AI导哈

AWS成本分析MCP服务器

一个通过MCP协议提供AWS成本数据分析和Bedrock模型调用日志查询的服务，支持本地和远程部署，可通过自然语言交互查询AWS支出详情。

  • by aarora79
  • Python
  • 本地部署
  • 126 星标
  • 更新于
在 GitHub 查看 aarora79/aws-cost-explorer-mcp-server

使用说明

AWS成本浏览器和亚马逊基岩模型调用日志MCP服务器和客户端

MCP服务器，用于通过Cost Explorer获取AWS支出数据，并通过 Model invocation logs 通过Amazon Cloud Watch Anthropic的MCP（模型控制协议）请参阅第节 “安全”远程MCP服务器 了解如何通过HTTPS运行MCP服务器。

flowchart LR
    User([User]) --> UserApp[User Application]
    UserApp --> |Queries| Host[Host]
    
    subgraph "Claude Desktop"
        Host --> MCPClient[MCP Client]
    end
    
    MCPClient --> |MCP Protocol over HTTPS| MCPServer[AWS Cost Explorer MCP Server]
    
    subgraph "AWS Services"
        MCPServer --> |API Calls| CostExplorer[(AWS Cost Explorer)]
        MCPServer --> |API Calls| CloudWatchLogs[(AWS CloudWatch Logs)]
    end

您可以在本地运行MCP服务器，并通过Claude Desktop访问它，也可以在Amazon EC2上运行远程MCP服务器，通过LangGraph Agent内置的MCP客户端访问它。

🚨您还可以使用此MCP服务器从其他帐户获取AWS支出信息，只要MCP服务器使用的IAM角色可以在这些其他帐户中担任角色🚨

演示视频

概述

该工具提供了一种方便的方法，可以使用Anthropic的Claude模型作为交互界面来分析和可视化AWS云支出数据。它作为一个MCP服务器，向Claude Desktop公开AWS Cost Explorer API功能，允许您用自然语言询问有关AWS支出的问题。

特性

  • Amazon EC2支出分析：查看最后一天EC2支出的详细明细
  • 亚马逊基岩支出分析：按地区、用户和型号查看过去30天的细分
  • 服务支出报告：分析过去30天内所有AWS服务的支出
  • 详细成本明细：按天、地区、服务和实例类型获取细粒度成本数据
  • 交互界面：使用Claude通过自然语言查询您的成本数据

需求

  • Python 3.12
  • 具有成本资源管理器访问权限的AWS凭据
  • Anthropic API访问（用于Claude集成）
  • [可选]亚马逊基岩访问（用于LangGraph代理）
  • [可选]用于运行远程MCP服务器的Amazon EC2

安装

  1. 安装 uv:

    # On macOS and Linux
curl -LsSf https://astral.sh/uv/install.sh | sh

    # On Windows
powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"

    记录了其他安装选项 这里

  2. 克隆此存储库：（假设此存储库将更新为指向aws样本？）

    git clone https://github.com/aarora79/aws-cost-explorer-mcp.git
cd aws-cost-explorer-mcp

  3. 设置Python虚拟环境并安装依赖项：

    uv venv --python 3.12 && source .venv/bin/activate && uv pip install --requirement pyproject.toml

  4. 配置您的AWS凭据：

    mkdir -p ~/.aws
# Set up your credentials in ~/.aws/credentials and ~/.aws/config

    如果您使用AWS IAM身份中心，请按照 文档 配置您的短期凭据

用法

先决条件

  1. 设置 模型调用日志 在Amazon CloudWatch上。
  2. 确保正在使用的IAM用户/角色对Amazon Cost Explorer和Amazon CloudWatch具有完全只读访问权限，这是MCP服务器从这些服务检索数据所必需的。 看 这里 和 这里 查看您可以根据需要使用和修改的示例策略示例。
  3. 要允许您的MCP服务器从其他帐户访问AWS支出信息，请设置 CROSS_ACCOUNT_ROLE_NAME 参数，现在您可以在与代理交互时为另一个帐户提供帐户AWS帐户id，然后代理将帐户id传递给服务器。

本地设置

用途 stdio 作为MCP的传输方式，MCP服务器和客户端都在您的本地计算机上运行。

启动服务器（本地）

使用以下命令运行服务器：

export MCP_TRANSPORT=stdio
export BEDROCK_LOG_GROUP_NAME=YOUR_BEDROCK_CW_LOG_GROUP_NAME
export CROSS_ACCOUNT_ROLE_NAME=ROLE_NAME_FOR_THE_ROLE_TO_ASSUME_IN_OTHER_ACCOUNTS # can be ignored if you do not want AWS spend info from other accounts
python server.py

Claude桌面配置

使用Claude Desktop配置此工具有两种方法：

选项1：使用Docker

将以下内容添加到您的Claude Desktop配置文件中。根据您的操作系统，可以找到这些路径中的文件。

  • macOS：~/库/应用程序支持/Claude/Claude_desktop_configure.json。
  • Windows：%APPDATA%\Claude\Claude_desktop_config.json。
  • Linux:~/.config/Claude/Claude_desktop_configure.json。
{
  "mcpServers": {
    "aws-cost-explorer": {
      "command": "docker",
      "args": [ "run", "-i", "--rm", "-e", "AWS_ACCESS_KEY_ID", "-e", "AWS_SECRET_ACCESS_KEY", "-e", "AWS_REGION", "-e", "BEDROCK_LOG_GROUP_NAME", "-e", "MCP_TRANSPORT", "-e", "CROSS_ACCOUNT_ROLE_NAME", "aws-cost-explorer-mcp:latest" ],
      "env": {
        "AWS_ACCESS_KEY_ID": "YOUR_ACCESS_KEY_ID",
        "AWS_SECRET_ACCESS_KEY": "YOUR_SECRET_ACCESS_KEY",
        "AWS_REGION": "us-east-1",
        "BEDROCK_LOG_GROUP_NAME": "YOUR_CLOUDWATCH_BEDROCK_MODEL_INVOCATION_LOG_GROUP_NAME",
        "CROSS_ACCOUNT_ROLE_NAME": "ROLE_NAME_FOR_THE_ROLE_TO_ASSUME_IN_OTHER_ACCOUNTS",
        "MCP_TRANSPORT": "stdio"
      }
    }
  }
}

重要：替换 YOUR_ACCESS_KEY_ID 和 YOUR_SECRET_ACCESS_KEY 使用您的实际AWS凭据。切勿将实际凭据提交给版本控制。

选项2：使用UV（不使用Docker）

如果你更喜欢在没有Docker的情况下直接运行服务器，你可以使用UV：

{
  "mcpServers": {
    "aws_cost_explorer": {
      "command": "uv",
      "args": [
          "--directory",
          "/path/to/aws-cost-explorer-mcp-server",
          "run",
          "server.py"
      ],
      "env": {
        "AWS_ACCESS_KEY_ID": "YOUR_ACCESS_KEY_ID",
        "AWS_SECRET_ACCESS_KEY": "YOUR_SECRET_ACCESS_KEY",
        "AWS_REGION": "us-east-1",
        "BEDROCK_LOG_GROUP_NAME": "YOUR_CLOUDWATCH_BEDROCK_MODEL_INVOCATION_LOG_GROUP_NAME",
        "CROSS_ACCOUNT_ROLE_NAME": "ROLE_NAME_FOR_THE_ROLE_TO_ASSUME_IN_OTHER_ACCOUNTS",
        "MCP_TRANSPORT": "stdio"
      }
    }
  }
}

确保将目录路径替换为系统上存储库的实际路径。

远程设置

用途 sse 作为MCP的传输方式，EC2上的MCP服务器和客户端正在您的本地计算机上运行。请注意，Claude Desktop目前不支持远程MCP服务器（请参阅 这 GitHub问题）。

启动服务器（远程）

您可以按照上述相同的说明在Amazon EC2上启动远程MCP服务器。确保设置 MCP_TRANSPORT 像 sse （服务器端事件），如下所示。 请注意，MCP使用JSON-RPC 2.0作为其有线格式，因此协议本身不包括授权和身份验证（请参阅 这个GitHub问题)，不要通过MCP发送或接收敏感数据.

使用以下命令运行服务器：

export MCP_TRANSPORT=sse
export BEDROCK_LOG_GROUP_NAME=YOUR_BEDROCK_CW_LOG_GROUP_NAME
export CROSS_ACCOUNT_ROLE_NAME=ROLE_NAME_FOR_THE_ROLE_TO_ASSUME_IN_OTHER_ACCOUNTS # can be ignored if you do not want AWS spend info from other accounts
python server.py
  1. MCP服务器将开始监听TCP端口8000。
  2. 在与EC2实例关联的安全组中配置一个入口规则，以允许从本地计算机（运行基于MCP客户端/LangGraph的应用程序）访问EC2实例的TCP端口8000。

另请参阅运行 “安全”远程MCP服务器 即您的MCP客户端可以通过HTTPS连接到的服务器。

使用CLI MCP客户端进行测试

您可以使用以下工具测试远程MCP服务器 mcp_sse_client.py 脚本。运行此脚本将打印MCP服务器上可用的工具列表以及 get_bedrock_daily_usage_stats 工具。

# set the hostname for your MCP server
MCP_SERVER_HOSTNAME=YOUR_MCP_SERVER_EC2_HOSTNAME
# or localhost if your MCP server is running locally
# MCP_SERVER_HOSTNAME=localhost 
AWS_ACCOUNT_ID=AWS_ACCOUNT_ID_TO_GET_INFO_ABOUT # if set to empty or if the --aws-account-id switch is not specified then it gets the info about the AWS account MCP server is running in
python mcp_sse_client.py --host $MCP_SERVER_HOSTNAME --aws-account-id $AWS_ACCOUNT_ID

使用Chainlit应用程序进行测试

这 app.py 此仓库中的文件提供了一个Chainlit应用程序（聊天机器人），该应用程序创建了一个LangGraph代理，该代理使用 LangChain MCP Adapter 将MCP服务器提供的工具作为LangGraph代理中的工具导入。然后，代理能够使用LLM来回答用户问题，并根据需要使用可用的工具。因此，如果用户提出诸如“过去一周我的基岩使用情况如何？“然后，代理将使用通过远程MCP服务器提供的工具来回答这个问题。我们使用通过Amazon Bedrock提供的Claude 3.5 Haiku模型来为这个代理提供动力。

使用以下命令运行Chainlit应用程序：

chainlit run app.py --port 8080

浏览器窗口应打开 localhost:8080 您应该能够使用聊天机器人来获取有关AWS支出的详细信息。

可用工具

服务器公开了Claude可以使用的以下工具：

  1. get_ec2_spend_last_day()：检索前一天的EC2支出数据
  2. get_detailed_breakdown_by_day(days=7)：按地区、服务和实例类型提供全面的成本分析
  3. get_bedrock_daily_usage_stats(days=7, region='us-east-1', log_group_name='BedrockModelInvocationLogGroup')：按地区和用户提供每日模型使用情况的细分。
  4. get_bedrock_hourly_usage_stats(days=7, region='us-east-1', log_group_name='BedrockModelInvocationLogGroup')：按地区和用户提供模型使用情况的每日每小时细分。

查询示例

通过启用MCP的界面连接到Claude后，您可以提出以下问题：

  • “帮助我了解过去几周我的基岩花费”
  • “我的EC2昨天花了多少钱？”
  • “按成本显示上个月我的前5个AWS服务”
  • “按地区分析我过去14天的支出”
  • “哪种实例类型花费了我最多的钱？”
  • “哪些服务的成本环比增长最高？”

Docker支持

容器化部署包含一个Dockerfile：

docker build -t aws-cost-explorer-mcp .
docker run -v ~/.aws:/root/.aws aws-cost-explorer-mcp

发展

项目结构

  • server.py：使用MCP工具实现主服务器
  • pyproject.toml：项目依赖关系和元数据
  • Dockerfile：部署的容器定义

添加新的成本分析工具

要扩展功能，请执行以下操作：

  1. 添加新功能 server.py
  2. 为它们添加注释 @mcp.tool()
  3. 实现AWS Cost Explorer API调用
  4. 格式化结果以便于阅读

安全的“远程”MCP服务器

我们可以使用 nginx 作为反向代理，以便它可以提供HTTPS端点来连接到MCP服务器。远程MCP客户端可以连接到 nginx 通过HTTPS，然后它可以在内部代理流量 http://localhost:8000。以下步骤描述了如何执行此操作。

  1. 在与EC2实例关联的安全组中的入站规则中，从MCP客户端（笔记本电脑或任何地方）的IP地址启用对TCP端口443的访问。

  2. 您需要拥有HTTPS证书和私钥才能继续。假设你使用 your-mcp-server-domain-name.com 作为MCP服务器的域，您需要一个SSL证书 your-mcp-server-domain-name.com MCP客户端可以通过以下方式访问它 https://your-mcp-server-domain-name.com/sse. 虽然您可以使用自签名证书，但这需要在MCP客户端上禁用SSL验证，但我们不建议您这样做。如果您将MCP服务器托管在EC2上，则可以使用以下命令生成SSL证书 没有ip 或 让“加密” 或其他类似服务。将SSL证书和私钥文件放入 /etc/ssl/certs 和 /etc/ssl/privatekey EC2机器上的文件夹。

  3. 安装 nginx 在EC2机器上使用以下命令。

    sudo apt-get install nginx
sudo nginx -t
sudo systemctl reload nginx

  4. 获取EC2实例的主机名，这是配置 nginx 反向代理。

    TOKEN=$(curl -X PUT "http://169.254.169.254/latest/api/token" -H "X-aws-ec2-metadata-token-ttl-seconds: 21600") && curl -H "X-aws-ec2-metadata-token: $TOKEN" -s http://169.254.169.254/latest/meta-data/public-hostname

  5. 将以下内容复制到新文件中 /etc/nginx/conf.d/ec2.conf.更换 YOUR_EC2_HOSTNAME, /etc/ssl/certs/cert.pem 和 /etc/ssl/privatekey/privkey.pem 使用适合您设置的值。

    server {
 listen 80;
 server_name YOUR_EC2_HOSTNAME;

 # Optional: Redirect HTTP to HTTPS
 return 301 https://$host$request_uri;
 }

 server {
     listen 443 ssl;
     server_name YOUR_EC2_HOSTNAME;

     # Self-signed certificate paths
     ssl_certificate     /etc/ssl/certs/cert.pem;
     ssl_certificate_key /etc/ssl/privatekey/privkey.pem; 

     # Optional: Good practice
     ssl_protocols       TLSv1.2 TLSv1.3;
     ssl_ciphers         HIGH:!aNULL:!MD5;

     location / {
         # Reverse proxy to your local app (e.g., port 8000)
         proxy_pass http://127.0.0.1:8000;
         proxy_http_version 1.1;
         proxy_set_header Host $host;
         proxy_set_header X-Real-IP $remote_addr;
         proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;
     }
 }

  6. 重启 nginx.

    sudo systemctl start nginx

  7. 像往常一样启动MCP服务器，如中所述 远程设置 部分。

  8. 您的MCP服务器现在可以通过HTTPS访问 https://your-mcp-server-domain-name.com/sse 您的MCP客户。

  9. 现在在客户端（比如在笔记本电脑上或代理中）配置MCP客户端，使其与MCP服务器通信，如下所示。

    MCP_SERVER_HOSTNAME=YOUR_MCP_SERVER_DOMAIN_NAME
AWS_ACCOUNT_ID=AWS_ACCOUNT_ID_TO_GET_INFO_ABOUT # if set to empty or if the --aws-account-id switch is not specified then it gets the info about the AWS account MCP server is running in
python mcp_sse_client.py --host $MCP_SERVER_HOSTNAME --port 443 --aws-account-id $AWS_ACCOUNT_ID

    同样，您可以运行chainlit应用程序通过HTTPS与远程MCP服务器通信。

    export MCP_SERVER_URL=YOUR_MCP_SERVER_DOMAIN_NAME
export MCP_SERVER_PORT=443
chainlit run app.py --port 8080

    同样，您可以运行LangGraph代理通过HTTPS与远程MCP服务器通信。

    python langgraph_agent_mcp_sse_client.py --host $MCP_SERVER_HOSTNAME --port 443 --aws-account-id $AWS_ACCOUNT_ID

许可证

MIT许可证

致谢

  • 此工具使用Anthropic的MCP框架
  • 由AWS Cost Explorer API提供支持
  • 内置于 FastMCP 用于服务器实现
  • README是通过以下方式提供repo的文本转储生成的 GitIngest 致克劳德

相关 MCP