Token导航 LogoToken导航TokenDH.com
MCP Finops Cost Agent logo
运维云端stdio官方级别未说明来源级核验

MCP Finops Cost Agent

MCP Server

一个基于CSV的FinOps成本分析工具,通过标准化接口提供可审核、可复现的云成本分析功能。

工具数

3

提示词数

0

GitHub Stars

0

资源数

0
Python数据可视化云端部署

安装说明

本站只整理中文说明和来源信息,不托管安装包,也不代用户安装。

作者 / 组织

GuledMahamoud

提供方

GuledMahamoud

最后核验

2026/5/17 20:23

运行时

Python

快速接入

先看主来源和安装命令,再打开仓库或文档;下面只保留这个条目的关键接入事实。

命令预览

python -m venv .venv

详细介绍

MCP FinOps成本工具(基于CSV)

最低限度 模型上下文协议(MCP) 暴露的服务器 确定性FinOps成本分析工具 通过标准化的接口。

该项目演示了如何使用以下方法将FinOps分析安全地暴露给AI系统 可审计、可复制的工具 而不是临时提示或仪表板。

______________________________________________________________________

为什么这个项目存在

传统的FinOps工作流程依赖于:

  • 仪表板(成本浏览器、Power BI、Looker),
  • 静态报告,
  • 手动方差分析。

该项目展示了一种不同的方法:

FinOps是一种可调用、受管理的工具,人工智能助手可以使用它来解释云支出。

它通过MCP调用确定性工具并解释结果,而不是人工智能“猜测”成本。

______________________________________________________________________

这展示了什么(FinOps映射)

FinOps能力由以下人员演示
成本报告cost_summary
成本分配账户+标签细分
分配成熟度标签覆盖率指标
差异分析cost_diff
成本监控anomaly_check
问责制明确的过滤器+归因

______________________________________________________________________

架构概述

云计费导出(CSV)--->计费加载器和归一化器--->确定性FinOps工具层--->MCP服务器(FastMCP)--->AI助手(解释结果,不计算)

______________________________________________________________________

通过MCP暴露的工具

1. cost_summary

总结一段时间内的云支出。

退货:

  • 总成本
  • 顶级服务
  • 顶级账户
  • 顶级环境/团队标签
  • 标签覆盖率(占分配支出的百分比)

______________________________________________________________________

2. cost_diff

解释 *发生了什么变化* 在两个时间段之间。

比较方式:

  • 服务
  • 账户
  • 环境标签
  • 团队标签

______________________________________________________________________

3. anomaly_check

使用滚动z分数检测每日支出异常。

退货:

  • 标记日期
  • 在异常日消费
  • 贡献最大的服务和账户

______________________________________________________________________

示例演示问题(面试准备)

  • “上周我们的主要成本驱动因素是什么?”
  • “为什么云支出比上一时期有所增加?”
  • “是否出现了任何异常的支出激增,是什么原因造成的?”
  • “我们对团队级问责制的标签覆盖率有多高?”

每个问题都会导致 显式MCP工具调用,而不是自由推理。

______________________________________________________________________

数据源

该项目使用 基于CSV的云计费导出 为了简单和便携。

预期的标准化列:

  • date
  • provider
  • account
  • service
  • cost
  • currency
  • tag_env
  • tag_team

包含一个小样本数据集,因此项目可以立即运行。

加载器可以扩展到映射:

  • AWS成本和使用报告(CUR)
  • Azure成本管理导出
  • GCP账单导出

______________________________________________________________________

在本地运行

bash
python -m venv .venv
source .venv/bin/activate  # Windows: .venv\Scripts\activate

pip install -r requirements.txt
python server.py

______________________________________________________________________

为什么选择MCP(模型上下文协议)

MCP提供:

  • 标准化工具接口
  • 严格的输入/输出模式
  • 显式权限
  • 确定性、可审计的执行

这些属性对于FinOps等财务和治理相邻系统至关重要。

该项目使用MCP来演示如何将FinOps分析安全地集成到人工智能辅助的工作流程中,其中:

  • 工具计算事实,
  • 访问受到管理,
  • AI仅限于解释和解读。

______________________________________________________________________

可能的扩展

  • 用实时云计费API替换CSV摄取
  • 添加承诺建议(保留实例/节省计划)
  • 整合利用率指标(CPU、内存)以区分成本与使用情况
  • 将结果导出到仪表板、报告或票务系统

______________________________________________________________________

免责声明

本项目仅用于演示和学习目的。\ 它并不打算取代生产FinOps工具。

目录标签

目录标签

Python数据可视化云端部署FinOps本地部署成本分析云财务AI集成

接入字段

传输方式(transport,传输协议)

stdio

鉴权方式(authType,认证方式)

none

运行时(runtime,运行环境)

Python

工具数量(toolCount,工具数)

3

资源数量(resourceCount,资源数)

0

提示词数量(promptCount,提示词数)

0

权限和风险

stdionone部署方式未说明

接入前请确认传输方式、认证方式和部署位置,并根据实际工具能力限制访问范围。

安装前确认

不要直接授予不必要的文件、网络或账号权限;先核对安装命令和配置内容。

来源信息

继续浏览同类 MCP