MCP Server · Human-in-the-Loop

Case Submit Helper

从 AI 对话直达高质量工单 —— 让客户在对话里自然地把 AWS Support 工单写好、提交好。

对话内完成 自动收集诊断信息 跨客户端兼容

它解决什么

越来越多工作在 AI 对话里完成 —— 无论是排查问题后需要技术支持介入，还是直接想开工单咨询。 但走到开工单这一步，往往要：

Case Submit Helper 让开工单这一步留在对话内自然完成。

流程对比

过去的流程离开对话 · 手动整理
在 AI 对话中完成排查或咨询
切回控制台，进入 Support Center
选择服务与问题类别
重新组织问题描述、填写标题
手动查找并粘贴日志、ARN
提交后常被追问补充信息
流程较长，已有的排查上下文需要重新整理
使用之后对话内 · 自动完成
在 AI 对话中完成排查或咨询
一句"帮我开个工单"
自动收集日志与诊断上下文
按技术支持视角生成结构化草稿
客户确认后直接提交，返回 Case ID
不离开对话，信息一次给全

真实对话演示

Cherry Studio + DeepSeek 中的真实测试对话（含打字效果）。

快速开始

  1. 准备 uv 运行环境多数客户端已集成 uv，用于按需拉起 MCP server，无需手动安装包。
  2. 新建一个 stdio 类型的 MCP 服务器命令填 uvx，参数填 aws-case-drafter@latest。国内可把"包管理源"切到清华等镜像加速下载。
  3. 配置环境变量支持 AWS SDK 标准变量。已配置 AWS CLI 时填 AWS_PROFILE 即可（profile 中一般已包含 region）；未配 CLI 时用 AWS_ACCESS_KEY_ID / AWS_SECRET_ACCESS_KEY / AWS_REGION 提供凭证。
Cherry Studio MCP 配置示例

技术架构

客户端 AI 工具如 Cherry Studio / ChatBox 等
→
MCP Protocolstdio 通信
→
Case Submit HelperPython · FastMCP
→
AWS APIs

MCP 工具一览

工具名功能凭证要求
fetch_lambda_context获取 Lambda 函数 ARN + 最近错误日志需要凭证
fetch_apigw_context获取 API Gateway 配置 + 执行日志需要凭证
fetch_iot_context获取 IoT Core 诊断信息（日志、加密配置、域名、规则等）需要凭证
draft_support_case根据诊断数据生成结构化工单草稿无需凭证
submit_support_case客户确认后通过 Support API 提交工单需要凭证 + Business Plan

设计亮点

🤖

适配多模型

工具描述简洁直观，适配 DeepSeek、千问等国内主流模型的 function calling，弱模型也能稳定调用。

🔒

自动脱敏

日志与上下文中的敏感信息（IP、密钥、邮箱等）在进入工单前自动脱敏处理。

📎

日志自动附件

大量错误日志自动写入临时文件，随工单作为附件提交，正文保持简洁、不被淹没。