入门攻略
MCP提交
探索
Mcp2lambda
概述
安装
内容详情
替代品
什么是MCP2Lambda?
MCP2Lambda是一个基于Model Context Protocol(MCP)的服务器,它作为AI模型与AWS Lambda函数之间的桥梁。通过这个服务,您可以让Claude等大型语言模型直接调用您现有的Lambda函数,就像使用内置工具一样。如何使用MCP2Lambda?
只需部署MCP2Lambda服务器并配置好AWS凭证,您的Lambda函数就会自动成为AI模型可用的工具。模型可以通过MCP协议发现并调用这些函数。适用场景
当您希望AI模型能够访问私有数据、执行特定计算或与企业内部系统交互时,MCP2Lambda是理想选择。例如客户数据查询、内部API调用或自定义计算等场景。主要功能
自动发现自动识别AWS账户中符合命名规则的Lambda函数,无需手动注册
双模式支持支持预发现模式(每个函数作为独立工具)和通用模式(通过统一接口调用)
安全隔离通过Lambda函数实现权限隔离,模型只能调用函数而无法直接访问其他AWS资源
优势与局限性
优势
无需修改现有Lambda函数代码
利用现有AWS安全体系,无需额外配置
支持私有网络(VPC)内的资源访问
模型只能调用指定函数,无法直接操作其他AWS服务
局限性
需要为Lambda函数编写清晰的描述文档
目前仅支持Python编写的Lambda函数
函数执行时间受Lambda超时限制
如何使用
安装MCP2Lambda通过Smithery一键安装或手动克隆仓库
配置AWS凭证确保本地已配置有效的AWS访问密钥
部署示例函数部署提供的示例Lambda函数作为测试
启动服务器运行MCP2Lambda服务器
使用案例
客户信息查询通过电子邮件查找客户详细信息
数学计算执行复杂数学运算
常见问题
1
哪些Lambda函数会被自动发现?默认情况下,名称以'mcp2lambda-'开头的函数会被自动发现。您也可以通过配置修改这一规则。
2
如何确保安全性?MCP2Lambda利用AWS IAM进行权限控制,模型只能调用您明确授权的Lambda函数,无法直接访问其他AWS资源。
3
支持哪些AI模型?任何支持MCP协议的模型都可以使用,包括Anthropic Claude和通过Amazon Bedrock访问的模型。
相关资源
MCP协议官方文档Model Context Protocol的官方规范文档
AWS Lambda文档AWS Lambda服务的官方文档
示例代码仓库包含完整示例代码的GitHub仓库
精选MCP服务推荐

Firecrawl MCP Server
Firecrawl MCP Server是一个集成Firecrawl网页抓取能力的模型上下文协议服务器,提供丰富的网页抓取、搜索和内容提取功能。
TypeScript
2,956
5分

Duckduckgo MCP Server
已认证
DuckDuckGo搜索MCP服务器,为Claude等LLM提供网页搜索和内容抓取服务
Python
212
4.3分

Figma Context MCP
Framelink Figma MCP Server是一个为AI编程工具(如Cursor)提供Figma设计数据访问的服务器,通过简化Figma API响应,帮助AI更准确地实现设计到代码的一键转换。
TypeScript
6,102
4.5分

Edgeone Pages MCP Server
EdgeOne Pages MCP是一个通过MCP协议快速部署HTML内容到EdgeOne Pages并获取公开URL的服务
TypeScript
88
4.8分

Context7
Context7 MCP是一个为AI编程助手提供实时、版本特定文档和代码示例的服务,通过Model Context Protocol直接集成到提示中,解决LLM使用过时信息的问题。
TypeScript
4,852
4.7分

Baidu Map
已认证
百度地图MCP Server是国内首个兼容MCP协议的地图服务,提供地理编码、路线规划等10个标准化API接口,支持Python和Typescript快速接入,赋能智能体实现地图相关功能。
Python
323
4.5分

Exa Web Search
已认证
Exa MCP Server是一个为AI助手(如Claude)提供网络搜索功能的服务器,通过Exa AI搜索API实现实时、安全的网络信息获取。
TypeScript
1,429
5分

Minimax MCP Server
MiniMax Model Context Protocol (MCP) 是一个官方服务器,支持与强大的文本转语音、视频/图像生成API交互,适用于多种客户端工具如Claude Desktop、Cursor等。
Python
364
4.8分