mcp/cost-explorer-mcp-server Docker 镜像 - 轩辕镜像 | Docker 镜像高效稳定拉取服务

AWS Cost Explorer MCP Server

详细的成本分析和报告。

什么是MCP Server？

MCP信息

镜像构建信息

可用工具 (7)

---

工具详情

工具：get_cost_and_usage

检索AWS成本和使用数据。

此工具检索指定账单周期内AWS服务的成本和使用数据，支持可选的过滤和分组。通过指定粒度、账单周期日期和过滤条件等参数，可以动态生成满足特定需求的成本报告。

注意：此工具中的end_date视为包含在内，即如果指定end_date为"2025-01-31"，结果将包含1月31日的数据。这与AWS Cost Explorer API将end_date视为排除在外的处理方式不同。

重要：使用UsageQuantity指标时，AWS会聚合使用数量而不考虑单位。当不同使用类型具有不同单位时（例如，EC2计算小时与数据传输GB），结果将没有意义。要获得有意义的UsageQuantity结果，必须非常具体地进行过滤，包括USAGE_TYPE或USAGE_TYPE_GROUP。

示例：获取2025年5月us-east-1区域中EC2和S3服务的月度成本 await get_cost_and_usage( ctx=context, date_range={ "start_date": "2025-05-01", "end_date": "2025-05-31" }, granularity="MONTHLY", group_by={"Type": "DIMENSION", "Key": "SERVICE"}, filter_expression={ "And": [ { "Dimensions": { "Key": "SERVICE", "Values": ["Amazon Elastic Compute Cloud - Compute", "Amazon Simple Storage Service"], "MatchOptions": ["EQUALS"] } }, { "Dimensions": { "Key": "REGION", "Values": ["us-east-1"], "MatchOptions": ["EQUALS"] } } ] }, metric="UnblendedCost" )

示例：获取特定EC2实例使用的有意义UsageQuantity await get_cost_and_usage( ctx=context, { "date_range": { "start_date": "2025-05-01", "end_date": "2025-05-31" }, "filter_expression": { "And": [ { "Dimensions": { "Values": [ "Amazon Elastic Compute Cloud - Compute" ], "Key": "SERVICE", "MatchOptions": [ "EQUALS" ] } }, { "Dimensions": { "Values": [ "EC2: Running Hours" ], "Key": "USAGE_TYPE_GROUP", "MatchOptions": [ "EQUALS" ] } } ] }, "metric": "UsageQuantity", "group_by": "USAGE_TYPE", "granularity": "MONTHLY" }

---

工具：get_cost_and_usage_comparisons

比较两个时间段之间的AWS成本和使用情况。

此工具比较基准期和比较期之间的成本和使用数据，提供百分比变化和绝对差异。两个周期必须恰好为一个月，且开始/结束日期为每月的第一天。该工具还在可用时提供详细的成本驱动因素，显示哪些特定因素导致了成本变化。

重要要求：

• 两个周期必须恰好为一个月 duration
• 日期必须从每月的第一天开始和结束（例如，2025-01-01至2025-02-01）
• 最大回溯期为13个月（如果启用多年数据，则为38个月）
• 开始日期必须等于或不晚于当前日期

示例：比较2025年1月与2024年12月的EC2成本 await get_cost_and_usage_comparisons( ctx=context, baseline_date_range={ "start_date": "2024-12-01", # 2024年12月 "end_date": "2025-01-01" }, comparison_date_range={ "start_date": "2025-01-01", # 2025年1月 "end_date": "2025-02-01" }, metric_for_comparison="UnblendedCost", group_by={"Type": "DIMENSION", "Key": "SERVICE"}, filter_expression={ "Dimensions": { "Key": "SERVICE", "Values": ["Amazon Elastic Compute Cloud - Compute"], "MatchOptions": ["EQUALS"] } } )

---

工具：get_cost_comparison_drivers

分析两个时间段之间成本变化的驱动因素。

此工具提供对导致周期之间变化的前10个最显著成本驱动因素的详细分析。AWS仅返回影响最大的驱动因素，以关注对成本优化最重要的变化。

该工具提供丰富的洞察，包括：

• 所有服务（或过滤子集）中前10个最显著的成本驱动因素
• 导致变化的特定使用类型（例如，"BoxUsage:c5.large"、"NatGateway-Hours"）
• 多种驱动因素类型：使用变化、节省计划影响、企业折扣、支持费用
• 成本和使用数量变化（带单位：小时、GB-月等）
• 有关哪些基础设施组件发生变化的上下文
• 使用模式与定价变化的详细细分

可带或不带过滤器使用：

• 不带过滤器：显示所有服务的前10个成本驱动因素
• 带过滤器：显示过滤范围内的前10个成本驱动因素
• 多服务：可过滤多个服务并获取该范围内的前10个驱动因素

两个周期必须恰好为一个月，且开始/结束日期为每月的第一天。

重要要求：

• 两个周期必须恰好为一个月 duration
• 日期必须从每月的第一天开始和结束（例如，2025-01-01至2025-02-01）
• 最大回溯期为13个月（如果启用多年数据，则为38个月）
• 开始日期必须等于或不晚于当前日期
• 结果仅限于前10个最显著的驱动因素（无分页）

示例：分析所有服务的前10个成本驱动因素 await get_cost_comparison_drivers( ctx=context, baseline_date_range={ "start_date": "2024-12-01", # 2024年12月 "end_date": "2025-01-01" }, comparison_date_range={ "start_date": "2025-01-01", # 2025年1月 "end_date": "2025-02-01" }, metric_for_comparison="UnblendedCost", group_by={"Type": "DIMENSION", "Key": "SERVICE"} # 无过滤器 = 所有服务的前10个驱动因素 )

示例：分析特定服务的前10个成本驱动因素 await get_cost_comparison_drivers( ctx=context, baseline_date_range={ "start_date": "2024-12-01", "end_date": "2025-01-01" }, comparison_date_range={ "start_date": "2025-01-01", "end_date": "2025-02-01" }, metric_for_comparison="UnblendedCost", group_by={"Type": "DIMENSION", "Key": "SERVICE"}, filter_expression={ "Dimensions": { "Key": "SERVICE", "Values": ["Amazon Elastic Compute Cloud - Compute", "Amazon Simple Storage Service"], "MatchOptions": ["EQUALS"] } } )

---

工具：get_cost_forecast

基于历史使用模式检索AWS成本预测。

此工具使用AWS Cost Explorer的机器学习模型生成未来周期的成本预测。预测基于历史使用模式，可帮助进行预算规划和成本优化。

重要的粒度限制：

• 每日预测：最多未来3个月
• 每月预测：最多未来12个月

注意：预测开始日期必须等于或不晚于当前日期，而结束日期必须在未来。AWS自动使用可用的历史数据生成预测。预测返回总成本，不能按服务或区域等维度分组。

示例：获取下一季度EC2服务的月度成本预测 await get_cost_forecast( ctx=context, date_range={ "start_date": "2025-06-19", # 今天或更早 "end_date": "2025-09-30" # 未来日期 }, granularity="MONTHLY", filter_expression={ "Dimensions": { "Key": "SERVICE", "Values": ["Amazon Elastic Compute Cloud - Compute"], "MatchOptions": ["EQUALS"] } }, metric="UNBLENDED_COST", prediction_interval_level=80 )

---

工具：get_dimension_values

检索AWS Cost Explorer的可用维度值。

此工具检索指定维度（例如，SERVICE、REGION）在一段时间内的所有可用和有效值。这对于验证过滤值或探索成本分析的可用选项非常有用。