복하고 각각에 대한 아티팩트를 생성하여 한 번의 패스로 로컬에 저장합니다.
```
For each application in my plan, generate an application dependency diagram
and save it to ./diagrams/APP_NAME.html. When you finish, give me a table of
every application with the number of dependencies found, and list any
applications you could not generate a diagram for and why.
```
```
For each wave, generate a network topology diagram scoped to that wave's
servers plus their cross-wave dependencies, and save each one to
./diagrams/waves/wave-N.html. Highlight any dependency that crosses a wave
boundary, since those need sequencing attention.
```
웹 애플리케이션이 수행할 수 없는 로컬 개발 환경의 파일 및 도구와 AWS 변환을 결합합니다.
```
Read the decommissioning list in ./exclusions.csv, remove every matching
server from migration scope, then rebuild my waves and show me what changed in
the plan as a result.
```
```
Read the tagging standard in ./standards/tagging.md and apply it as the
resource tagging configuration for network migration and server rehost. Show
me the resulting tag set and flag any required tag the standard does not
specify a value for.
```
```
Download the workspace summary and the 7Rs report, commit them to the
migration-artifacts git repo in this workspace under ./artifacts/$(date +%F)/,
and write a short changelog entry describing what changed since the last
snapshot.
```
조건이 충족될 때만 어시스턴트가 마이그레이션을 진행하도록 승인 게이트 및 분기를 표현합니다.
```
Walk my end-to-end job through discovery and planning in expert mode using the
inputs in ./planning/inputs.txt. Pause for my review after wave planning
completes. Do not connect any target account or start execution until I
explicitly approve.
```
```
For wave 1 only, connect the target account, migrate the network, and rehost
the servers. After each step, verify it succeeded before starting the next. If
any step fails or produces a warning, stop immediately, show me the details,
and do not touch waves 2 or 3.
```