Registros de invocación de modelos de AWS Cost Explorer y Amazon Bedrock MCP Server & Client

Un servidor MCP para obtener datos de gastos de AWS mediante Cost Explorer y datos de uso de Amazon Bedrock mediante Model invocation logs en Amazon Cloud Watch mediante el MCP (Protocolo de Control de Modelos) de Anthropic . Consulte la sección sobre servidores MCP remotos seguros para ver cómo ejecutar su servidor MCP mediante HTTPS.

Puede ejecutar el servidor MCP localmente y acceder a él a través de Claude Desktop o también puede ejecutar un servidor MCP remoto en Amazon EC2 y acceder a él a través de un cliente MCP integrado en un agente LangGraph.

🚨También puedes usar este servidor MCP para obtener información de gastos de AWS de otras cuentas siempre que el rol de IAM utilizado por el servidor MCP pueda asumir roles en esas otras cuentas🚨

Vídeo de demostración

Descripción general

Esta herramienta ofrece una forma práctica de analizar y visualizar los datos de gasto en la nube de AWS mediante el modelo Claude de Anthropic como interfaz interactiva. Funciona como un servidor MCP que expone la funcionalidad de la API de AWS Cost Explorer a Claude Desktop, lo que permite realizar preguntas sobre el gasto en AWS en lenguaje natural.

Características

• Análisis de gastos de Amazon EC2 : vea desgloses detallados de los gastos de EC2 del último día
• Análisis del gasto en Amazon Bedrock : vea el desglose por región, usuarios y modelos durante los últimos 30 días
• Informes de gastos de servicio : analice el gasto en todos los servicios de AWS durante los últimos 30 días
• Desglose detallado de costos : obtenga datos de costos granulares por día, región, servicio y tipo de instancia
• Interfaz interactiva : utilice Claude para consultar sus datos de costos a través del lenguaje natural

Requisitos

• Python 3.12
• Credenciales de AWS con acceso a Cost Explorer
• Acceso a la API antrópica (para la integración de Claude)
• [Opcional] Acceso a Amazon Bedrock (para LangGraph Agent)
• [Opcional] Amazon EC2 para ejecutar un servidor MCP remoto

Instalación

1. Instalar 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"
   Las opciones de instalación adicionales están documentadas aquí
2. Clonar este repositorio: (suponiendo que se actualizará para apuntar a aws-samples)
   git clone https://github.com/aarora79/aws-cost-explorer-mcp.git cd aws-cost-explorer-mcp
3. Configure el entorno virtual de Python e instale las dependencias:
   uv venv --python 3.12 && source .venv/bin/activate && uv pip install --requirement pyproject.toml
4. Configure sus credenciales de AWS:
   mkdir -p ~/.aws # Set up your credentials in ~/.aws/credentials and ~/.aws/config
   Si usa AWS IAM Identity Center, siga la documentación para configurar sus credenciales a corto plazo.

Uso

Prerrequisitos

1. Configurar registros de invocación de modelos en Amazon CloudWatch.
2. Asegúrese de que el usuario/rol de IAM utilizado tenga acceso completo de solo lectura a Amazon Cost Explorer y Amazon CloudWatch. Esto es necesario para que el servidor MCP pueda recuperar datos de estos servicios. Consulte aquí y aquí ejemplos de políticas que puede usar y modificar según sus necesidades.
3. Para permitir que su servidor MCP acceda a la información de gastos de AWS de otras cuentas, configure el parámetro CROSS_ACCOUNT_ROLE_NAME al iniciar el servidor y ahora puede proporcionar el ID de cuenta de AWS para otra cuenta mientras interactúa con su agente y luego el agente pasará el ID de cuenta al servidor.

Configuración local

Utiliza stdio como transporte para MCP, tanto el servidor como el cliente MCP se ejecutan en su máquina local.

Iniciando el servidor (local)

Ejecute el servidor usando:

Configuración del escritorio de Claude

Hay dos formas de configurar esta herramienta con Claude Desktop:

Opción 1: Usar Docker

Agregue lo siguiente a su archivo de configuración de Claude Desktop. El archivo se puede encontrar en estas rutas según su sistema operativo.

• macOS: ~/Biblioteca/Soporte de aplicaciones/Claude/claude_desktop_config.json.
• Ventanas: %APPDATA%\Claude\claude_desktop_config.json.
• Linux: ~/.config/Claude/claude_desktop_config.json.

IMPORTANTE : Reemplace YOUR_ACCESS_KEY_ID y YOUR_SECRET_ACCESS_KEY con sus credenciales reales de AWS. Nunca envíe credenciales reales al control de versiones.

Opción 2: Usar UV (sin Docker)

Si prefieres ejecutar el servidor directamente sin Docker, puedes usar UV:

Asegúrese de reemplazar la ruta del directorio con la ruta real a su repositorio en su sistema.

Configuración remota

Utiliza sse como transporte para MCP, los servidores MCP en EC2 y el cliente se ejecuta en su equipo local. Tenga en cuenta que Claude Desktop no es compatible con servidores MCP remotos actualmente (consulte este problema de GitHub).

Iniciar el servidor (remoto)

Puede iniciar un servidor MCP remoto en Amazon EC2 siguiendo las mismas instrucciones anteriores. Asegúrese de configurar MCP_TRANSPORT como sse (eventos del lado del servidor), como se muestra a continuación. Tenga en cuenta que MCP utiliza JSON-RPC 2.0 como formato de conexión; por lo tanto, el protocolo no incluye autorización ni autenticación (consulte este problema de GitHub ). No envíe ni reciba datos confidenciales a través de MCP .

Ejecute el servidor usando:

1. El servidor MCP comenzará a escuchar en el puerto TCP 8000.
2. Configure una regla de ingreso en el grupo de seguridad asociado con su instancia EC2 para permitir el acceso al puerto TCP 8000 desde su máquina local (donde está ejecutando la aplicación basada en LangGraph/cliente MCP) a su instancia EC2.

Consulte también la sección sobre cómo ejecutar un servidor MCP remoto "seguro", es decir, un servidor al que sus clientes MCP pueden conectarse a través de HTTPS.

Pruebas con un cliente MCP CLI

Puede probar su servidor MCP remoto con el script mcp_sse_client.py . Al ejecutar este script, se imprimirá la lista de herramientas disponibles en el servidor MCP y un resultado para la herramienta get_bedrock_daily_usage_stats .

Pruebas con la aplicación Chainlit

El archivo app.py de este repositorio proporciona una aplicación Chainlit (chatbot) que crea un agente LangGraph que utiliza el LangChain MCP Adapter para importar las herramientas proporcionadas por el servidor MCP como herramientas en un agente LangGraph. El agente puede entonces usar un LLM para responder a las preguntas del usuario y usar las herramientas disponibles según sea necesario. Por lo tanto, si el usuario pregunta algo como " ¿Cómo usé Bedrock la última semana? ", el agente usará las herramientas disponibles a través del servidor MCP remoto para responder a esa pregunta. Utilizamos el modelo Haiku de Claude 3.5, disponible a través de Amazon Bedrock, para este agente.

Ejecute la aplicación Chainlit usando:

Se debería abrir una ventana del navegador en localhost:8080 y debería poder usar el chatbot para obtener detalles sobre su gasto en AWS.

Herramientas disponibles

El servidor expone las siguientes herramientas que Claude puede utilizar:

1. get_ec2_spend_last_day() : recupera los datos de gastos de EC2 del día anterior
2. get_detailed_breakdown_by_day(days=7) : ofrece un análisis completo de los costos por región, servicio y tipo de instancia
3. get_bedrock_daily_usage_stats(days=7, region='us-east-1', log_group_name='BedrockModelInvocationLogGroup') : ofrece un desglose diario del uso del modelo por región y usuarios.
4. get_bedrock_hourly_usage_stats(days=7, region='us-east-1', log_group_name='BedrockModelInvocationLogGroup') : ofrece un desglose por día y por hora del uso del modelo por región y usuarios.

Consultas de ejemplo

Una vez conectado a Claude a través de una interfaz habilitada para MCP, puede hacer preguntas como:

• Ayúdenme a comprender mis gastos en Bedrock de las últimas semanas.
• "¿Cuál fue mi gasto en EC2 ayer?"
• "Muéstrame mis 5 servicios de AWS más populares según su costo del último mes"
• Analizar mis gastos por región durante los últimos 14 días.
• "¿Qué tipos de instancias me cuestan más dinero?"
• "¿Qué servicios tuvieron el mayor aumento de costos mes a mes?"

Soporte de Docker

Se incluye un Dockerfile para la implementación en contenedores:

Desarrollo

Estructura del proyecto

• server.py : Implementación del servidor principal con herramientas MCP
• pyproject.toml : Dependencias y metadatos del proyecto
• Dockerfile : definición de contenedor para implementaciones

Agregar nuevas herramientas de análisis de costos

Para ampliar la funcionalidad:

1. Agregar nuevas funciones a server.py
2. Anotarlos con @mcp.tool()
3. Implementar las llamadas API de AWS Cost Explorer
4. Formatear los resultados para facilitar su lectura

Servidor MCP remoto seguro

Podemos usar nginx como proxy inverso para proporcionar un punto final HTTPS para conectarse al servidor MCP. Los clientes MCP remotos pueden conectarse a nginx mediante HTTPS y, a continuación, este puede redirigir el tráfico internamente a http://localhost:8000 . Los siguientes pasos describen cómo hacerlo.

1. Habilite el acceso al puerto TCP 443 desde la dirección IP de su cliente MCP (su computadora portátil o cualquier lugar) en las reglas de entrada en el grupo de seguridad asociado con su instancia EC2.
2. Necesitará un certificado HTTPS y una clave privada para continuar. Supongamos que usa your-mcp-server-domain-name.com como dominio de su servidor MCP. En ese caso, necesitará un certificado SSL para your-mcp-server-domain-name.com , accesible para los clientes MCP como https://your-mcp-server-domain-name.com/sse . Si bien puede usar un certificado autofirmado, esto requeriría deshabilitar la verificación SSL en el cliente MCP; NO lo recomendamos . Si aloja su servidor MCP en EC2, puede generar un certificado SSL con no-ip , Let's Encrypt u otros servicios similares. Guarde el certificado SSL y los archivos de clave privada en las carpetas /etc/ssl/certs y /etc/ssl/privatekey respectivamente, en su máquina EC2.
3. Instale nginx en su máquina EC2 usando los siguientes comandos.
   sudo apt-get install nginx sudo nginx -t sudo systemctl reload nginx
4. Obtenga el nombre de host para su instancia EC2, esto será necesario para configurar el proxy inverso nginx .
   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: $TOKEN" -s http://169.254.169.254/latest/meta-data/public-hostname
5. Copie el siguiente contenido en un nuevo archivo /etc/nginx/conf.d/ec2.conf . Reemplace YOUR_EC2_HOSTNAME , /etc/ssl/certs/cert.pem y /etc/ssl/privatekey/privkey.pem con los valores adecuados para su configuración.
   server { listen 80; server_name YOUR_EC2_HOSTNAME; # Optional: Redirect HTTP to HTTPS return 301 https://$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. Reinicie nginx .
   sudo systemctl start nginx
7. Inicie su servidor MCP como de costumbre tal como se describe en la sección de configuración remota .
8. Su servidor MCP ahora es accesible a través de HTTPS como https://your-mcp-server-domain-name.com/sse para su cliente MCP.
9. Ahora, en el lado del cliente (por ejemplo, en su computadora portátil o en su Agente), configure su cliente MCP para comunicarse con su servidor MCP de la siguiente manera.
   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
   De manera similar, puede ejecutar la aplicación chainlit para comunicarse con el servidor MCP remoto a través de HTTPS.
   export MCP_SERVER_URL=YOUR_MCP_SERVER_DOMAIN_NAME export MCP_SERVER_PORT=443 chainlit run app.py --port 8080
   De manera similar, puede ejecutar el Agente LangGraph para comunicarse con el servidor MCP remoto a través de HTTPS.
   python langgraph_agent_mcp_sse_client.py --host $MCP_SERVER_HOSTNAME --port 443 --aws-account-id $AWS_ACCOUNT_ID

Licencia

Licencia MIT

Expresiones de gratitud

• Esta herramienta utiliza el marco MCP de Anthropic
• Desarrollado por la API de AWS Cost Explorer
• Creado con FastMCP para implementación de servidor
• README se generó al proporcionar un volcado de texto del repositorio a través de GitIngest a Claude