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:
dateprovideraccountservicecostcurrencytag_envtag_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。
