AWS Redshift Remote MCP Server

将本地 stdio MCP Server 通过 FastMCP Proxy 包装为远程 Streamable HTTP 服务，部署到 AWS Bedrock AgentCore，实现 Cognito JWT 鉴权的生产级远程 MCP 服务。

这套模式不限于 Redshift — 任何 stdio MCP Server 都可以用同样的方式变成云端远程服务。

为什么需要 Remote MCP

AWS Labs MCP Servers 提供了丰富的 MCP 工具（Redshift、S3、DynamoDB 等），为开发者在本地快速集成 AI Agent 与 AWS 服务提供了便捷的起点。这些工具基于 stdio 协议设计，非常适合本地开发和测试。当需要将这些能力延伸到生产环境时，会面临一些新的挑战：

无法部署到云端，不支持水平扩展和多用户并发
无法穿透 VPC，企业数据源通常在私有子网内，本地 Agent 无法直接访问
缺乏统一鉴权和审计，AI 直连数据库是高风险操作

而企业级 AI Agent 需要的是：以标准化、可扩展、安全的方式访问数据。这就需要将 Local MCP 升级为 Remote MCP — 从本地 CLI 工具变成云原生的 HTTP 服务。

Remote MCP 带来的核心转变

| 维度 | Local MCP（stdio） | Remote MCP（HTTP） | |------|-------------------|-------------------| | 运行环境 | 开发者本地 | 云端托管（AgentCore Runtime） | | 访问方式 | 仅本地 Agent | 任意远程 MCP 客户端 | | 网络能力 | 无法穿透 VPC | 部署在 VPC 内，安全访问私有数据源 | | 扩展性 | 单进程 | 弹性扩缩，支持多用户 | | 安全治理 | 无 | Cognito JWT 鉴权 + IAM 权限控制 + CloudWatch 审计 | | 本质定位 | 开发测试工具 | 生产级 AI 服务接口 |

这个项目做了什么

本项目基于 AWS Bedrock AgentCore Runtime，实现了从 Local MCP 到 Remote MCP 的完整转换：

Redshift Remote MCP Server 架构

以 awslabs.redshift-mcp-server 为例，将其包装为带鉴权的远程 HTTP 服务，让 AI Agent 能够安全地访问企业 Redshift 数据仓库。同样的模式适用于任何 AWS Labs MCP Server。

这也是 MCP 生态正在发生的趋势：OpenSearch 3.0 已内置 Remote MCP，Splunk 等平台也在跟进。MCP 正在从开发者工具演进为 AI 时代的标准服务接口 — 类似 OpenAPI 在 Web 时代的角色。

项目结构

.
├── src/
│   └── redshift-remote-mcp.py      # 核心：FastMCP Proxy Server
├── tests/
│   ├── test_local.py                # 本地测试（stdio + HTTP proxy）
│   └── test_remote.py               # 远程测试（AgentCore Runtime）
├── scripts/
│   ├── auth/
│   │   ├── setup_cognito_s2s.sh     # Cognito S2S 鉴权配置
│   │   └── get_token.sh             # 获取 Bearer Token
│   ├── deploy/
│   │   └── attach_redshift_policy.sh # 附加 Redshift IAM 权限
│   └── infra/
│       └── setup_redshift_serverless.sh # 创建 demo 用 Redshift Serverless
├── docs/
│   ├── use-cases/
│   │   ├── agentic-bi.md           # 应用案例：Agentic BI
│   │   └── opensearch-mcp.md       # 应用案例：OpenSearch MCP
│   ├── deployment.md                # 完整部署指南
│   └── research-summary.md          # 技术调研汇总
├── requirements.txt
├── .env.example
└── .gitignore

工作原理

AI Agent / MCP Client
        │
        │  Streamable HTTP + Bearer Token
        ▼
AgentCore Runtime（托管容器）
        │
        │  FastMCP create_proxy()
        ▼
awslabs.redshift-mcp-server（stdio 协议）
        │
        │  Redshift Data API
        ▼
Amazon Redshift Serverless

FastMCP 的 create_proxy() 将底层 stdio server 的所有 tools/resources/prompts 透传为 HTTP 接口，AgentCore Runtime 提供托管运行环境，Cognito 提供 service-to-service JWT 鉴权。

快速开始

前置条件

Python 3.10+
AWS CLI 已配置
bedrock-agentcore-starter-toolkit >= 0.3.0

安装依赖

pip install -r requirements.txt

本地运行

python src/redshift-remote-mcp.py

Server 启动后监听 http://0.0.0.0:8000/mcp，在另一个终端验证：

python tests/test_local.py

部署到 AgentCore Runtime

完整步骤见 docs/deployment.md，核心流程：

# 1. 配置 Cognito S2S 鉴权
source scripts/auth/setup_cognito_s2s.sh us-east-1

# 2. 配置 AgentCore
agentcore configure \
  --entrypoint src/redshift-remote-mcp.py \
  --name redshift_remote_mcp \
  --protocol MCP \
  --requirements-file requirements.txt \
  --authorizer-config '{"customJWTAuthorizer":{"discoveryUrl":"<DISCOVERY_URL>","allowedClients":["<CLIENT_ID>"]}}' \
  --disable-memory \
  --region us-east-1 \
  --non-interactive

# 3. 部署
agentcore deploy

# 4. 附加 Redshift 权限
bash scripts/deploy/attach_redshift_policy.sh us-east-1

# 5. 验证
python tests/test_remote.py

透传的 MCP 工具

部署后，以下 Redshift MCP 工具通过 HTTP 远程可用：

| 工具 | 说明 | |------|------| | list_clusters | 发现所有 Redshift 集群和 Serverless workgroup | | list_databases | 列出指定集群的数据库 | | list_schemas | 列出指定数据库的 Schema | | list_tables | 列出指定 Schema 的表 | | list_columns | 列出指定表的列信息 | | execute_query | 执行 SQL 查询（只读） |

应用案例

Agentic BI

结合 Amazon QuickSight（AWS Quick Suite）的传统 BI 能力和 Agent 通过 MCP 的全局数据访问能力，实现从"人工选数"到"Agent 自主分析"的 Agentic BI。

OpenSearch MCP

OpenSearch MCP 从内置（3.0+）到 Standalone 再到 AgentCore 远程托管的演进路径，验证了 Remote MCP 模式的通用性。

可扩展性

这套模式适用于任何 stdio MCP Server。替换 src/redshift-remote-mcp.py 中的底层 server 即可：

# Redshift（当前）
transport = StdioTransport(
    command="python",
    args=["-c", "from awslabs.redshift_mcp_server.server import main; main()"],
    env=build_server_env()
)

# S3
# pip install awslabs.s3-mcp-server
# transport = StdioTransport(command="awslabs.s3-mcp-server", ...)

# DynamoDB
# pip install awslabs.dynamodb-mcp-server
# transport = StdioTransport(command="awslabs.dynamodb-mcp-server", ...)

其余代码（proxy、部署配置、鉴权）无需修改。

技术栈

| 组件 | 技术 | |------|------| | MCP 框架 | FastMCP >= 3.2.0 | | MCP 协议 | mcp >= 1.27.0 | | 底层 Server | awslabs.redshift-mcp-server | | 部署平台 | AWS Bedrock AgentCore Runtime | | 鉴权 | Amazon Cognito（client_credentials） | | 部署工具 | bedrock-agentcore-starter-toolkit >= 0.3.0 |

MCP Servers