AI导哈

云成本智能分析服务

提供实时云基础设施、AI模型和SaaS订阅的成本估算、优化和预测服务，帮助AI代理做出成本感知的架构决策。

  • by aakashv8900
  • TypeScript
  • 本地部署
  • 更新于
在 GitHub 查看 aakashv8900/cloudcost-mcp

使用说明

云成本智能MCP

用于云基础设施、人工智能模型和SaaS订阅的人工智能原生成本智能。

CloudCost Intelligence是一个模型上下文协议（MCP）服务器，提供实时成本估算、优化和预测。它使AI代理能够通过访问来自AWS、Azure、GCP、OpenAI、Anthropic和各种SaaS提供商的动态定价数据，做出具有成本意识的架构决策。

🏗️ 建筑

该系统由三个主要部分组成：

  1. **MCP服务器（端口3000）**核心情报引擎揭示了21种工具。
  2. 定价更新程序（端口3001）：从外部API（AWS Bulk API、Azure零售价格等）获取实时定价并更新本地JSON数据的后台服务。
  3. Nginx：反向代理用于安全路由和速率限制。
graph TD
    User[User / AI Agent] --> Nginx[Nginx Proxy]
    Nginx -->|/mcp| Server[MCP Server :3000]
    Nginx -->|/updater| Updater[Pricing Updater :3001]
    
    Updater -->|Fetch| APIs[External Pricing APIs]
    Updater -->|Write| JSON[Shared JSON Data]
    Server -->|Read| JSON

🚀 快速开始

先决条件

  • Node.js>=18
  • Docker和Docker Compose（可选）

本地开发

  1. 安装依赖项：

    npm install

  2. 在开发模式下运行：

    # Runs MCP server
npm run dev

# In a separate terminal, run the updater
npm run dev:updater

  3. MCP检验员测试：

    npm run inspect

Docker部署

# Start all services (Server, Updater, Nginx)
docker compose up -d --build

# Check logs
docker compose logs -f

🛠️ 工具参考

🧠 人工智能模型智能（6个工具）

通过模型比较和性能估计优化您的AI支出。

工具 描述 关键输入
estimateOpenAICost 按明细计算OpenAI成本。 model, inputTokens, outputTokens
estimateAnthropicCost 计算人工成本，包括批量节省。 model, inputTokens, outputTokens
suggestModel 为任务和预算推荐最佳模型。 taskType, budget, latencyRequirement
compareModels 比较特定任务的所有模型。 taskType （聊天、编码等）
rankingByCostEfficiency 按性价比对模型进行排名。 task （自然语言描述）
estimatePerformance 估计延迟和吞吐量。 taskType, tokenSize

☁️ 云基础架构（5个工具）

规划和预测AWS、Azure和GCP的云支出。

工具 描述 关键输入
compareCloudCost 比较跨云（计算、存储、数据库）的成本。 serviceType, usageProfile
estimateComputeCost 每小时/每月计算成本和规格。 provider, instanceType, hours
estimateStorageCost 存储成本与分层优化。 provider, storageType, gb
estimateBandwidthCost 数据传输成本与CDN节省分析。 provider, gbTransfer, direction
forecastScalingCost 根据增长率和悬崖预测未来成本。 currentMonthlyCost, growthRate, months

📉 SaaS和燃烧率（5个工具）

管理初创公司的烧钱和优化SaaS订阅。

工具 描述 关键输入
calculateSaaSBurn 使用类别基准进行总燃烧分析。 services 列表（名称、成本、类别）
suggestOptimalPlan 推荐SaaS的最佳方案（Vercel、Supabase…）。 serviceName, monthlyUsage
forecastRunway 根据燃烧和收入计算启动跑道。 monthlyInfraCost, cashInBank
costBreakdownByService 按类别分列的详细支出明细。 services, stage （种子，a系列）
recommendCostReductionStrategies 成本节约行动的优先级列表。 services

⚡ 高级优化（5个工具）

对架构决策进行深入分析。

工具 描述 关键输入
multiCloudOptimization 多云工作负载的策略。 workloadProfile, currentCosts
databaseTierRecommendation 大小合适的数据库层（Mongo、Neon等）。 provider, currentUsage
modelSwitchSavings 切换AI模型的ROI分析。 currentModel, monthlyTokens
reservedInstanceSavings 分析RI节省与按需。 provider, instanceType, usagePattern
breakEvenAnalysis 比较两个选项（例如，构建与购买）。 optionA, optionB, timeHorizon

🔄 定价更新服务

这 定价更新程序 在端口上独立运行 3001 以确保数据的新鲜度。

  • 更新间隔：默认6小时（可通过配置 UPDATE_INTERVAL).
  • 端点:
    • GET /updater/status：检查上次更新时间和状态。
    • POST /updater/trigger：手动触发定价更新。
  • 数据源:
    • 亚马逊云服务：散装API和现货价格指数。
    • Azure：零售价格API。
    • 软件即服务：Vercel、Supabase、MongoDB等的公共定价页面/API。

⚙️ 配置

创建一个 .env 文件或设置环境变量：

变量 默认值 描述
PORT 3000 MCP服务器端口
UPDATE_PORT 3001 定价更新程序端口
UPDATE_INTERVAL 6 价格更新之间的时间间隔
NODE_ENV production development 或 production

🚢 CTX协议集成

要在CTX市场注册，请使用以下配置：

name: cloudcost-mcp
endpoint: https://your-domain.com/mcp
description: AI-native cost intelligence for cloud, AI models, and SaaS
pricing:
  free:
    requests_per_day: 100
  pro:
    price: 10
    requests_per_day: unlimited

📜 许可证

该项目根据MIT许可证获得许可。

相关 MCP