AWS Cost Explorer MCP-server

Vad gör “AWS Cost Explorer” MCP-servern?

AWS Cost Explorer MCP-servern fungerar som ett mellanlager­verktyg som kopplar AI-assistenter, såsom Anthropics Claude, till AWS Cost Explorer och Amazon Bedrock Model Invocation Logs. Denna server möjliggör för utvecklare och AI-agenter att ställa frågor om och analysera molnutgiftsdata från AWS på naturligt språk, vilket underlättar uppgifter såsom EC2-kostnadsanalys, tjänstkostnadsrapporter och detaljerade kostnadsuppdelningar. Genom att exponera AWS Cost Explorer API-funktionalitet via Model Context Protocol (MCP), erbjuder den ett interaktivt gränssnitt för att fråga och visualisera AWS-kostnader, vilket kan förbättra hanteringen och rapporteringen av molnkostnader avsevärt. Servern kan köras lokalt eller på distans och kan sammanställa utgiftsdata från flera AWS-konton, förutsatt att korrekta IAM-roller är på plats.

Lista över Prompts

• Inga explicita promptmallar listas i repositoryt eller dokumentationen.

Redo att växa ditt företag?

Starta din kostnadsfria provperiod idag och se resultat inom några dagar.

Begär demo Logga in

Lista över Resurser

• Inga explicita MCP-resurser listas i repositoryt eller dokumentationen.

Lista över Verktyg

• Inga explicita verktyg eller verktygsnamn listas i server.py eller README.md gällande MCP-verktygsregistrering eller exponering.

Gå med i vårt nyhetsbrev

Få de senaste tipsen, trenderna och erbjudandena gratis.

E-postadress

Prenumerera

Användningsområden för denna MCP-server

• EC2-kostnadsanalys: Möjliggör detaljerade uppdelningar av EC2-utgifter för föregående dag, vilket hjälper till att identifiera kostnadsdrivare och optimera infrastrukturen.
• Amazon Bedrock kostnadsanalys: Ger insikter i Bedrock-användning och kostnader, uppdelat per region, användare och modell – användbart för spårning av AI/ML-kostnader.
• Tjänstkostnadsrapporter: Tillåter frågor om totala AWS-tjänstkostnader de senaste 30 dagarna, för övergripande molnkostnads­monitorering.
• Detaljerad kostnadsuppdelning: Stödjer detaljerad analys av AWS-kostnader per dag, region, tjänst och instanstyp, vilket möjliggör exakt budgetuppföljning och upptäckt av avvikelser.
• Kontoöverskridande kostnadssammanställning: Om IAM-rollen tillåter kan servern sammanställa och rapportera utgifter från flera AWS-konton och därmed förenkla hanteringen av flera konton.

Så sätter du upp det

Windsurf

1. Säkerställ att Python 3.12, AWS-autentiseringsuppgifter och Anthropic API-åtkomst är inställda.
2. Leta upp din Windsurf-konfigurationsfil.
3. Lägg till AWS Cost Explorer MCP-servern under objektet mcpServers:

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

4. Spara konfigurationen och starta om Windsurf.
5. Kontrollera att servern är igång och tillgänglig.

Exempel på säkring av API-nycklar:

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

Claude

1. Installera Python 3.12 och konfigurera AWS-autentiseringsuppgifter.
2. Redigera Claudes MCP-konfigurationsfil.
3. Lägg till servern så här:

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

4. Starta om Claude Desktop.
5. Bekräfta integrationen via Claude-gränssnittet.

Cursor

1. Installera Python 3.12 och dina AWS-autentiseringsuppgifter.
2. Öppna Cursors konfigurationsfil.
3. Infoga följande i sektionen mcpServers:

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

4. Spara ändringarna och starta om Cursor.
5. Testa anslutningen genom att köra en testfråga.

Cline

1. Förbered Python 3.12 och nödvändiga AWS-autentiseringsuppgifter.
2. Redigera Clines konfigurationsfil.
3. Lägg till serverkonfigurationen:

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

4. Starta om Cline.
5. Kontrollera att servern är operativ och svarar.

Obs! Använd miljövariabler för att säkra API-nycklar, som visas i Windsurf-exemplet ovan.

Så här använder du denna MCP i flöden

Använda MCP i FlowHunt

För att integrera MCP-servrar i ditt FlowHunt-arbetsflöde, börja med att lägga till MCP-komponenten i ditt flöde och koppla den till din AI-agent:

Klicka på MCP-komponenten för att öppna konfigurationspanelen. I systemets MCP-konfigurationssektion anger du dina MCP-serverdetaljer med följande JSON-format:

{
  "aws-cost-explorer": {
    "transport": "streamable_http",
    "url": "https://dittmcpserver.exempel/sökvägtillmcp/url"
  }
}

När det är konfigurerat kan AI-agenten nu använda denna MCP som ett verktyg med tillgång till alla dess funktioner och kapabiliteter. Kom ihåg att byta ut “aws-cost-explorer” mot det faktiska namnet på din MCP-server och ersätt URL:en med din egen MCP-serveradress.

Översikt

Vår åsikt

Denna MCP-server erbjuder ett användbart gränssnitt för AWS-kostnadsanalys via Claude och relaterade verktyg, men saknar tydliga MCP-prompt-, resurs- och verktygsdefinitioner i dokumentationen. Installationen är enkel och den täcker ett praktiskt användningsfall för kostnadsanalys, men vissa avancerade MCP-funktioner verkar inte stödjas eller dokumenteras.

MCP-betyg