AI导哈

日志分析工具

AWS Bedrock Logs MCP是一个命令行界面和API工具，用于通过Anthropic的MCP（模型控制协议）分析AWS Bedrock的使用情况和日志，提供模型使用分析、用户分析、每日使用报告和令牌消耗指标等功能。

  • by dheerajoruganty
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 dheerajoruganty/aws-bedrock-logs-mcp-server

使用说明

AWS基岩测井MCP

命令行界面和API，用于通过 Anthropic的MCP（模型控制协议）.

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AWS基岩模型调用日志。它作为一个MCP服务器，向Claude公开AWS CloudWatch Logs API功能，允许您以自然语言查询和分析Bedrock使用数据。

特性

  • 模型使用分析：查看有关基岩模型使用和代币消费的详细统计数据
  • 基于用户的分析：按用户分析使用模式和成本
  • 每日使用报告：跟踪日常使用趋势和模型调用
  • 代币消费指标：监控输入、完成和总令牌使用情况
  • 交互界面：使用Claude通过自然语言查询您的基岩使用数据

需求

  • Python 3.13+
  • 具有CloudWatch日志访问权限的AWS凭据
  • Anthropic API访问（用于Claude集成）

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"

  2. 克隆此存储库：

    git clone https://github.com/dheerajoruganty/aws-bedrock-logs-mcp-server.git
cd aws-bedrock-logs-mcp-server

  3. 设置Python虚拟环境并安装依赖项：

    uv venv && source .venv/bin/activate && uv pip sync pyproject.toml

    对于Windows：

    uv venv && .venv\Scripts\activate && uv pip sync pyproject.toml

  4. 配置您的AWS凭据：

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

用法

启动服务器

使用以下命令运行服务器：

python cloudwatch_mcp_server.py

默认情况下，服务器使用stdio传输与MCP客户端进行通信。

Claude桌面配置

使用Claude Desktop配置此工具：

{
  "mcpServers": {
    "aws_bedrock_logs": {
      "command": "uv",
      "args": [
          "--directory",
          "/path/to/aws-bedrock-logs-mcp",
          "run",
          "cloudwatch_mcp_server.py"
      ]
    }
  }
}

确保将目录路径替换为系统上存储库的实际路径。

可用工具

服务器公开了Claude可以使用的以下工具：

  1. get_bedrock_logs_df：以pandas DataFrame的形式检索原始基岩调用日志
  2. get_model_usage_stats：获取按型号分组的使用统计信息
  3. get_user_usage_stats：获取按用户分组的使用统计信息
  4. get_daily_usage_stats：获取每日使用统计数据和趋势

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：

  • “显示过去7天的Bedrock使用统计数据”
  • “按型号划分的平均代币消费量是多少？”
  • “就代币总数而言，谁是Bedrock的最大用户？”
  • “给我一份模型调用的每日明细”

发展

项目结构

  • cloudwatch_mcp_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

依赖项

关键依赖关系包括：

  • boto3：AWS Python SDK
  • mcp[cli]：Anthropic模型控制协议
  • pandas：数据操作和分析
  • pydantic：使用Python类型注释进行数据验证

许可证

MIT许可证

致谢

  • 此工具使用Anthropic的MCP框架
  • 由AWS CloudWatch Logs API提供支持
  • 内置于 FastMCP 用于服务器实现

相关 MCP