云成本智能MCP
用于云基础设施、人工智能模型和SaaS订阅的人工智能原生成本智能。
CloudCost Intelligence是一个模型上下文协议（MCP）服务器，提供实时成本估算、优化和预测。它使AI代理能够通过访问来自AWS、Azure、GCP、OpenAI、Anthropic和各种SaaS提供商的动态定价数据，做出具有成本意识的架构决策。
______________________________________________________________________
🏗️ 建筑
该系统由三个主要部分组成：
- MCP服务器（端口3000）核心情报引擎揭示了21种工具。
- 定价更新程序（端口3001）：从外部API（AWS Bulk API、Azure零售价格等）获取实时定价并更新本地JSON数据的后台服务。
- Nginx：反向代理用于安全路由和速率限制。
graph TD
User[User / AI Agent] --> Nginx[Nginx Proxy]
Nginx -->|/mcp| Server[MCP Server :3000]
Nginx -->|/updater| Updater[Pricing Updater :3001]
Updater -->|Fetch| APIs[External Pricing APIs]
Updater -->|Write| JSON[Shared JSON Data]
Server -->|Read| JSON______________________________________________________________________
🚀 快速开始
先决条件
- Node.js>=18
- Docker和Docker Compose（可选）
本地开发
- 安装依赖项：
npm install- 在开发模式下运行：
# Runs MCP server
npm run dev
# In a separate terminal, run the updater
npm run dev:updater- MCP检验员测试：
npm run inspectDocker部署
# Start all services (Server, Updater, Nginx)
docker compose up -d --build
# Check logs
docker compose logs -f______________________________________________________________________
🛠️ 工具参考
🧠 人工智能模型智能（6个工具）
*通过模型比较和性能估计优化您的AI支出。*
| 工具 | 描述 | 关键输入 |
|---|---|---|
estimateOpenAICost | 按明细计算OpenAI成本。 | model, inputTokens, outputTokens |
estimateAnthropicCost | 计算人工成本，包括批量节省。 | model, inputTokens, outputTokens |
suggestModel | 为任务和预算推荐最佳模型。 | taskType, budget, latencyRequirement |
compareModels | 比较特定任务的所有模型。 | taskType （聊天、编码等） |
rankingByCostEfficiency | 按性价比对模型进行排名。 | task （自然语言描述） |
estimatePerformance | 估计延迟和吞吐量。 | taskType, tokenSize |
☁️ 云基础架构（5个工具）
*规划和预测AWS、Azure和GCP的云支出。*
| 工具 | 描述 | 关键输入 |
|---|---|---|
compareCloudCost | 比较跨云（计算、存储、数据库）的成本。 | serviceType, usageProfile |
estimateComputeCost | 每小时/每月计算成本和规格。 | provider, instanceType, hours |
estimateStorageCost | 存储成本与分层优化。 | provider, storageType, gb |
estimateBandwidthCost | 数据传输成本与CDN节省分析。 | provider, gbTransfer, direction |
forecastScalingCost | 根据增长率和悬崖预测未来成本。 | currentMonthlyCost, growthRate, months |
📉 SaaS和燃烧率（5个工具）
*管理初创公司的烧钱和优化SaaS订阅。*
| 工具 | 描述 | 关键输入 |
|---|---|---|
calculateSaaSBurn | 使用类别基准进行总燃烧分析。 | services 列表（名称、成本、类别） |
suggestOptimalPlan | 推荐SaaS的最佳方案（Vercel、Supabase…）。 | serviceName, monthlyUsage |
forecastRunway | 根据燃烧和收入计算启动跑道。 | monthlyInfraCost, cashInBank |
costBreakdownByService | 按类别分列的详细支出明细。 | services, stage （种子，a系列） |
recommendCostReductionStrategies | 成本节约行动的优先级列表。 | services |
⚡ 高级优化（5个工具）
*对架构决策进行深入分析。*
| 工具 | 描述 | 关键输入 |
|---|---|---|
multiCloudOptimization | 多云工作负载的策略。 | workloadProfile, currentCosts |
databaseTierRecommendation | 大小合适的数据库层（Mongo、Neon等）。 | provider, currentUsage |
modelSwitchSavings | 切换AI模型的ROI分析。 | currentModel, monthlyTokens |
reservedInstanceSavings | 分析RI节省与按需。 | provider, instanceType, usagePattern |
breakEvenAnalysis | 比较两个选项（例如，构建与购买）。 | optionA, optionB, timeHorizon |
______________________________________________________________________
🔄 定价更新服务
这 定价更新程序 在端口上独立运行 3001 以确保数据的新鲜度。
- 更新间隔：默认6小时（可通过配置
UPDATE_INTERVAL). - 端点:
- GET /updater/status：检查上次更新时间和状态。 - POST /updater/trigger：手动触发定价更新。
- 数据源:
- 亚马逊云服务：散装API和现货价格指数。 - Azure：零售价格API。 - 软件即服务：Vercel、Supabase、MongoDB等的公共定价页面/API。
______________________________________________________________________
⚙️ 配置
创建一个 .env 文件或设置环境变量：
| 变量 | 默认值 | 描述 |
|---|---|---|
PORT | 3000 | MCP服务器端口 |
UPDATE_PORT | 3001 | 定价更新程序端口 |
UPDATE_INTERVAL | 6 | 价格更新之间的时间间隔 |
NODE_ENV | production | development 或 production |
______________________________________________________________________
🚢 CTX协议集成
要在CTX市场注册，请使用以下配置：
name: cloudcost-mcp
endpoint: https://your-domain.com/mcp
description: AI-native cost intelligence for cloud, AI models, and SaaS
pricing:
free:
requests_per_day: 100
pro:
price: 10
requests_per_day: unlimited______________________________________________________________________
📜 许可证
该项目根据MIT许可证获得许可。