AWS Cost Explorer MCP Server

Was macht der “AWS Cost Explorer” MCP Server?

Der AWS Cost Explorer MCP Server fungiert als Middleware-Tool, das KI-Assistenten wie Anthropic Claude mit AWS Cost Explorer und Amazon Bedrock Model Invocation Logs verbindet. So können Entwickler und KI-Agenten Cloud-Ausgabendaten aus AWS in natürlicher Sprache abfragen und analysieren – etwa für EC2-Ausgabenanalysen, Service-Ausgabenberichte oder detaillierte Kostenaufschlüsselungen. Durch die Bereitstellung der AWS Cost Explorer API-Funktionalität über das Model Context Protocol (MCP) entsteht eine interaktive Schnittstelle für Abfragen und Visualisierungen von AWS-Kosten, die das Cloud-Kostenmanagement und Reporting deutlich verbessert. Der Server kann lokal oder remote betrieben werden und – bei entsprechenden IAM-Rollen – Ausgaben über mehrere AWS-Konten hinweg aggregieren.

Liste der Prompts

• Im Repository oder in der Dokumentation sind keine expliziten Prompt-Vorlagen aufgeführt.

Liste der Ressourcen

• Im Repository oder in der Dokumentation sind keine expliziten MCP-Ressourcen aufgeführt.

Liste der Tools

• In der server.py bzw. README.md werden keine expliziten Tools oder Tool-Namen bezüglich MCP-Tool-Registrierung oder Bereitstellung genannt.

Anwendungsfälle dieses MCP Servers

• EC2-Ausgabenanalyse: Ermöglicht Entwicklern eine detaillierte Aufschlüsselung der EC2-Ausgaben des Vortags, um Kostentreiber zu erkennen und die Infrastruktur zu optimieren.
• Amazon Bedrock-Ausgabenanalyse: Liefert Einblicke in Bedrock-Nutzung und -Kosten, aufgeschlüsselt nach Region, Nutzer und Modell – nützlich für das Tracking von KI/ML-Workload-Ausgaben.
• Service-Ausgabenberichte: Erlaubt die Abfrage der Gesamtausgaben für AWS-Services der letzten 30 Tage zur umfassenden Überwachung.
• Detaillierte Kostenaufschlüsselung: Unterstützt granulare Analysen der AWS-Kosten nach Tag, Region, Service und Instanztyp für präzises Budget-Tracking und Anomalie-Erkennung.
• Kontoübergreifende Ausgabenaggregation: Bei entsprechender IAM-Rolle kann der Server Ausgaben mehrerer AWS-Konten zusammenführen und berichten – ideal für Multi-Account-Management.

Einrichtung

Windsurf

1. Stellen Sie sicher, dass Python 3.12, AWS-Zugangsdaten und Anthropic-API-Zugang eingerichtet sind.
2. Suchen Sie Ihre Windsurf-Konfigurationsdatei.
3. Fügen Sie den AWS Cost Explorer MCP Server unter dem Objekt mcpServers hinzu:

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

4. Speichern Sie die Konfiguration und starten Sie Windsurf neu.
5. Überprüfen Sie, ob der Server läuft und erreichbar ist.

Beispiel zur Sicherung der API-Schlüssel:

{
  "mcpServers": {
    "aws-cost-explorer": {
      "command": "python3",
      "args": ["app.py"],
      "env": {
        "AWS_ACCESS_KEY_ID": "Ihr-Access-Key",
        "AWS_SECRET_ACCESS_KEY": "Ihr-Secret-Key"
      }
    }
  }
}

Claude

1. Installieren Sie Python 3.12 und richten Sie Ihre AWS-Zugangsdaten ein.
2. Bearbeiten Sie Claudes MCP-Konfigurationsdatei.
3. Fügen Sie den Server wie folgt hinzu:

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

4. Starten Sie Claude Desktop neu.
5. Bestätigen Sie die Integration über die Claude-Oberfläche.

Cursor

1. Richten Sie Python 3.12 und Ihre AWS-Zugangsdaten ein.
2. Öffnen Sie die Cursor-Konfigurationsdatei.
3. Fügen Sie Folgendes im Bereich mcpServers ein:

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

4. Speichern Sie die Änderungen und starten Sie Cursor neu.
5. Testen Sie die Verbindung durch eine Beispiel-Abfrage.

Cline

1. Bereiten Sie Python 3.12 und die erforderlichen AWS-Zugangsdaten vor.
2. Bearbeiten Sie die Cline-Konfigurationsdatei.
3. Fügen Sie die Server-Konfiguration hinzu:

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

4. Starten Sie Cline neu.
5. Stellen Sie sicher, dass der Server betriebsbereit und erreichbar ist.

Hinweis: Verwenden Sie zum Schutz der API-Schlüssel Umgebungsvariablen, wie im Windsurf-Beispiel oben gezeigt.

Nutzung dieses MCP in Flows

MCP in FlowHunt verwenden

Um MCP-Server in Ihren FlowHunt-Workflow einzubinden, fügen Sie zunächst die MCP-Komponente zu Ihrem Flow hinzu und verbinden Sie diese mit Ihrem KI-Agenten:

Klicken Sie auf die MCP-Komponente, um das Konfigurationspanel zu öffnen. Im Bereich System-MCP-Konfiguration geben Sie die Details Ihres MCP-Servers in diesem JSON-Format ein:

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

Nach der Konfiguration kann der KI-Agent dieses MCP als Tool mit allen seinen Funktionen nutzen. Denken Sie daran, “aws-cost-explorer” durch den tatsächlichen Namen Ihres MCP-Servers zu ersetzen und die URL entsprechend Ihrer eigenen MCP-Server-URL anzupassen.

Übersicht

Unsere Meinung

Dieser MCP Server bietet eine nützliche Schnittstelle für AWS-Kostenanalysen über Claude und ähnliche Tools, jedoch fehlen explizite MCP-Prompts, -Ressourcen und -Tool-Definitionen in der Dokumentation. Die Einrichtung ist unkompliziert und deckt praxisnahe Kostenanalyse-Anwendungsfälle ab, aber einige fortgeschrittene MCP-Features scheinen nicht unterstützt oder nicht dokumentiert zu sein.

MCP-Score