通过大型语言模型 (LLM) 与 Cloudzero 中的云成本数据进行对话。
询问有关成本数据的问题，例如绘制月度差异：
使用CloudZero v2 API和模型上下文协议MCP。
graph LR
%%{init: {'theme':'neutral'}}%%
%% Define nodes
A[MCP Host]
B[Local MCP Server]
C[CloudZero API]
D[(Cloud Costs Data)]
%% Define connections
A -->|JSON-RPC 2.0| B
B -->|HTTP/JSON| C
C <--> D
subgraph CloudZero_SaaS
C
D
end
subgraph Background_process
B
end
subgraph Claude_Desktop
A
end
subgraph Local_Machine
Claude_Desktop
Background_process
end
%% Define styles
classDef client padding:10px
classDef server padding:10px
classDef api padding:10px
classDef db padding:10px
%% Apply styles
class A client
class B server
class C api
class D db在 Claude Desktop 中配置 MCP 服务器后，它将在启动时作为后台进程启动。Claude Desktop 作为 MCP 主机，将向 MCP 服务器发送initiatize请求。服务器会以其功能进行响应，其中包括prompts和用于工具调用的tools 。
该服务器实现了 CloudZero 特有的几个工具：
get_costs获取从start_date到end_date账单数据
get_dimensions账单维度
list_budgets列出预算
list_insights列出见解
MCP 协议使用 JSON-RPC 2.0 进行请求和响应。
Related MCP server: dbt Semantic Layer MCP Server
安装Claude 桌面：
安装uv
设置项目依赖项：
uv init
uv sync生成您的CloudZero API 密钥。
使用以下命令编辑.env ：
CLOUDZERO_API_KEY=YOUR_SECRET_KEY要将 MCP 服务器安装到 Claude Desktop：
uv run mcp install server.py编辑您的claude_desktop_config.json以设置uv命令的正确路径并更新您的USERNAME ，如下所示。
此配置文件位于 Claude Desktop 的Settings > Developer > Edit Config下。
"CloudZero": {
"command": "/Users/USERNAME/.local/bin/uv",
"args": [
"run",
"--with",
"mcp[cli]",
"mcp",
"run",
"/Users/USERNAME/workspace/open_source/cloudzero-mcp/server.py"
]
}重启 Claude Desktop。桌面启动后，它会在后台启动服务器进程。您可能会看到错误，可以深入查看日志来查找问题所在。
如果没有错误，请尝试询问“有哪些可用于云计费的工具”以查看其列表。
有关更多信息，请参阅Claude Desktop MCP 文档。
为了进行调试，您可以运行带有交互式 GUI 的 MCP 开发服务器来检查：
uv run mcp dev server.py这对于排除代码中的错误很有用，而无需不断重启 Claude Desktop。
This server cannot be deployed
Query OneLens cloud-cost data in natural language: breakdowns, trends, cost centers. Read-only.
The Ramp MCP server enables users to securely connect Ramp with AI assistants like ChatGPT and Claude to query financial data and take actions using natural language. It transforms Ramp's developer API into a SQL interface that LLMs can query, allowing admins to analyze spend trends, identify cost savings, and run complex SQL analyses on comprehensive datasets (transactions, purchase orders, vendors, users), while all users can manage cards, view transactions, request reimbursements, and get expense policy answers.
Query cloud, AI and SaaS spend across 25+ providers: costs, budgets, anomalies, unit economics.
Hosted MCP server for AWS cloud spend: service breakdowns, anomalies, savings and forecasts.
