【我的 AI 同事養成計畫】幫只會出一張嘴的 AI 長出手腳：MCP

ai aws aws kiro ai agent

TonyKang 2026-07-01 09:53:24 ‧ 1122 瀏覽

分享至

作者：康子晉｜AWS 解決方案專家，守備範圍橫跨架構設計、維運排錯、成本優化與雲端遷移。
本系列聊一個我最近很有感的主題：怎麼讓 AI 成為團隊裡可靠的一員。

上篇回顧

前面幾篇，我的 AI 同事已經「不太唬爛」（會先查官方文件）又「記得住事情」（有分層記憶）。

聽起來很棒對吧。但講白一點，它到這裡還是個只會出一張嘴的顧問。

你問它「我這個帳號的費用怎麼突然變高」，它會很認真地跟你分析：「你可以去 Cost Explorer 看看、檢查有沒有閒置資源、注意一下 NAT Gateway……」

……然後呢？然後就沒有了。它給你一套很正確的廢話，實際去翻帳單、去撈數字的還是你自己。

我要的不是一個會給建議的顧問。我要的是一個會自己捲起袖子去做的同事。

MCP：把「工具」交到 AI 手上

要讓 AI 動手，就得給它工具。而 MCP（Model Context Protocol） 就是這件事的標準做法。

用一句話解釋：MCP 是一個開放標準，讓 AI 能透過一致的介面去呼叫外部工具、查外部資料——查 AWS 文件、打 AWS API、開瀏覽器、讀資料庫，都行。它是 Anthropic 提出的，現在幾乎變成業界共通語言，Kiro、Claude、Cursor 都支援。

如果說前面的 Steering 是「教育訓練」、Memory 是「工作日誌」，那 MCP 就是幫這個同事開系統權限、發門禁卡——讓他不只坐在位子上出意見，而是能真的走進機房動手。

一個我每個月都要幹的雜事

講個具體的。我手上管好幾個 AWS 帳號，每個月都得盯一下費用有沒有暴衝、有沒有誰在偷偷燒錢。

以前這件事很煩：登進 Console、切到 Cost Explorer、調時間範圍、一項一項服務看、再交叉比對哪些資源在空轉……光一個帳號就要花掉我半小時，還很容易看漏。

現在我掛上了 AWS API MCP（一個能讓 AI 直接下 AWS API 查詢的 MCP server）。設定就丟在 .kiro/settings/mcp.json 裡，我實際的設定長這樣：

{
  "mcpServers": {
    "awslabs.aws-api-mcp-server": {
      "command": "uvx",
      "args": ["--from", "awslabs.aws-api-mcp-server@latest", "awslabs.aws-api-mcp-server.exe"],
      "env": { "AWS_REGION": "us-east-1" },
      "disabled": false,
      "autoApprove": ["call_aws"]
    }
  }
}

（.exe 是因為我在 Windows 上跑，Mac/Linux 把它拿掉即可。）

其實我不只掛這一顆。老實公開一下我目前實際開著的 MCP：

aws-api（call_aws）— 直接下 AWS API 查資源、查費用，就是這篇的主角
aws-documentation — 查 AWS 官方文件（第一篇治唬爛用的就是它）
aws-knowledge — AWS 的知識庫查詢
playwright — 讓 AI 開瀏覽器、點頁面、截圖（我拿它自動產過操作教學文件）
mermaid — 把文字描述畫成流程圖

另外還有幾顆平常關著（disabled: true）、要用才開，例如 Lark、Gmail 那些。這也是個小技巧：MCP 掛越多，AI 的工具清單越長、越吃 context，所以我只留常用的開著，其餘需要再開。

掛好之後，我只丟一句話：

「幫我檢查那個測試帳號的費用，看有沒有在浪費錢的東西。」

注意我這句話有多懶——我沒給它帳號 ID、沒說要查哪些服務、沒交代這帳號是幹嘛的。但它全都知道，因為這些「帳號基本資料」早就記在我的 Steering / 記憶裡了（就是前兩篇講的那套）。記憶負責「知道要查什麼」，MCP 負責「真的去查」，兩個合起來它才動得了。

於是它就自己動起來了。去打 API 拉費用明細、比對資源狀態，然後回我一份整理好的報告，重點大概是這樣（數字已去識別化）：

這個帳號雖然是測試用、EC2 幾乎都停了，但費用大頭其實是閒置的基礎設施：

4 個 NAT Gateway 在空轉（它服務的主機全停了，但 NAT 沒關照樣計費）

一顆 100GB 的 EBS 沒掛載在任何機器上

2 個沒在用的 Elastic IP

1 個沒有後端的 ALB

保守估計，把這些清掉每個月可以省下約 200 美金。

我看到的當下只想說：對，就是這個。它不是叫我「去檢查一下」，它是直接把該砍的東西列在我面前。半小時的雜事,變成一句話加喝一口咖啡的時間。

順帶一提——這也印證了一個很多人會忽略的觀念：EC2 關機 ≠ 省錢。NAT Gateway、沒掛載的 EBS、閒置 EIP、空載的 LB，這些你不主動砍，它們一毛都不會少收你。

等等，其實不一定要 MCP——AWS CLI 也能通

這裡要老實說一件事：你不裝任何 MCP Server，光靠 AWS CLI 也能讓 AI 動手查 AWS。

因為 Kiro 本來就能執行 shell 命令。只要你本機裝了 AWS CLI、設好憑證，你直接叫它「幫我用 aws cli 列出所有 running 的 EC2」，它就會去跑 aws ec2 describe-instances，把結果讀回來分析。完全不需要 MCP。

那……幹嘛還要 MCP？我自己是兩個都用，看情況選。差別大概是這樣：

	MCP Server	直接跑 AWS CLI
設定成本	要先在 `mcp.json` 掛好	幾乎零設定（本機有 CLI + 憑證就能用）
輸出	結構化、AI 好解析、不易誤讀	純文字，偶爾要 AI 自己 parse
覆蓋範圍	看那顆 server 有包哪些工具	幾乎全部 AWS 服務都能下
權限控制	可用 autoApprove 精準放行單一工具	就是一個 shell，較難細分
可攜性	標準介面，換 Claude/Cursor 也通	綁在你本機環境

我的白話結論：

MCP 適合「反覆做、要結構化、要控權限」的事——像每月費用盤點、查官方文件，我希望輸出穩定、而且只放行唯讀工具，這種就掛 MCP。
CLI 適合「一次性、冷門、MCP 沒包到」的臨時查詢——某個很少用的 API，懶得為它裝 server，直接叫它下 CLI 最快。

所以這不是二選一。我的原則是優先用 MCP（穩定、安全），MCP 沒覆蓋到的就 fallback 用 CLI 補。兩個搭起來，AI 幾乎沒有搆不到的 AWS 資源。

不是每個工具都該「自動放行」

這裡要講一個我很在意的安全紀律，因為 MCP 給 AI 的是真的能動手的權限，用不好會出事。

你有沒有注意到上面設定裡那個 autoApprove？它的意思是「這些工具 AI 可以自己用、不用每次問我」。我對它的原則很簡單：

只有唯讀、查詢類的工具才放進 autoApprove；任何會「改東西、刪東西」的操作，一律不自動放行，一定要跳出來讓我按確認。

查費用、讀設定、列資源——這些看了不會怎樣，放行。但如果哪天是「刪掉這個資源」「改這條安全群組規則」，我要它停下來，當著我的面問一句「你確定？」。這道防線，是我不會為了方便而拿掉的。

給 AI 手腳很爽，但你得記得——手腳越有力，越要教它什麼不能碰。

順帶一提：為什麼我堅持整碗都在 Kiro 裡跑

用久了我最有感的，其實不是單一功能多強，而是記憶不會分散這件事。

你可能也做過類似的事：先在 ChatGPT 生一份文件大綱，覺得不錯，複製到另一個工具產簡報，結果版型跑掉又跑回來改；改到一半發現細節對不上，又得把「這是給誰看的、風格要怎樣、公司範本長什麼樣」從頭跟新工具講一遍。每換一個工具，就重講一次背景。你的脈絡散落在三四個對話視窗裡，沒有一個地方是完整的。

那種感覺，就像你的專案記憶被切成好幾塊，塞在不同人的腦袋裡，誰都只知道一半。

我現在的做法是整碗都在 Kiro 裡跑。因為記憶（Steering + 分層日誌）和工具（MCP）都在同一個環境，AI 從頭到尾都握有完整脈絡。

舉個我自己的例子：我把「簡報怎麼做」的規矩——配色、版型、公司範本不能被蓋掉、要用原生圖表不要塞圖片——全寫進一個 Steering 檔。之後我要做技術分享簡報，只要說「幫我做一份 XX 主題的簡報」，它就照著我的風格規矩、直接產出 .pptx，中途不用我再解釋一次「我喜歡什麼風格」。從查資料、寫大綱到出簡報，全程同一個記憶、同一個對話，不用在工具之間搬來搬去、重講細節。

這不是哪個單一功能的勝利，是**「記憶 + 手腳集中在一處」**的勝利。