ghcr.io/opencost/opencost-ui:develop-f59ef3b-amd64

OpenCost — 您喜爱的 Kubernetes 和云支出开源成本监控工具

OpenCost 为团队提供当前和历史 Kubernetes 及云支出与资源分配的可见性。这些模型在支持多个应用程序、团队、部门等的 Kubernetes 环境中提供成本透明度。它还提供跨多个云提供商的云成本可见性。

OpenCost 最初由 Kubecost 开发并开源。该项目结合了规范以及这些详细要求的 Golang 实现。Web UI 可在 opencost/opencost-ui 仓库中获取。

OpenCost UI 导览

要查看 OpenCost 的全部功能，您可以查看 OpenCost 特性。以下是已启用功能的摘要：

• 按 Kubernetes 集群、节点、命名空间、控制器类型、控制器、服务或 Pod 进行实时成本分配
• 针对 AWS、Azure、GCP 上所有云服务的多云成本监控
• 通过与 AWS、Azure 和 GCP 账单 API 集成实现的动态按需 Kubernetes 资产定价
• 支持使用自定义 CSV 定价的本地 Kubernetes 集群
• 集群内 Kubernetes 资源（如 CPU、GPU、内存和持久卷）的成本分配
• 通过 /metrics 端点轻松将定价数据导出到 Prometheus（了解更多）
• 云资源的碳成本
• MCP 支持
• 基于 vLLM 的部署（llm-d 及兼容版本）的 AI 推理成本跟踪：每百万 tokens（输入/输出）成本、KV 缓存校正定价、共享基础设施归因、REST APIs 和 Prometheus 指标
• 通过 OpenCost Plugins 支持 Datadog 等外部成本
• 免费开源分发（Apache2 许可证）

可用的 MCP 工具

MCP 服务器为 AI 代理提供以下工具：

get_allocation_costs

get_allocation_costs：检索带有筛选和聚合功能的成本分配数据。

参数：

• window（必填）：时间窗口（例如："7d"、"1h"、"30m"）
  window
• aggregate（可选）：聚合属性（例如："namespace"、"pod"、"node"）
  aggregate
• step（可选）：分辨率步长
  step
• accumulate（可选）：是否随时间累积
  accumulate
• share_idle（可选）：是否分摊空闲成本
  share_idle
• include_idle（可选）：是否包含空闲资源
  include_idle

get_asset_costs

get_asset_costs：检索资产成本数据，包括节点、磁盘、负载均衡器等。

参数：

• window（必填）：时间窗口（例如："7d"、"1h"、"30m"）
  window

get_cloud_costs

get_cloud_costs：检索带有提供商、服务和区域筛选功能的云成本数据。

参数：

• window（必填）：时间窗口（例如："7d"、"1h"、"30m"）
  window
• aggregate（可选）：聚合属性（例如："provider"、"service"、"region"）
  aggregate
• accumulate（可选）：时间累积方式（"day"、"week"、"month"）
  accumulate
• provider（可选）：按云提供商筛选（例如："aws"、"gcp"、"azure"）
  provider
• service（可选）：按服务筛选（例如："ec2"、"compute"、"s3"）
  service
• category（可选）：按类别筛选（例如："compute"、"storage"、"network"）
  category
• region（可选）：按区域筛选（例如："us-west-1"、"us-central1"）
  region
• accountID（可选）：按账户 ID 筛选
  accountID

get_efficiency

get_efficiency：检索资源效率指标，包括资源优化建议和成本节约分析。

参数：

• window（必填）：时间窗口（例如："7d"、"1h"、"30m"）
  window
• aggregate（可选）：聚合属性（例如："pod"、"namespace"、"controller"）
  aggregate
• filter（可选）：分配筛选表达式
  filter
• buffer_multiplier（可选）：推荐的缓冲乘数（默认值：1.2，即 20% 的余量）
  buffer_multiplier
• step（可选）：查询步长（例如："1h"、"6h"）；较小的步长通过批处理大窗口减少峰值内存，但可能增加查询时间/请求数
  step

支持的资产类型

• Node：包含 CPU、RAM、GPU 详细信息的计算实例
• Disk：包含使用情况和成本细分的存储卷
• Load***：包含 IP 和私有状态的负载均衡器实例
• Network：网络相关成本和使用情况
• Cloud：包含信用信息的云服务成本
• ClusterManagement：Kubernetes 集群管理成本

示例用法

配置完成后，AI 代理可以按如下方式查询成本数据：

// 获取过去 7 天的成本分配
const allocation = await mcpClient.callTool('get_allocation_costs', {
  window: '7d',
  aggregate: 'namespace,node'
});

// 获取过去 24 小时的资产成本
const assets = await mcpClient.callTool('get_asset_costs', {
  window: '1d'
});

// 获取 AWS EC2 在 us-west-1 区域的云成本
const cloudCosts = await mcpClient.callTool('get_cloud_costs', {
  window: '7d',
  aggregate: 'service',
  provider: 'aws',
  service: 'ec2',
  accumulate: 'day',
  filter: 'regionID:"us-west-1"'
});

// 获取资源效率指标及资源优化建议
const efficiency = await mcpClient.callTool('get_efficiency', {
  window: '7d',
  aggregate: 'namespace,controller',
  step: '6h',
  buffer_multiplier: 1.2
});

有关详细的设置说明和高级配置，请参阅 Helm 图表文档。

MCP 服务器

OpenCost MCP（模型上下文协议）服务器通过标准化接口为 AI 代理提供成本分配和资产数据访问。在所有 OpenCost 部署中，MCP 服务器默认禁用（需手动启用），运行在端口 8081 上，并且内置于 Helm 图表中，便于生产环境部署。用户可完全控制启用它或配置自定义端口和设置。

功能特性

• 默认需手动启用：MCP 服务器默认禁用，以最小化***面，必须显式启用
• 完全用户控制：易于启用或配置端口和设置
• 分配查询：通过过滤和聚合检索成本分配数据
• 资产查询：访问详细的资产信息，包括节点、磁盘、负载均衡器等
• 云成本查询：通过提供商、服务和区域过滤查询云成本数据
• HTTP 传输：使用 HTTP 与 MCP 客户端进行可靠通信
• 简单配置：使用标准环境变量即可轻松启用
• Helm 集成：内置于官方 Helm 图表，适用于生产环境部署

快速开始

使用 Tilt（开发环境）

# 克隆并启动带 MCP 服务器的 OpenCost
# 您可能还需要克隆 opencost-ui 和 opencost-helm-charts 仓库
# 确保克隆的仓库与 opencost 在同一父目录下

git clone https://github.com/opencost/opencost.git
cd opencost
tilt up

默认配置

UI 和 Prometheus 均运行在端口 9090 上。您可能需要端口转发到非默认端口以同时访问两者。

Tilt 配置说明（云成本）：

OpenCost 的 Tilt 配置值（tilt-values.yaml）包含额外的环境变量，用于在开发环境中启用云成本数据摄入：

# tilt-values.yaml (摘录)
opencost:
exporter:
extraEnv:
CLOUD_COST_ENABLED: "true"
CLOUD_COST_CONFIG_PATH: "/var/cloud-integration/cloud-integration.json"

• 将 CLOUD_COST_ENABLED 设置为 "true" 以开启云成本数据摄入。
• 将 CLOUD_COST_CONFIG_PATH 指向 Tilt 使用的已挂载云集成文件（例如，/var/cloud-integration/cloud-integration.json）。
• 在开发过程中根据需要调整 tilt-values.yaml 中的其他值。

使用 Helm（生产环境）

# 添加 OpenCost Helm 仓库
helm repo add opencost https://opencost.github.io/opencost-helm-chart
helm repo update

# 部署启用 MCP 服务器的 OpenCost（需手动启用）
helm install opencost opencost/opencost --set opencost.mcp.enabled=true

# 通过端口转发访问 MCP 服务器（示例）
kubectl port-forward svc/opencost 8081:8081

在 Helm 图表中，MCP 服务器默认禁用。如需自定义配置：

# 部署启用 MCP 服务器的实例
helm install opencost opencost/opencost \
--set opencost.mcp.enabled=true

# 部署使用自定义 MCP 端口的实例
helm install opencost opencost/opencost \
--set opencost.mcp.port=9091

# 部署启用调试日志的实例
helm install opencost opencost/opencost \
--set opencost.mcp.extraEnv.MCP_LOG_LEVEL=debug

配置摘要

MCP 客户端配置

配置您的 MCP 客户端（例如 Cursor）以连接到 OpenCost MCP 服务器：

默认配置（端口 8081）：

{
"mcpServers": {
"opencost": {
"type": "http",
"url": "http://localhost:8081"
}
}
}

自定义端口配置：

{
"mcpServers": {
"opencost": {
"type": "http",
"url": "http://localhost:9091"
}
}
}

Kubernetes 部署环境：

{
"mcpServers": {
"opencost": {
"type": "http",
"url": "http://opencost.opencost.svc.cluster.local:8081"
}
}
}

外部访问（使用 Load*/Ingress）：**

{
"mcpServers": {
"opencost": {
"type": "http",
"url": "http://your-opencost-domain.com:8081"
}
}
}

可用的 MCP 工具

MCP 服务器为 AI 代理提供以下工具：

get_allocation_costs

通过过滤和聚合检索成本分配数据。

参数：

• window（必填）：时间窗口（例如，"7d"、"1h"、"30m"）
• aggregate（可选）：聚合属性（例如，"namespace"、"pod"、"node"）
• step（可选）：分辨率步长
• accumulate（可选）：是否随时间累积
• share_idle（可选）：是否分摊空闲成本
• include_idle（可选）：是否包含空闲资源

get_asset_costs

检索资产成本数据，包括节点、磁盘、负载均衡器等。

参数：

• window（必填）：时间窗口（例如，"7d"、"1h"、"30m"）

get_cloud_costs

通过提供商、服务和区域过滤检索云成本数据。

参数：

• window（必填）：时间窗口（例如，"7d"、"1h"、"30m"）
• aggregate（可选）：聚合属性（例如，"provider"、"service"、"region"）
• accumulate（可选）：时间累积方式（"day"、"week"、"month"）
• provider（可选）：按云提供商过滤（例如，"aws"、"gcp"、"azure"）
• service（可选）：按服务过滤（例如，"ec2"、"compute"、"s3"）
• category（可选）：按类别过滤（例如，"compute"、"storage"、"network"）
• region（可选）：按区域过滤（例如，"us-west-1"、"us-central1"）
• accountID（可选）：按账户 ID 过滤

get_efficiency

检索资源效率指标，包括合理调整大小建议和成本节约分析。

参数：

• window（必填）：时间窗口（例如，"7d"、"1h"、"30m"）
• aggregate（可选）：聚合属性（例如，"pod"、"namespace"、"controller"）
• filter（可选）：分配的过滤表达式
• buffer_multiplier（可选）：建议的缓冲乘数（默认值：1.2，即 20% 余量）
• step（可选）：查询步长（例如，"1h"、"6h"）；较小的步长通过批处理大窗口减少峰值内存，但可能增加查询时间/请求数

支持的资产类型

• Node：包含CPU、RAM、GPU详情的计算实例
• Disk：包含使用情况和成本细分的存储卷
• Load***：包含IP和私有状态的负载均衡器实例
• Network：网络相关成本和使用情况
• Cloud：包含信用信息的云服务成本
• ClusterManagement：Kubernetes集群管理成本

示例用法

配置完成后，AI代理可以查询成本数据，例如：

// 获取过去7天的成本分配
const allocation = await mcpClient.callTool('get_allocation_costs', {
window: '7d',
aggregate: 'namespace,node'
});

// 获取过去24小时的资产成本
const assets = await mcpClient.callTool('get_asset_costs', {
window: '1d'
});

// 获取us-west-1区域AWS EC2的云成本
const cloudCosts = await mcpClient.callTool('get_cloud_costs', {
window: '7d',
aggregate: 'service',
provider: 'aws',
service: 'ec2',
accumulate: 'day',
filter: 'regionID:"us-west-1"'
});

// 获取包含优化建议的效率指标
const efficiency = await mcpClient.callTool('get_efficiency', {
window: '7d',
aggregate: 'namespace,controller',
step: '6h',
buffer_multiplier: 1.2
});

有关详细的设置说明和高级配置，请参阅https://github.com/opencost/opencost-helm-chart/blob/main/charts/opencost/README.md#mcp-server%E3%80%82

Contributing

我们 :heart: 拉取请求！有关从源代码构建项目和贡献更改的信息，请参阅CONTRIBUTING.md。

Community

FAQ

您可以查看OpenCost文档获取常见问题列表。