AWS Cost Explorer MCP Server

Co dělá “AWS Cost Explorer” MCP Server?

AWS Cost Explorer MCP Server slouží jako middleware nástroj, který propojuje AI asistenty, například Claude od Anthropicu, s AWS Cost Explorer a Amazon Bedrock Model Invocation Logs. Tento server umožňuje vývojářům a AI agentům dotazovat se a analyzovat data o cloudových výdajích z AWS v přirozeném jazyce a usnadňuje tak úkoly jako analýza výdajů na EC2, reporty služeb a detailní rozpisy nákladů. Díky zpřístupnění API AWS Cost Explorer přes Model Context Protocol (MCP) poskytuje interaktivní rozhraní pro dotazování a vizualizaci nákladů AWS, což může výrazně zlepšit workflowy pro správu a reporting cloudových nákladů. Server může běžet lokálně nebo vzdáleně a má možnost agregovat data o výdajích z více AWS účtů, pokud jsou správně nastaveny IAM role.

Seznam promptů

• V repozitáři ani dokumentaci nejsou uvedeny žádné explicitní šablony promptů.

Seznam zdrojů

• V repozitáři ani dokumentaci nejsou uvedeny žádné explicitní MCP zdroje.

Seznam nástrojů

• V server.py ani README.md nejsou uvedeny žádné explicitní nástroje nebo názvy nástrojů týkající se MCP registrace/expozice.

Scénáře použití tohoto MCP serveru

• Analýza výdajů na EC2: Umožňuje vývojářům získat podrobné rozpisy výdajů na EC2 za předchozí den, což pomáhá identifikovat hlavní nákladové položky a optimalizovat infrastrukturu.
• Analýza výdajů na Amazon Bedrock: Poskytuje přehled o využití a nákladech Bedrocku, rozčleněné podle regionu, uživatele a modelu, užitečné pro sledování nákladů na AI/ML workloady.
• Reporty výdajů služeb: Umožňuje dotazování na celkové výdaje za služby AWS za posledních 30 dní, což napomáhá komplexnímu monitoringu cloudových nákladů.
• Detailní rozpis nákladů: Podporuje detailní analýzu nákladů AWS podle dne, regionu, služby a typu instance, což umožňuje přesné sledování rozpočtu a detekci anomálií.
• Agregace výdajů napříč účty: Pokud to IAM role dovolí, server může agregovat a reportovat výdaje z více AWS účtů a tím zjednodušit správu nákladů ve více účtech.

Jak to nastavit

Windsurf

1. Ujistěte se, že máte nainstalován Python 3.12, nastavené AWS přihlašovací údaje a přístup k Anthropic API.
2. Najděte svůj konfigurační soubor Windsurf.
3. Přidejte AWS Cost Explorer MCP Server pod objekt mcpServers:

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

4. Uložte konfiguraci a restartujte Windsurf.
5. Ověřte, že je server spuštěn a přístupný.

Příklad zabezpečení API klíčů:

{
  "mcpServers": {
    "aws-cost-explorer": {
      "command": "python3",
      "args": ["app.py"],
      "env": {
        "AWS_ACCESS_KEY_ID": "your-access-key",
        "AWS_SECRET_ACCESS_KEY": "your-secret-key"
      }
    }
  }
}

Claude

1. Nainstalujte Python 3.12 a nastavte AWS přihlašovací údaje.
2. Upravte MCP konfigurační soubor pro Claude.
3. Přidejte server následovně:

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

4. Restartujte Claude Desktop.
5. Ověřte integraci přes rozhraní Claude.

Cursor

1. Nastavte Python 3.12 a AWS přihlašovací údaje.
2. Otevřete konfigurační soubor Cursor.
3. Vložte následující do sekce mcpServers:

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

4. Uložte změny a restartujte Cursor.
5. Otestujte spojení spuštěním ukázkového dotazu.

Cline

1. Připravte Python 3.12 a potřebné AWS přihlašovací údaje.
2. Upravte konfigurační soubor Cline.
3. Přidejte serverovou konfiguraci:

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

4. Restartujte Cline.
5. Ujistěte se, že server funguje a odpovídá.

Poznámka: Pro bezpečnost API klíčů používejte proměnné prostředí, jak je ukázáno ve Windsurf příkladu výše.

Jak používat tento MCP uvnitř flowů

Použití MCP ve FlowHunt

Pro integraci MCP serverů do vašeho workflowu ve FlowHunt začněte přidáním MCP komponenty do vašeho flow a propojte ji s AI agentem:

Klikněte na MCP komponentu pro otevření konfiguračního panelu. V sekci systémové MCP konfigurace vložte detail vašeho MCP serveru v tomto JSON formátu:

{
  "aws-cost-explorer": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

Po nastavení může AI agent využívat tento MCP jako nástroj se všemi jeho funkcemi a možnostmi. Nezapomeňte změnit “aws-cost-explorer” na skutečný název vašeho MCP serveru a nahradit URL vlastní adresou MCP serveru.

Přehled

Náš názor

Tento MCP server poskytuje užitečné rozhraní pro analýzu nákladů na AWS prostřednictvím Claude a souvisejících nástrojů, avšak v dokumentaci chybí explicitní definice MCP promptů, zdrojů a nástrojů. Nastavení je jednoduché a pokrývá praktické použití pro analýzu nákladů, ale některé pokročilé MCP funkce nejsou podporovány nebo zdokumentovány.

MCP skóre