AWS Cost Explorer MCP Server

Do czego służy serwer „AWS Cost Explorer” MCP?

Serwer AWS Cost Explorer MCP działa jako narzędzie pośredniczące, które łączy asystentów AI, takich jak Claude firmy Anthropic, z AWS Cost Explorer oraz logami wywołań modeli Amazon Bedrock. Serwer ten umożliwia deweloperom i agentom AI zadawanie pytań i analizowanie danych o wydatkach chmurowych AWS w języku naturalnym, usprawniając takie zadania jak analiza wydatków EC2, raporty wydatków usług i szczegółowy rozkład kosztów. Udostępniając funkcjonalność API AWS Cost Explorer przez Model Context Protocol (MCP), zapewnia interaktywny interfejs do zapytań i wizualizacji kosztów AWS, co znacząco usprawnia zarządzanie kosztami chmury i procesy raportowania. Serwer można uruchomić lokalnie lub zdalnie, a przy odpowiednich rolach IAM umożliwia on również agregację wydatków z wielu kont AWS.

Lista promptów

• W repozytorium ani dokumentacji nie podano wyraźnych szablonów promptów.

Lista zasobów

• W repozytorium ani dokumentacji nie wymieniono wyraźnych zasobów MCP.

Lista narzędzi

• W plikach server.py ani README.md nie podano żadnych wyraźnych narzędzi ani nazw narzędzi dotyczących rejestracji lub udostępniania narzędzi MCP.

Przykładowe zastosowania tego serwera MCP

• Analiza wydatków EC2: Pozwala deweloperom uzyskać szczegółowe rozbicie wydatków EC2 z poprzedniego dnia, pomagając zidentyfikować główne źródła kosztów i zoptymalizować infrastrukturę.
• Analiza wydatków Amazon Bedrock: Dostarcza informacje o wykorzystaniu i kosztach Bedrock, rozbite według regionu, użytkownika i modelu – przydatne do śledzenia kosztów obciążenia AI/ML.
• Raporty wydatków usług: Umożliwia zapytania o łączne wydatki na usługi AWS z ostatnich 30 dni, wspierając kompleksowe monitorowanie kosztów chmury.
• Szczegółowy rozkład kosztów: Obsługuje granularną analizę kosztów AWS według dnia, regionu, usługi i typu instancji, co pozwala na precyzyjne śledzenie budżetu i wykrywanie anomalii.
• Agregacja wydatków cross-account: Jeśli rola IAM na to pozwala, serwer może agregować i raportować wydatki z wielu kont AWS, usprawniając zarządzanie kosztami w środowiskach wielokontowych.

Jak skonfigurować

Windsurf

1. Upewnij się, że masz zainstalowanego Pythona 3.12, skonfigurowane dane dostępowe AWS oraz dostęp do API Anthropic.
2. Zlokalizuj plik konfiguracyjny Windsurf.
3. Dodaj AWS Cost Explorer MCP Server pod obiekt mcpServers:

   {
     "mcpServers": {
       "aws-cost-explorer": {
         "command": "python3",
         "args": ["app.py"]
       }
     }
   }
   

4. Zapisz konfigurację i zrestartuj Windsurf.
5. Zweryfikuj, czy serwer działa i jest dostępny.

Przykład zabezpieczenia kluczy API:

{
  "mcpServers": {
    "aws-cost-explorer": {
      "command": "python3",
      "args": ["app.py"],
      "env": {
        "AWS_ACCESS_KEY_ID": "twój-klucz-dostępu",
        "AWS_SECRET_ACCESS_KEY": "twój-sekret"
      }
    }
  }
}

Claude

1. Zainstaluj Pythona 3.12 i skonfiguruj dane dostępowe AWS.
2. Edytuj plik konfiguracyjny MCP Claude.
3. Dodaj serwer w następujący sposób:

   {
     "mcpServers": {
       "aws-cost-explorer": {
         "command": "python3",
         "args": ["app.py"]
       }
     }
   }
   

4. Zrestartuj Claude Desktop.
5. Potwierdź integrację przez interfejs Claude.

Cursor

1. Skonfiguruj Pythona 3.12 i dane dostępowe AWS.
2. Otwórz plik konfiguracyjny Cursor.
3. Wstaw poniższy wpis do sekcji mcpServers:

   {
     "mcpServers": {
       "aws-cost-explorer": {
         "command": "python3",
         "args": ["app.py"]
       }
     }
   }
   

4. Zapisz zmiany i zrestartuj Cursor.
5. Przetestuj połączenie, wykonując przykładowe zapytanie.

Cline

1. Przygotuj Pythona 3.12 i wymagane dane dostępowe AWS.
2. Edytuj plik konfiguracyjny Cline.
3. Dodaj konfigurację serwera:

   {
     "mcpServers": {
       "aws-cost-explorer": {
         "command": "python3",
         "args": ["app.py"]
       }
     }
   }
   

4. Zrestartuj Cline.
5. Upewnij się, że serwer działa i odpowiada.

Uwaga: Do zabezpieczenia kluczy API używaj zmiennych środowiskowych – przykład powyżej w sekcji Windsurf.

Jak używać tego MCP w ramach flow

Korzystanie z MCP w FlowHunt

Aby zintegrować serwery MCP z przepływem pracy FlowHunt, zacznij od dodania komponentu MCP do swojego flow i podłączenia go do agenta AI:

Kliknij komponent MCP, aby otworzyć panel konfiguracji. W sekcji konfiguracji systemowej MCP wprowadź dane serwera MCP w poniższym formacie JSON:

{
  "aws-cost-explorer": {
    "transport": "streamable_http",
    "url": "https://twojserwermcp.przyklad/sciezka/do/mcp/url"
  }
}

Po zapisaniu konfiguracji agent AI będzie mógł używać tego MCP jako narzędzia ze wszystkimi jego funkcjami i możliwościami. Pamiętaj, aby zmienić “aws-cost-explorer” na rzeczywistą nazwę swojego serwera MCP i wstawić własny adres URL serwera MCP.

Podsumowanie

Nasza opinia

Ten serwer MCP zapewnia użyteczny interfejs do analizy kosztów AWS przez Claude i powiązane narzędzia, jednak brakuje w dokumentacji wyraźnych definicji promptów MCP, zasobów oraz narzędzi. Konfiguracja jest prosta, a zakres pokrywa praktyczne przypadki analizy kosztów, lecz niektóre zaawansowane funkcje MCP wydają się niewspierane lub nieudokumentowane.

Ocena MCP