AWS S3 Tables MCP Server

用于分析的S3 Tables管理工具。

什么是MCP Server？

概述和主要用途

AWS S3 Tables MCP Server是由awslabs开发的Docker镜像，用于管理AWS S3中的分析表格。该镜像提供16种工具，支持创建表、导入数据、查询分析等操作，基于Apache Iceberg格式，适用于S3数据的组织、管理与分析场景，帮助用户高效处理S3中的结构化数据。

镜像信息

镜像构建信息

核心功能和特性

该镜像提供16种工具，支持S3 Tables全生命周期管理，主要功能包括：

可用工具（16种）

使用场景和适用范围

• AWS S3数据管理：创建、管理S3表存储桶和命名空间，组织结构化数据。
• 数据分析预处理：导入CSV/Parquet文件到S3表，支持 schema 推断与验证。
• Iceberg表操作：基于Apache Iceberg格式，进行表创建、数据追加、元数据管理。
• 数据查询分析：通过SQL查询S3表数据，支持数据分析场景。

详细工具说明

工具：append_rows_to_table

使用PyIceberg/Daft向Iceberg表追加行。

该工具使用PyIceberg引擎向现有Iceberg表追加数据行。rows参数必须是字典列表，每个字典代表一行数据。追加前需检查表的schema。

示例输入值：

warehouse: 'arn:aws:s3tables:<Region>:<accountID>:bucket/<bucketname>'
region: 'us-west-2'
namespace: 'retail_data'
table_name: 'customers'
rows: [{"customer_id": 1, "customer_name": "Alice"}, ...]
uri: '[***]
catalog_name: 's3tablescatalog'
rest_signing_name: 's3tables'
rest_sigv4_enabled: 'true'

工具：create_namespace

在S3表存储桶中创建新命名空间。

创建命名空间，用于在S3表存储桶中逻辑组织表。

权限：需拥有s3tables:CreateNamespace权限。

工具：create_table

在S3表存储桶中创建新S3表。

在指定S3命名空间和表存储桶中创建新S3表，可配置格式和元数据（包含表schema）。小数类型使用double。若schema不明确，请勿使用metadata参数。

S3表元数据示例：

json
{
    "metadata": {
        "iceberg": {
            "schema": {
                "type": "struct",
                "fields": [{
                        "id": 1,
                        "name": "customer_id",
                        "type": "long",
                        "required": true
                    },
                    {
                        "id": 2,
                        "name": "customer_name",
                        "type": "string",
                        "required": true
                    },
                    {
                        "id": 3,
                        "name": "customer_balance",
                        "type": "double",
                        "required": false
                    }
                ]
            },
            "partition-spec": [
                {
                    "source-id": 1,
                    "field-id": 1000,
                    "transform": "month",
                    "name": "sale_date_month"
                }
            ],
            "table-properties": {
                "description": "Customer information table with customer_id for joining with transactions"
            }
        }
    }
}

权限：需拥有s3tables:CreateTable权限；若使用metadata参数，还需s3tables:PutTableData权限。

工具：create_table_bucket

创建S3表存储桶。

权限：需拥有s3tables:CreateTableBucket权限。

工具：get_bucket_metadata_config

获取常规用途S3存储桶的元数据表配置。

检索常规用途S3存储桶的元数据表配置，该配置决定元数据的存储和管理方式。响应包含S3表存储桶ARN、S3表ARN、S3表名称、S3表命名空间。

描述：Amazon S3 Metadata通过自动捕获通用存储桶中对象的元数据并存储在只读、全托管的Apache Iceberg表中，加速数据发现。这些只读表称为元数据表。当对象添加、更新或删除时，S3 Metadata自动刷新元数据表。

默认提供三种元数据：

• 系统定义元数据（如对象创建时间、存储类别）
• 自定义元数据（如标签、上传时的用户定义元数据）
• 事件元数据（如对象更新/删除时间、执行操作的AWS账户）

元数据表schema：

• bucket: String
• key: String
• sequence_number: String
• record_type: String
• record_timestamp: Timestamp (无时区)
• version_id: String
• is_delete_marker: Boolean
• size: Long
• last_modified_date: Timestamp (无时区)
• e_tag: String
• storage_class: String
• is_multipart: Boolean
• encryption_status: String
• is_bucket_key_enabled: Boolean
• kms_key_arn: String
• checksum_algorithm: String
• object_tags: Map<String, String>
• user_metadata: Map<String, String>
• requester: String
• source_ip_address: String
• request_id: String

权限：需拥有s3:GetBucketMetadataConfiguration权限。

工具：get_maintenance_job_status

获取表的维护作业状态。

获取表的维护作业状态。更多信息参见《Amazon Simple Storage Service用户指南》中的S3 Tables维护。

权限：需拥有s3tables:GetTableMaintenanceJobStatus权限。

工具：get_table_maintenance_config

获取表的维护配置详情。

获取表的维护配置详情。更多信息参见《Amazon Simple Storage Service用户指南》中的S3 Tables维护。

权限：需拥有s3tables:GetTableMaintenanceConfiguration权限。

工具：get_table_metadata_location

获取S3表元数据的位置。

获取表元数据的S3 URI位置，元数据包含表的schema和其他配置信息。

权限：需拥有s3tables:GetTableMetadataLocation权限。

工具：import_csv_to_table

将CSV文件数据导入S3表。

从S3存储的CSV文件读取数据并导入S3表。若表不存在，将根据CSV文件推断schema创建表；若表已存在，CSV文件schema必须与表schema兼容。工具会在导入前验证schema。preserve_case为True时保留列名大小写，否则转换为snake_case。

返回错误字典（含状态和错误消息）的情况：

• URL不是有效的S3 URL
• 文件不是CSV文件
• 文件无法访问
• 表不存在
• CSV表头与表schema不匹配
• 其他错误

示例输入值：

warehouse: 'arn:aws:s3tables:<Region>:<accountID>:bucket/<bucketname>'
region: 'us-west-2'
namespace: 'retail_data'
table_name: 'customers'
s3_url: 's3://bucket-name/path/to/file.csv'
uri: '[***]
catalog_name: 's3tablescatalog'
rest_signing_name: 's3tables'
rest_sigv4_enabled: 'true'
preserve_case: False

权限：需拥有：

• CSV文件的s3:GetObject权限
• 访问表信息的s3tables:GetTable和s3tables:GetTables权限
• 写入表的s3tables:PutTableData权限

工具：import_parquet_to_table

将Parquet文件数据导入S3表。

从S3存储的Parquet文件读取数据并导入S3表。若表不存在，将根据Parquet文件推断schema创建表；若表已存在，Parquet文件schema必须与表schema兼容。工具会在导入前验证schema。preserve_case为True时保留列名大小写，否则转换为snake_case。

返回错误字典（含状态和错误消息）的情况：

• URL不是有效的S3 URL
• 文件不是Parquet文件
• 文件无法访问
• Parquet schema与现有表schema不兼容
• 其他错误

返回成功字典：

• status: 'success'
• message: 含行数的成功消息
• rows_processed: 导入的行数
• file_processed: 处理的文件名
• table_created: 若创建新表则为True

示例输入值：

warehouse: 'arn:aws:s3tables:<Region>:<accountID>:bucket/<bucketname>'
region: 'us-west-2'
namespace: 'retail_data'
table_name: 'customers'
s3_url: 's3://bucket-name/path/to/file.parquet'
uri: '[***]
catalog_name: 's3tablescatalog'
rest_signing_name: 's3tables'
rest_sigv4_enabled: