AWS 云成本 AI 优化架构实战

👋 大家好，科技爱好者们！

我是 Sarvar，一名云架构师，热衷于将复杂的技术挑战转化为优雅的解决方案。我在云运维（AWS 和 Azure）、数据运维、分析、DevOps 和生成式 AI 等领域拥有丰富经验，有幸为全球企业架构了能推动真实商业价值的解决方案。通过这个系列文章，我很高兴能分享来自我的技术之旅中的实用洞察、最佳实践和亲身经历。无论你是资深专业人士还是刚入门，我的目标是将复杂概念分解成易于理解的部分，让你能在项目中应用。

让我们一起深入探索云技术的精妙世界吧！🚀

管理多个 AWS 账户曾经让我花费数小时进行手动成本分析，直到我发现了这个由 AI 驱动的变革工具。以下是我如何将调查时间从 3 小时缩减到 3 分钟，并消除成本超支的故事。让我们深入了解。

🎯 TL;DR - 你将学到什么

如何把 3 小时的成本调查减少到 3 分钟的 CLI 对话

理解 AWS 计费与成本管理 MCP 的工作原理

Amazon Q CLI 和计费 MCP 的分步配置与集成

在实际场景中利用计费 MCP 的最佳实践

跨多个 AWS 账户的成本管理实例

🚀 变革工具：AWS 计费 MCP

💲 定价 MCP vs 💵 计费 MCP

⚡ 前后对比：转变过程

🛠️ 设置指南（Ubuntu 22.04）

🚀 实际应用示例

🔬 高阶实际场景

📋 快速参考卡

上周的月度账单评审中，领导层在周会上问了我一个简单的问题："我们 AWS 账单为什么在开发账户上跳涨了 30%？"

本应 5 分钟能回答的问题，结果花了我 3 小时来调查。我不得不：

登录 12 个不同的 AWS 账户（我们按团队和环境组织）

从每个账户的成本浏览器导出 CSV 文件

在 Excel 中手动合并数据以找出模式

与部署日志交叉对比找出真凶

当我终于找到答案时（有人在沙箱环境中留下了一个大型 RDS 实例运行），会议已经结束，我还错过了另外两个重要的电话。

这不是一次性事件。每周都有类似的应急事件：

"我们会超过 Q4 的预算吗？"

"哪个团队导致了 CloudWatch 成本的上升？"

"能不能给新微服务架构预估成本？"

每个问题都意味着数小时的手动工作、在不同账户之间切换和构建自定义报告。肯定有更好的办法。

🚀 变革工具：AWS 计费 MCP

AWS 计费与成本管理 MCP 服务器对任何管理复杂 AWS 环境的人来说都是真正的变革工具。把它看作一个你可以随时聊天的个人成本分析师。

过去，我每月都要花数小时下载 CSV 文件、交叉检查使用情况，往往到月初才意识到成本已经飙升。之后便是漫长耗时的过程：检查预算告警、与团队沟通，以及深入挖掘资源来理解出了什么问题。

现在，有了连接到计费 MCP 服务器的 Amazon Q CLI，流程完全改变了。每当预算告警被触发时，我只需问："嘿 Q，我为什么收到这个告警？"，我就能立刻获得详细的实时洞察。

与其在多个 AWS 控制台间点击，我现在可以从 CLI 提出简单英文问题并立即获得答案。直接从命令行检查账单已成为我日常工作流的一部分。

我使用的示例查询：

q "Show me which accounts had cost spikes this week"
q "Compare EC2 spending across all production accounts"
q "Are we on track to hit our monthly budget?"

这个转变让成本分析从痛苦的手动过程变成了快速、对话式的体验。

💲 定价 MCP vs 💵 计费 MCP：有什么区别？

我出于不同目的使用两个服务器：

它们完美地协作。我在架构设计时使用定价 MCP，在日常成本管理中使用计费 MCP。

如需 AWS 定价 MCP 的详细演练，你可以查看我的文章：Real-Time AWS Cost Estimation Using the Pricing MCP Server and Amazon Q CLI。

MCP（Model Context Protocol）服务器在本地运行，连接到 AWS 的计费 API。当我通过 Amazon Q CLI 提出问题时，它会：

将我的问题转译成正确的 AWS API 调用

从成本浏览器、预算和其他服务获取数据

跨所有账户分析结果

返回清晰的答案及可执行的洞察

再也不用手动导出或 Excel 体操。

⚡ 前后对比：转变过程

🛠️ 设置指南（Ubuntu 22.04）

本部分提供 Amazon Q 的分步实现，随后是 AWS 计费 MCP 服务器的配置，以与 Amazon Q 无缝集成。

配置 Amazon Q CLI

本部分讲解在 Ubuntu 22.04 LTS 实例上分步配置 Amazon Q CLI，确保无缝集成和最佳性能。

第 1 步：更新系统软件包

在安装新软件之前更新软件包列表总是最佳实践。

sudo apt update -y

第 2 步：下载 Amazon Q CLI 软件包

使用 wget 从官方 Amazon Q 发布服务器下载最新的 .deb 软件包：

wget https://desktop-release.q.us-east-1.amazonaws.com/latest/amazon-q.deb

第 3 步：安装依赖项（可选）

在安装软件包之前，确保所有必需的依赖项都已安装。如果你已经执行了第 1 步的更新命令，则此步骤对你来说是可选的，现在可以跳过。

sudo apt-get install -f

第 4 步：安装 Amazon Q CLI 软件包

现在使用 dpkg 安装 .deb 软件包：

sudo dpkg -i amazon-q.deb

第 5 步：验证 Amazon Q

q --version

如果遇到任何依赖问题，重新运行 sudo apt-get install -f 来自动修复。

使用 Builder ID 登录 Amazon Q CLI

成功安装 Amazon Q CLI 后，下一步是进行身份验证。以下是使用 Builder ID 登录的方法：

第 1 步：运行登录命令

在你的终端中输入：

q login

你会看到一个包含两个选项的提示。选择：

Use for Free with Builder ID

如果你还没有 Builder ID，可以在这一步中使用你的邮箱创建一个。

第 2 步：在浏览器中确认授权

Amazon Q 将生成一个唯一的确认链接和代码。你需要：

在浏览器中手动打开提供的链接，并使用你的邮箱登录。

在提示时输入验证码。

代码验证成功后，Amazon Q 将要求允许访问你的 Builder ID 账户。点击允许。

使用以下命令启动 Amazon Q：

q

👉 如果你想订阅 Amazon Q Pro，以下文章将指导你通过 Amazon Q CLI 直接订阅的流程：Link

配置 AWS 计费 MCP 的 MCP 服务器

本部分讲解如何设置一个 MCP（Model Context Protocol）服务器，使 Amazon Q 能够访问 AWS 成本。

第 1 步：安装 Python 3.10

要在本地运行 MCP 服务器，Amazon Q 需要 Python 3.10。以下是在 Ubuntu 22.04 LTS 上正确安装的各个命令的详细说明。

1. 更新软件包列表

sudo apt update -y

它的作用：从 Ubuntu 仓库获取最新的可用软件包和版本列表。在安装任何新软件前总是很好的第一步。

2. 安装 software-properties-common

sudo apt install -y software-properties-common

它的作用：安装一个允许你管理额外仓库（如 PPA）的软件包。需要添加 Deadsnakes PPA 来获取 Python 3.10。

3. 添加 Deadsnakes PPA

sudo add-apt-repository ppa:deadsnakes/ppa -y

它的作用：将 Deadsnakes 个人软件包存档 (PPA) 添加到你的系统。这个 PPA 维护了 Ubuntu 默认仓库中没有的最新版 Python。

4. 安装 Python 3.10 及相关工具

sudo apt install -y python3.10 python3.10-venv python3.10-dev

python3.10：安装 Python 3.10 解释器

python3.10-venv：启用使用 python3.10 -m venv 创建虚拟环境的功能

python3.10-dev：提供构建带有原生扩展的 Python 软件包所需的头文件和开发工具

完成这些步骤后，Python 3.10 将在你的 EC2 实例上可用。

你可以使用以下命令验证版本：

python3.10 --version

第 2 步：设置虚拟环境

创建一个虚拟环境来隔离 MCP 服务器：

python3.10 -m venv ~/aws-mcp-env
source ~/aws-mcp-env/bin/activate

第 3 步：安装 MCP 服务器和依赖项

使用 pip 安装所需库：

pip install --upgrade pip
pip install uv uvenv trio

第 4 步：配置 Amazon Q 使用 MCP 服务器

首先，切换到 Amazon Q 配置目录：

mkdir -p ~/.aws/amazonq

然后在 ~/.aws/amazonq/mcp.json 创建配置文件：

{
  "mcpServers": {
    "awslabs.billing-cost-management-mcp-server": {
      "command": "uvx",
      "args": [
        "awslabs.billing-cost-management-mcp-server@latest"
      ],
      "env": {
        "AWS_PROFILE": "default",
        "AWS_REGION": "us-east-1"
      },
      "disabled": false
    }
  }
}

你可以使用 nano 或 vim 创建该文件：

nano ~/aws/amazonq/mcp.json

粘贴上述配置并保存文件。

注意：如果你在 MCP 配置代码中遇到任何问题，请跟随这个链接。

重要：如果你的 MCP 未加载或显示类似下面示例的警告，请注意这些警告来自 AWS 服务限制和账户配置，不是 MCP 服务器代码本身的问题。

可选：使用 Amazon Q CLI 设置 MCP

或者，如果你提供正确的提示，Amazon Q CLI 本身可以帮助你设置 MCP 服务器。你可以询问：

Set up a local MCP server for AWS Pricing MCP

这种方法可能会通过自动处理包安装和配置来简化过程。

🚀 真实案例：测试和使用 AWS Billing MCP

一旦你的 AWS Billing MCP 服务器配置完成，这里是实际示例来测试你的设置并立即看到价值。

示例 1：快速健康检查

一位 FinOps 工程师想确认 MCP 服务器已连接并返回计费数据。

q "Show me my current AWS billing setup"

响应：确认 MCP 连接性并检索当前计费配置。

示例 2：月成本概览

CFO 要求快速总结月度 AWS 支出。

q "What's my total AWS spend this month?"

响应：跨所有关联 AWS 账户提供当前计费周期的统一成本报告。

示例 3：成本峰值调查

DevOps 负责人注意到突然计费增加并想找到源头。

q "Show me any unusual cost increases in the last 7 days"

响应：突出显示有异常增长的服务或账户，启用快速故障排除。

示例 4：预算跟踪

财务团队需要检查是否在月度预算范围内。

q "Am I on track to stay within my monthly budget?"

响应：显示当前预算使用情况、预计月末支出和活跃的预算告警。

示例 5：优化机会

云架构师想识别未充分利用的资源以实现节省。

q "Find EC2 instances that are underutilized and can be downsized"

响应：列出低利用率 EC2 实例及其缩减或终止建议。

示例 6：多账户可见性

领导层要求多个 AWS 账户的成本分解。

q "List all my AWS accounts with their current costs"

响应：提供账户级别的成本分布，以提高财务责任感。

示例 7：CI/CD 集成检查

部署 5 个新的 m5.large 实例前，团队想在流水线中验证成本影响。

q "Estimate cost impact of deploying 5 new m5.large instances"

响应：估计增量月成本，帮助防止部署期间的预算超支。

🔬 高级真实场景

示例 8：异常检测

安全和财务团队希望在支出与历史趋势明显偏离时收到告警。

q "Alert me to any cost anomalies compared to historical patterns"

响应：检测服务或区域间的异常峰值，并建议调查的根本原因。

示例 9：基于标签的成本分配

工程领导层想使用标签理解项目级支出。

q "Show me costs grouped by team or project tags"

响应：基于标签（例如 team=dev、project=mobile-app）提供成本分解，允许反向计费和问责。如果你的资源未关联标签，Amazon Q 仍将返回未标记的使用情况和成本。下面是查询时此情况的示例输出。

示例 10：预测性成本预测

CTO 需要基于当前增长趋势规划季度预算。

q "Predict next quarter's AWS costs based on current usage trends"

响应：提供下一季度的预测成本，并识别潜在的超支领域。

示例 11：合规与治理检查

云治理团队必须确保所有账户遵循成本政策。

q "Show me any resources violating our cost governance policies"

响应：列出不符合规定的资源，如未标记的实例、过大的资源或未使用的存储卷。

📋 快速参考卡

基本日常提示：

q "Cost status check"                    # 总体健康状况
q "Any alerts today?"                   # 今天需要解决的问题  
q "Top optimization opportunities"       # 快速赢利
q "Remaining budget this month"          # 日常规划

调查提示：

q "Why did costs spike yesterday?"      # 根本原因分析
q "Compare costs: this month vs last"   # 趋势分析
q "Show unused resources"               # 浪费识别
q "Rightsizing recommendations"         # 优化

q "Cost impact of new deployment"       # 部署前
q "Forecast next month's bill"          # 预算编制
q "ROI of Reserved Instances"           # 投资决策
q "Projected costs for next quarter"    # 长期规划

你最大的 AWS 成本痛点是什么？在下方留言，我会给你展示确切的 MCP 提示来解决它！

尝试这些入门提示并分享你的结果：

q "What's my biggest cost optimization opportunity right now?"

q "List cost anomalies detected this week"

q "Which accounts need immediate attention?"

这只是开始。我已经看到 AI 驱动的成本管理将如何转变 FinOps：

成本峰值前的主动告警

自动资源优化而非手动调整大小

基于部署模式的预测性预算编制

开发期间的实时成本优化

我们不再对账单惊喜做出反应，而是在每项决策中融入成本意识。

✔️ 结论：通过采用 AWS Billing MCP 服务器，我将跨 47 个账户的 AWS 成本管理从反应式、电子表格密集的流程转变为主动式、AI 驱动的工作流，提供即时洞察、防止预算超支并推动持续优化。曾经需要数小时手工操作的工作现在只需数分钟，报告更快、异常检测更迅速、调整大小建议更聪明。更重要的是，它创造了一个文化转变，使 FinOps 成为设计的一部分，其中成本意识被嵌入日常站会、CI/CD 流水线和架构评审中，将云成本管理转变为一个持续的、智能的、协作的过程，使工程师和领导层都能做出更明智、数据驱动的决策。

感谢阅读！我希望这篇文章给了你实用的洞察和对这个话题更清晰的视角。

❤️ 如果它增加了价值，请点赞

🦄 如果你今天就在应用它，请点独角兽

💾 为你的下一个优化会话保存

🔄 与你的团队分享

关注我了解更多：

AWS 架构模式

多账户策略

更多深度分析即将发布，涉及云运营、GenAI、DevOps 和数据工作流，请关注获取每周洞察。

我很想听听你的想法，请留言或在 LinkedIn 上与我联系。

某些评论可能仅对已登录的访客可见。登录查看所有评论。

如需进一步行动，你可以考虑屏蔽此人和/或举报滥用行为