实测 AWS 本地模拟器与编程智能体协作
作者在 Linux Docker 环境中,让编程智能体三次从零构建 S3→Lambda→DynamoDB 服务,考察 AWS Emulator 的启动效率、开发自主性与兼容边界。该工具以 Rust 单一二进制提供本地 AWS API,无需云账号或凭证,代码开放但不接受 PR。
AI 深度解读
AWS Emulator 给 AI 编程代理提供了一个本机 AWS 环境:不用真实云账号,也能创建资源、执行 Lambda、跑 SDK 测试。作者用免费模型从空目录搭建 S3 → Lambda → DynamoDB 服务,连续三次通过测试,中位耗时约三分钟。
更有价值的是,代理在本地撞上了权限不足、资源尚未就绪等真实部署问题。不过,这套工具的运行时、IAM 和数据容量都有边界。它适合进入开发测试循环,但测试通过能证明什么,需要分开看。
三分钟跑通服务,究竟验证了什么
AWS 在 11 月 11 日发布 AWS Emulator。它是一个 Rust 二进制程序 aws-emulator,默认通过 https://127.0.0.1:9297 提供 AWS API。仓库有 437 个服务 crate,接口来自 AWS 自己的 API 模型;接口数量多,并不代表行为全部一致。
作者在 2026 年 11 月 13 日测试了 11 月 12 日发布的 1.0.338,环境是 Debian 13、8 vCPU、15 GiB 内存,代理使用 OpenCode 1.19,模型是 OpenCode Zen 提供的免费 deepseek-v4.1-flash-free。
任务很具体:生成一个 python3.12 Lambda,读取 S3 对象,统计行数和词数,写入 DynamoDB;同时提供最小权限角色、可重复执行的 deploy.py 和 pytest 测试。
三次都从空目录、没有运行中的模拟器开始:
| 轮次 | 完成耗时 | 工具调用 | 测试结果 |
|---|---|---|---|
| 第一次 | 168.9 秒 | 27 次 | 3 项通过 |
| 第二次 | 280.3 秒 | 39 次 | 2 项通过,覆盖空文件和 Unicode |
| 第三次 | 187.2 秒 | 20 次 | 2 项通过,另含重复部署检查 |
中位耗时是 3 分 7 秒。作者随后换全新的模拟器重跑,三个测试套件都在 5–11 秒内通过。
下面是第一轮生成的 handler,它展示了实际验证的业务范围:
import os
import boto3
TABLE_NAME = os.environ.get("DOC_INDEX_TABLE", "doc-index")
def handler(event, context):
bucket, key = event["bucket"], event["key"]
s3 = boto3.client("s3")
body = s3.get_object(Bucket=bucket, Key=key)["Body"].read()
text = body.decode("utf-8")
item = {"pk": key, "bytes": len(body),
"lines": len(text.splitlines()), "words": len(text.split())}
boto3.resource("dynamodb").Table(TABLE_NAME).put_item(Item=item)
return item
要看的是 event["bucket"] 和 event["key"]:代理测试上传文件后主动调用函数,并没有直接证明标准 S3 通知事件能被这个 handler 处理。自动通知由作者另外探测:配置 s3:ObjectCreated:* 后,PutObject 触发函数,515 ms 后出现 DynamoDB 记录。
代理遇到的失败也有含金量:CreateFunction 拒绝设置保留变量 AWS_REGION、AWS_DEFAULT_REGION;连续执行 UpdateFunctionCode、UpdateFunctionConfiguration,或调用仍处于 Pending 的函数,会返回 ResourceConflictException;角色缺权限时,函数内的 SDK 请求返回 AccessDenied。
这些错误迫使代理补齐等待、重试和角色策略。本地测试的价值,是让部署顺序和资源权限真正参与执行。
快速启动之外,连接规则也得配对
作者的 Docker 镜像构建耗时 30.0 秒,大小 1.27 GB;使用 --no-cache、重新下载 171.6 MB RPM 时耗时 28.7 秒。十次冷启动从 docker run 到 /__admin/health 首次返回 HTTP 200,耗时 272–1,007 ms,中位数 375 ms,三次超过 500 ms。空闲内存为 175.6 MiB。
状态只保存在内存里,重启即可清空。因此,每轮测试启动独立实例是可行的。不过,作者机器没有 iptables,使用 Docker 27.3.1 和 --network host,没有验证文档中的 -p 127.0.0.1:9297:9297 端口发布方式。
连接也不是填一个 endpoint 就结束。启动时,模拟器会在 ~/.aws/emulator/9297/ 生成本轮访问密钥、配置和自签 CA。请求仍需 SigV4 签名,只是不使用真实 AWS 凭证。
下面这段配置把 AWS CLI、boto3 指向本地实例:
unset AWS_ACCESS_KEY_ID AWS_SECRET_ACCESS_KEY AWS_SESSION_TOKEN AWS_PROFILE
export AWS_ENDPOINT_URL=https://127.0.0.1:9297
export AWS_SHARED_CREDENTIALS_FILE=~/.aws/emulator/9297/emulator_credentials
export AWS_CONFIG_FILE=~/.aws/emulator/9297/config
export AWS_CA_BUNDLE=~/.aws/emulator/9297/ca.pem
export AWS_EC2_METADATA_DISABLED=true
export AWS_DISABLE_HOST_PREFIX_INJECTION=true
export AWS_REGION=us-east-1
aws sts get-caller-identity # Account "000000000000", Arn ".../user/emulator"
其中 127.0.0.1 要保留:IP 地址会让 SDK 把 S3 bucket 放进路径,这是模拟器接受的寻址方式。AWS_DISABLE_HOST_PREFIX_INJECTION=true 则用于处理部分 API 自动添加主机名前缀的问题。
配套 skill 可通过 aws agent-toolkit add-skill --skill-name aws-emulator --region us-east-1 安装。三轮代理都先检查账号 000000000000,还主动给 deploy.py 加上 endpoint 必须是回环地址、账号必须属于模拟器的限制。
遥测默认开启,文档称只收集操作计数、错误类别和 SDK 名称及版本,不收集载荷、资源名或凭证;可用 --telemetry off 或 EMULATOR_TELEMETRY=off 关闭。作者全程关闭,未验证实际发送内容。
最容易误判的是运行时、权限和容量
python3.12 这个名字不能按真实 Lambda 理解。作者读取 sys.version,得到的是 3.14.0.alpha ... [RustPython 0.6.0 with rustc 1.99.1]。容器没有 Python 二进制,函数里的 boto3 也是进程内适配层。
纯 Python 包导入成功,但 import sqlite3 因缺少 _sqlite3 失败。作者推测打进 ZIP 的 C 扩展 wheel 也可能失败,没有直接测试。
Node.js 也有类似差距:process.versions 只有 {"node":"22.0.0"},process.pid 是 undefined。因此,Node 项目不能凭运行时名称就认定兼容性成立。
IAM 则只落实了部分行为。Lambda 执行角色策略能够拦住请求,但作者创建的无策略 IAM 用户仍能列出 bucket。在这里通过权限测试,不能作为真实 AWS 权限正确的证据。
容量限制同样会改变测试结果:单 bucket 最多 1,000 个对象,第 1,001 个失败;单次上传 8 MiB 成功,16 MiB 及以上返回 413 Content Too Large。源码还限制单 bucket 数据 64 MiB,所有 bucket 合计 10,000 个对象、128 MiB。它们用于限制内存,不是模拟 AWS 配额。
覆盖率也要按服务看。v1.0.338 的评分包含 355 个服务、43,548 项测试,26,001 项通过,总通过率 59.7%。只统计单服务测试时,S3 是 82.7%(1,014/1,226),DynamoDB 是 71.0%,IAM 是 71.4%,Lambda 是 50.1%(395/788)。文档称控制面 API 更接近 AWS,也就是创建、配置、管理资源这一侧。
此外,资源不按 Region 隔离,固定使用一个账号;多 Region 要运行多个实例。S3 Control 会把账号放进主机名,请求无法到达模拟器。作者没有测试 CloudFormation、CDK、Terraform、容器镜像 Lambda、函数 URL 或长期运行。
我的判断
我认可把它放进 AWS 应用的本地测试循环。作者实际验证了异步建表、条件写入、GSI、事务、Streams、TTL,以及 S3 分片上传、预签名 GET 和版本控制,说明它能提供比简单返回固定结果更丰富的反馈。
但「三次成功」只支持这项小型 SDK 业务的可行性。原文没有和 LocalStack、moto 做同机、同任务对照,也没有比较不同模型、不同 skill 的结果。它们谁更快、谁更完整,仍没有答案。
性能数字也应留在实验条件里理解:8 线程 boto3 下,1,000 次 10 KiB S3 写入耗时 1.44 秒,约 693 请求/秒;5,000 次 DynamoDB PutItem 耗时 5.18 秒,约 964 请求/秒。Python Lambda 往返中位数 117 ms,Node.js 热调用约 8 ms,都不能用来预测云端性能。
原文提到 AWS 宣称代码全部由自主代理编写,并列出了大量问题记录。这能说明开发方式,无法替代兼容性验证。对于依赖原生模块、完整 Node API 或严格 IAM 语义的团队,真实 AWS 上的验证仍然必要。
能拿来做什么
- 如果项目使用 S3、Lambda、DynamoDB,可以先加入一个上传、处理、查询结果的小型集成测试,并在每轮启动全新实例,验证部署脚本能否独立完成初始化。
- 给编码代理安装 skill 后,把回环 endpoint 和账号
000000000000检查保留在部署入口,避免只依靠提示词约束目标环境。 - Node 或 Python Lambda 接入前,先检查实际依赖的运行时 API 和包;测试数据控制在每 bucket 少于 1,000 个对象、单次上传不超过 8 MiB,较大数据和权限边界另行验证。