AWS Cost Explorer MCP-server

Hva gjør “AWS Cost Explorer” MCP-serveren?

AWS Cost Explorer MCP-serveren fungerer som et mellomvareverktøy som kobler AI-assistenter, som Anthropic’s Claude, med AWS Cost Explorer og Amazon Bedrock Model Invocation Logs. Denne serveren gjør det mulig for utviklere og AI-agenter å stille spørsmål og analysere skyforbruksdata fra AWS med naturlig språk, og forenkler oppgaver som EC2-forbruksanalyse, tjenestekostnadsrapporter og detaljerte kostnadsfordelinger. Ved å eksponere AWS Cost Explorer-API-funksjonalitet via Model Context Protocol (MCP), gir den et interaktivt grensesnitt for spørring og visualisering av AWS-kostnader, noe som kan forbedre sky-kostnadsstyring og rapporteringsarbeidsflyter betydelig. Serveren kan kjøres lokalt eller eksternt, og kan aggregere forbruksdata fra flere AWS-kontoer, forutsatt at riktige IAM-roller er satt opp.

Liste over Prompter

• Ingen eksplisitte prompt-maler er oppført i depotet eller dokumentasjonen.

Klar til å vokse bedriften din?

Start din gratis prøveperiode i dag og se resultater i løpet av få dager.

Be om demo Logg inn

Liste over Ressurser

• Ingen eksplisitte MCP-ressurser er oppført i depotet eller dokumentasjonen.

Liste over Verktøy

• Ingen eksplisitte verktøy eller verktøynavn er oppført i server.py eller README.md angående MCP-verktøyregistrering eller eksponering.

Bli med i vårt nyhetsbrev

Få de siste tipsene, trendene og tilbudene gratis.

E-postadresse

Abonner

Bruksområder for denne MCP-serveren

• EC2-forbruksanalyse: Gjør det mulig for utviklere å få detaljerte oversikter over EC2-forbruk for forrige dag, noe som hjelper med å identifisere kostnadsdrivere og optimalisere infrastruktur.
• Amazon Bedrock-forbruksanalyse: Gir innsikt i Bedrock-bruk og -kostnader, fordelt på region, bruker og modell, nyttig for oppfølging av AI/ML-kostnader.
• Tjenestekostnadsrapporter: Muliggjør spørring av samlet AWS-tjenesteforbruk de siste 30 dagene, noe som hjelper med omfattende overvåking av skyutgifter.
• Detaljert kostnadsfordeling: Støtter granulær analyse av AWS-kostnader per dag, region, tjeneste og instanstype, og gir mulighet for presis budsjettovervåking og avviksdeteksjon.
• Kontoovergripende forbruksaggregering: Hvis IAM-rollen tillater det, kan serveren aggregere og rapportere forbruk fra flere AWS-kontoer, og forenkle multi-konto kostnadsstyring.

Slik setter du det opp

Windsurf

1. Sørg for at Python 3.12, AWS-legitimasjon og tilgang til Anthropic API er satt opp.
2. Finn konfigurasjonsfilen for Windsurf.
3. Legg til AWS Cost Explorer MCP-serveren under mcpServers-objektet:

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

4. Lagre konfigurasjonen og start Windsurf på nytt.
5. Verifiser at serveren kjører og er tilgjengelig.

Eksempel på sikring av API-nøkler:

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

Claude

1. Installer Python 3.12 og sett opp AWS-legitimasjon.
2. Rediger MCP-konfigurasjonsfilen til Claude.
3. Legg til serveren slik:

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

4. Start Claude Desktop på nytt.
5. Bekreft integrasjon via Claude-grensesnittet.

Cursor

1. Sett opp Python 3.12 og AWS-legitimasjon.
2. Åpne Cursors konfigurasjonsfil.
3. Sett inn følgende i mcpServers-seksjonen:

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

4. Lagre endringer og start Cursor på nytt.
5. Test forbindelsen ved å kjøre en eksempelspørring.

Cline

1. Forbered Python 3.12 og nødvendig AWS-legitimasjon.
2. Rediger Cline-konfigurasjonsfilen.
3. Legg til serverkonfigurasjonen:

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

4. Start Cline på nytt.
5. Forsikre deg om at serveren er operativ og responderer.

Merk: Bruk miljøvariabler for å sikre API-nøkler, som vist i Windsurf-eksempelet over.

Slik bruker du denne MCP-en i flyter

Bruke MCP i FlowHunt

For å integrere MCP-servere i FlowHunt-arbeidsflyten din, start med å legge til MCP-komponenten i flyten og koble den til AI-agenten:

Klikk på MCP-komponenten for å åpne konfigurasjonspanelet. I systemets MCP-konfigurasjonsseksjon setter du inn MCP-serverdetaljene dine i dette JSON-formatet:

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

Når dette er konfigurert, kan AI-agenten nå bruke denne MCP-en som et verktøy med tilgang til alle funksjoner og muligheter. Husk å endre “aws-cost-explorer” til det faktiske navnet på MCP-serveren din og bytte ut URL-en med din egen MCP-server-URL.

Oversikt

Vår mening

Denne MCP-serveren tilbyr et nyttig grensesnitt for AWS-kostnadsanalyse gjennom Claude og relaterte verktøy, men mangler eksplisitte MCP-prompt-, ressurs- og verktøydefinisjoner i dokumentasjonen. Oppsettet er rett fram og dekker et praktisk analysebehov, men noen avanserte MCP-funksjoner ser ut til å være ustøttet eller udokumentert.

MCP-score