[新機能] Amazon S3 Tables MCP (Model Context Protocol) Server をClaude Codeで試してみた！

石川覚
2025.07.16
クラウド事業本部コンサルティング部の石川です。AWSが新たに発表した Amazon S3 Tables MCP Server は、AIとストレージを連携させる新しいアプローチとして注目されています。S3 Tables上の構造化データやそのメタデータに対し、対話的AIエージェントがアクセスしてデータ活用を支援できます。本日は、この新機能をClaude code から試してみます！
https://aws.amazon.com/jp/about-aws/whats-new/2025/07/amazon-s3-tables-mcp-server/
 Amazon S3 Tables MCP Serverの機能Amazon S3 Tables MCP Serverは、Amazon S3上の「S3 Tables」に保存されたデータへ、AIモデルやAIアプリケーションが標準プロトコル（Model Context Protocol：MCP）を介してアクセスできるAPIサーバーです。 これにより、AIエージェントが自然言語による問い合わせでテーブルデータの検索・集計・分析できます。
 この機能の特長標準プロトコル（MCP）対応

Model Context Protocolに準拠し、各種AIエージェントやチャットボットへ簡単に組み込み可能。
生成AI開発者ツール連携
Claude Code、Gemini CLI、Amazon Q Developerをはじめとする AIコーディングアシスタントとの連携。
S3 Tables連携

Amazon S3に構造化データを安全かつ柔軟に保存しながら、AIから検索・取得が可能。
 この機能の仕組みAmazon S3 Tablesは、クエリエンジンを持たないフルマネージドのApache Icebergストレージサービスです。Amazon S3 Tables MCP Serverでクエリが実行できるのは、サーバーに搭載されたツールが分散クエリエンジンDaft を使用しているためです。DaftはPyIcebergとネイティブに統合されており、AIアシスタントはこれを利用してS3 Tables内のマネージドIcebergテーブルを読み書きができます。
MCPサーバー

Amazon S3 Tables MCP Serverは、Model Context Protocol（MCP）のAPIサーバー実装として動作します。AIエージェントはMCP経由で、S3 Tablesの「テーブル構造のメタデータ取得」「クエリ実行」「結果取得」などのツールコール（API）にアクセス。
対話AI連携

Claude CodeなどのAIシステムは、MCPサーバーに自然言語の問い合わせを投げることで、裏側ではSQLライクなクエリが自動生成・実行され、結果が自然言語で返されます。
認証・認可

OAuthなどの認証フローを組み込み、担保されたアクセス管理が可能です。
 設定方法Amazon S3 Tables MCP Server の README.md の中では、Amazon Q Developerの設定を例に解説していますが、今回は、Claude codeにこのMCPを設定する方法について解説します。
https://github.com/awslabs/mcp/tree/main/src/s3-tables-mcp-server
 前提条件の準備Pythonのバージョン3.10以降のインストール
uvのインストール（参考: Astral or the GitHub README）
macOS 又は Linux の場合
curl -LsSf https://astral.sh/uv/install.sh | sh
Windows の場合
powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"
S3 Bucket、S3 Namespaces、S3 Tablesを事前に作成
AWSの認証用のAWSのアクセスキー又はAWSプロファイルなどを用意
LambdaやECSなどで動作させる場合は、IAMロールを用意
 MCP Serverの設定Claude CodeにMCPサーバーを追加するには、通常 claude mcp add コマンドを使いますが、設定ファイル (.claude.json) に直接「参照専用」または「読み書き用」の設定を追記しました。
今回はグローバル設定（すべてのプロジェクトに適用）とするため、ホームディレクトリにある .claude.json ファイルに設定を追記し、動作確認を行いました。
設定サンプル内のenvキーでは、AWSの環境変数を以下のように指定しています。
"AWS_REGION": "us-east-1"
リージョンを指定します。 サンプルではバージニア北部 (us-east-1) になっていますが、ご自身のS3 Tablesバケットが存在するリージョン名に書き換えてください。

"AWS_PROFILE": "cm-claudecode"
AWSの認証情報を指定します。 サンプルではcm-claudecodeという名前のAWSプロファイルを使用しています。IAMロールなどで認証情報が自動的に渡される環境の場合、この設定は不要です。

    "env": {
      "AWS_PROFILE": "cm-claudecode",
      "AWS_REGION": "us-east-1"
    }
 参照専用既存の設定に影響を与えることなく機能を試したい場合は、「参照専用」の設定をお使いいただくのが安全です。特に、初めてこのツールを利用する方におすすめします。
:
"mcpServers": {
  "s3tables": {
    "type": "stdio",
    "command": "uvx",
    "args": [
      "awslabs.s3-tables-mcp-server@latest"
    ],
    "env": {
      "AWS_PROFILE": "cm-claudecode",
      "AWS_REGION": "us-east-1"
    }
  },
  :
}
:
 読み書き用（--allow-writeの追加）データやメタデータに対して変更したい場合は、「読み書き用」の設定をお使いください。
:
"mcpServers": {
  "s3tables": {
    "type": "stdio",
    "command": "uvx",
    "args": [
      "awslabs.s3-tables-mcp-server@latest","--allow-write"
    ],
    "env": {
      "AWS_PROFILE": "cm-claudecode",
      "AWS_REGION": "us-east-1"
    }
  },
  :
}
:
 補足: MCPサーバーのログ出力（--log-dirの追加）サーバーがログファイルを書き込むディレクトリを指定します。指定しない場合、デフォルトのログディレクトリはオペレーティングシステムによって異なります。
macOS :~/Library/Logs
Windows:~/AppData/Local/Logs
Linux/その他:~/.local/share/s3-tables-mcp-server/logs/
参照専用の設定にMCPサーバーのログ出力オプションを追加すると以下のようになります。
:
"mcpServers": {
  "s3tables": {
    "type": "stdio",
    "command": "uvx",
    "args": [
      "awslabs.s3-tables-mcp-server@latest","--log-dir","/tmp/s3-tables-logs"
    ],
    "env": {
      "AWS_PROFILE": "cm-claudecode",
      "AWS_REGION": "us-east-1"
    }
  },
  :
}
:
 動作確認Claude Codeのスラッシュコマンド/mcpでMCPのサーバーの状態を確認します。
すると、s3tablesが追加されているのが確認できます。
Amazon S3 Tables MCP Serverは、16のツールがあることが確認できます。
Amazon S3 Tables MCP Serverは、以下のツールがあることが確認できます。
list_table_buckets
list_namespaces
list_tables
create_table_bucket
create_namespace
create_table
get_table_maintenance_config
get_maintenance_job_status
get_table_metadata_location
rename_table
update_table_metadata_location
query_database
preview_csv_file
import_csv_to_table
get_bucket_metadata_config
append_rows_to_table
例えば、「1. list_table_buckets」を選択して、Enterを押すと詳細が確認できます。
 自然言語で問い合わせしてみる！読み書き用ができるMCPサーバーの設定を用いて、自然言語で問い合わせします。特にこのMCPサーバーを利用するようにプロンプトに含めていません。
 S3 Tables のメタデータをクエリするS3 Tables のメタデータをクエリして、S3 Tables bucket内のS3 Namespaces、S3 Tablesを再帰的に探してレポート出力させて。
プロンプト
cm-sample テーブルバケットに関する利用可能なすべてのメタデータをクエリする
出力結果
特にこのMCPサーバーを利用するようにプロンプトに含めていませんが、Todosが作成され、Tool use でMCPサーバーが使われるようにプランされています。
Todosに基づき、再帰的にS3 Tables bucket内の情報収集します。
Todosがすべて終わると、日本語でレポート出力されました。
 S3 Tables 上のテーブルのデータに自然言語で問合せデータについて自然言語で問合せ、いわゆる Text-to-SQL（NL-to-SQL）を試してみました。
プロンプト
sales テーブルで支出額上位3人の顧客を見つける
出力結果
最初にプロンプトに指定したsales テーブルでクエリを生成・実行した後、sales テーブルとuserテーブルを結合したSQLを生成して、レポート出力しています。
 S3 Tables Bucketを作成させるS3 Tables Bucketを作成する、つまり自然言語でS3 Tables のAPIを実行させます。
プロンプト
cm-sample に関する利用可能なすべてのメタデータをクエリする
出力結果
数秒で作成が完了しました。
マネジメントコンソールからも作成できたことが確認できます。
 最後にAmazon S3 Tables MCP Serverは、S3に蓄積されたテーブル形式のデータを、生成AIや対話型インターフェースから直接活用できるという点で、AIとデータ基盤の連携を大きく前進させる技術です。これまで煩雑だったクエリ設計やインフラ構築を抽象化し、自然言語による直感的な分析を可能にすることで、開発者や業務ユーザーの負担軽減と生産性向上を支援します。S3 Tablesの活用を考えている方はもちろん、AIとデータ統合の最前線に関心のあるすべての方にとって、この新機能は注目に値するでしょう。今回の検証が、皆さんのデータ利活用プロジェクトの一助となれば幸いです。
 合わせて読みたいhttps://aws.amazon.com/jp/blogs/storage/implementing-conversational-ai-for-s3-tables-using-model-context-protocol-mcp/
[新機能] Amazon S3 Tables MCP (Model Context Protocol) Server をClaude Codeで試してみた！

Amazon S3 Tables MCP Serverの機能

この機能の特長

この機能の仕組み

設定方法

前提条件の準備

MCP Serverの設定

参照専用

読み書き用（`--allow-write`の追加）

補足: MCPサーバーのログ出力（`--log-dir`の追加）

動作確認

自然言語で問い合わせしてみる！

S3 Tables のメタデータをクエリする

S3 Tables 上のテーブルのデータに自然言語で問合せ

S3 Tables Bucketを作成させる

最後に

合わせて読みたい

関連記事

主なカテゴリ

AWSで探す

注目のテーマ

プロダクトやサービスで探す

特集やシリーズから探す

お問い合わせ

運営会社
