Cloudprice

cloudprice-mcp

クラウドの料金をAIアシスタントに尋ねるだけで、実際の定価がわかります。

cloudprice-mcpは、Claude、Cursor、GitHub Copilotなど、あらゆるMCPクライアントに、AWS、Azure、GCP、OCIの料金とFinOpsツールを提供します。さらに、約2,300通りのモデルとプロバイダーの組み合わせに対応したLLMトークン料金も確認できます。クラウドアカウントもAPIキーも不要です。プロバイダーの公開料金APIから毎週更新されるカタログを使って動作します。

• 4つのクラウドをまとめて回答。OCIと、他の多くのツールが対象外としている10 TBの無料データ送信も含みます。
• クラウドとAIのコストを並べて比較：同じ会話内で、VM、GPU、そこで実行するLLMの呼び出し料金を確認できます。
• 料金の履歴：毎週のカタログがすべて保存されるため、現在の料金だけでなく、何が変わったかも確認できます。
• 単なる検索ではなく、意思決定に役立つ情報：RI／Savings Planの損益分岐点、3年間のTCO、移行コストの回収期間、データ送信の裁定取引、炭素排出量（kg CO2e）、FOCUS 1.3へのエクスポートに対応しています。

クイックスタート

MCPクライアントの設定（Claude Desktop、Cursor、VS Codeなど）に以下を追加してください。 uvxがダウンロードして実行するため、事前のインストールは不要です。

{
  "mcpServers": {
    "cloudprice": { "command": "uvx", "args": ["cloudprice-mcp"] }
  }
}

Claude Codeの場合：claude mcp add cloudprice -- uvx cloudprice-mcp

または、pipでインストールし、検出されたすべてのクライアントを設定できます（各設定を書き込む前に確認を求めます）。

pip install cloudprice-mcp
cloudprice-mcp setup

クライアントを再起動すると、38個のツールが表示されます。問題が発生した場合は、cloudprice-mcp doctorで原因を確認できます。INSTALL.mdには、Windows、macOS、Linuxでのクライアントごとの手順が記載されています。Python 3.10以降が必要です。

各リリースの更新内容：CHANGELOG.md。

質問例

「AWS で t3.2xlarge を 6 台運用しています。オンデマンド、1 年間の Savings Plan、3 年間の RI の場合、損益分岐点は何か月目ですか？」 → optimize_commitment

「インターネットへの送信が月 50 TB の場合、最も安いクラウドはどれで、移行すると 3 年間でいくら節約できますか？」 → compare_egress、find_egress_arbitrage （OCI は月額約 $340、ハイパースケーラーでは月額約 $4,000）

「3 層アプリを 4 つすべてのクラウドでサイジングしてください。Web 8 台（4 vCPU／16 GB）、アプリ 12 台（8／32）、DB 4 台（16／64）、SSD 5 TB、月間送信量 10 TB、マルチ AZ です。」 → compare_workload、compare_total_cost_of_ownership

「月に入力 5,000 万／出力 1,000 万トークンを処理する最も安い方法は何ですか。また、Claude Sonnet は Bedrock と Vertex で同じ価格ですか？」 → compare_token_pricing

「4 つのクラウドで、GPU 1 時間あたりの料金が最も安い H100 インスタンスはどれですか？」 → compare_gpu_workload

「API に月間 20 億の入力トークン／5 億の出力トークンを送信しています。H100 を 8 台レンタルして Llama を自社でホストしたほうが安くなりますか。また、どの利用量でそうなりますか？」 → compare_llm_vs_selfhost

「サポートエージェントは平均 8 ステップで、システムプロンプトは 2k、ツール定義は 3k です。月 50,000 回実行する場合、Sonnet と Haiku でいくらかかりますか。プロンプトキャッシュでいくら節約できますか。また、AgentCore と Lambda でホストした場合はどうですか？」 → estimate_agent_cost（トークンに加え、AgentCore Runtime／Gateway／Memory と Lambda）

「今週、LLM の価格にどのような変更がありましたか。Bedrock や Groq で安くなったものはありますか？」 → llm_price_changes（約 3,600 件のモデル／プロバイダー価格の週次アーカイブ）

「Bedrock と Azure OpenAI のどのモデルが今後 6 か月以内に提供終了となり、後継モデルは何ですか？」 → model_retirements（analyze_ai_spend と review_agentcore でも自動的に警告されます）

「OCI E5.Flex の価格は 5 月以降、どのように変化しましたか？」 → get_price_history

「FOCUS エクスポート（~/Downloads/focus-2026-10.csv）はこちらです。費用の内訳、先月急増した項目、Savings Plans でカバーされる利用量を教えてください。」 → analyze_bill — お使いのマシン上でファイルを読み取ります。データはどこにも送信されず、ホスト型デプロイからは呼び出せません。

「同じエクスポートを使って、コミットメントが不足しているか、先週急増した項目、team タグが付いていない支出の割合を教えてください。」 → find_commitment_gaps、detect_bill_anomalies、analyze_cost_allocation

「今月の請求額はいくらになりますか。また、顧客 1 人あたりのコストはいくらですか。9 月の顧客数は 41,000 人、10 月は 44,500 人でした。」 → forecast_spend、calculate_unit_cost

「この請求書に記載されたコンピューティングの費用は、Azure、GCP、OCI ではいくらになりますか？」 → reprice_bill：実際に使用した vCPU とメモリの料金を 4 つすべてのクラウドで算出し、実際に支払った金額と並べて表示します。

「Bedrock と Azure OpenAI にいくら使っていますか。定価を支払っていますか。プロンプトキャッシュは役立ちますか？」 → analyze_ai_spend

「AgentCore のデプロイをレビューしてください。安全ですか。エージェントのコストはいくらで、最初に修正すべき点は何ですか？」 → terraform show -json の出力と請求書を使った review_agentcore

すべての回答にはカタログの日付と、ツールがモデル化できない項目を示す honest_gaps リストが含まれます。そのため、数値がどこまで正確かを AI が伝えられます。

独自の請求データとデプロイを使って確認する

9 つのツールが、マシン上のファイルを読み取ります。クラウドの請求データ（FOCUS エクスポート）と AgentCore のデプロイ（Terraform JSON）です。ファイルがマシンの外に送信されることはありません。AI アシスタントに返されるのは、ツールによる要約のみです。このサーバーのホステッドデプロイでは、これらのツールを呼び出すことはできません。

1. 請求データを FOCUS CSV としてダウンロードします。 主要なクラウドサービスはすべてエクスポートに対応しています。

クラウド	場所	ガイド
AWS	Billing and Cost Management → Data Exports → Create → FOCUS エクスポート、CSV → S3 バケットからダウンロード	AWS
Azure	Cost Management → Exports → Create → Cost and usage details (FOCUS)、CSV → ストレージアカウントからダウンロードします。大きなエクスポートは分割されて届くため、1 つのパートを分析するか、先に結合してください	Azure
GCP	Billing → FOCUS export to BigQuery → 対象の月をクエリ → 結果を CSV として保存	GCP
OCI	Billing → Cost and Usage Reports → FOCUS reports → Download	OCI

最大 500 MB の .csv と .csv.gz を読み取れます。

2. 質問にファイルパスを含めて尋ねます。

「請求データはこちらです：~/Downloads/focus-2026-10.csv。費用の内訳と、ほかのクラウドを使った場合の費用、AI への支出額を教えてください。」

質問	ツール
費用の内訳はどうなっていますか？	analyze_bill
コミットメントが不足していますか？アイドル状態のコミットメントにはいくらかかっていますか？	find_commitment_gaps
いつから、どの費用が急増しましたか？	detect_bill_anomalies
team タグが付いていない支出はいくらですか？	analyze_cost_allocation
今月の費用はいくらになりますか？顧客 1 人あたりの費用は？	forecast_spend, calculate_unit_cost
ほかのクラウドでコンピューティングを利用した場合、費用はいくらになりますか？	reprice_bill
AI モデルの費用はいくらで、定価で支払っていますか？	analyze_ai_spend

3. AgentCore のデプロイを確認します（Terraform）：

terraform plan -out=tfplan
terraform show -json tfplan > plan.json

「~/plan.json にある AgentCore のデプロイを確認してください。請求データは ~/Downloads/focus.csv にあり、エージェントには agent=support というタグが付いています。」

重大度順に、パブリックネットワーク、認証されていないゲートウェイ、モデルの権限、環境変数内のシークレット、アイドルセッションの費用、アラームやタグの不足などの検出結果が表示されます。請求データがあれば、エージェントの費用や、キャッシュによる節約額も確認できます。各項目には、リソース名、Terraform での修正方法、ルールの根拠となる AWS のページが記載されています。意図的に検出結果を受け入れる場合は、その旨を伝えてください。「aws_bedrockagentcore_agent_runtime.demo の S1 はスキップしてください。パブリックなデモです」 のように指定します。その項目は、理由とともにスキップ済みとして一覧に表示されます。

plan.json には、シークレットを含む Terraform が把握しているすべての値が記載されています。レビューで値が再掲されることはありませんが、このファイルは git に含めず、作業が終わったら削除してください。

ツール

38 個のツールが用途別に分類されています。詳しい説明と引数は、 docs/TOOLS.md（サーバーから生成されるため、常に最新です）をご覧ください。

用途	ツール
1 つの価格を調べる	get_aws_price、get_azure_price、get_gcp_price、compare_clouds
ワークロードの料金を見積もる	compare_compute_inventory、compare_storage_inventory、compare_workload、compare_object_storage、compare_postgres_database、compare_egress
FinOps の意思決定	assess_migration、optimize_commitment、compare_total_cost_of_ownership、find_egress_arbitrage、generate_decision_report
スポット、GPU、炭素排出量	compare_spot、compare_gpu_workload、compare_carbon_footprint
価格履歴	get_price_history、list_tracked_skus、detect_price_anomalies、watch_workload
AI／LLM のコスト	estimate_agent_cost、compare_llm_vs_selfhost、compare_token_pricing、lookup_extended_model_pricing、llm_price_changes、model_retirements
実際の請求額（ローカルのみ）	analyze_bill、find_commitment_gaps、detect_bill_anomalies、analyze_cost_allocation、forecast_spend、calculate_unit_cost、reprice_bill、analyze_ai_spend
デプロイメントをレビューする（ローカルのみ）	review_agentcore
エクスポート	export_focus

FinOps Framework の対応範囲

ツールがFinOps Foundationの ケイパビリティにどう対応するかを示します。「実際の請求額」ツールは FOCUS のエクスポートをローカルで読み込みます。それ以外のツールは リスト価格と週次の価格アーカイブを使用します。

ケイパビリティ	ツール
データ取り込み	analyze_bill（FOCUS の入力）、export_focus（FOCUS の出力）
レポートと分析	analyze_bill
配賦	analyze_cost_allocation
異常管理	detect_bill_anomalies（実際の支出）、detect_price_anomalies、watch_workload（リスト価格）
料金の最適化	find_commitment_gaps（実際の支出）、optimize_commitment、compare_spot
ワークロードの最適化	compare_compute_inventory、compare_gpu_workload、compare_llm_vs_selfhost
計画と見積もり	compare_workload、compare_total_cost_of_ownership、assess_migration、estimate_agent_cost
クラウド向けのアーキテクチャ設計	reprice_bill（実際の支出）、review_agentcore（設定）、find_egress_arbitrage、assess_migration
ベンチマーク	reprice_bill（実際の支出）、compare_clouds、compare_token_pricing、llm_price_changes
クラウドのサステナビリティ	compare_carbon_footprint
予測	forecast_spend
ユニットエコノミクス	calculate_unit_cost
AI の FinOps	analyze_ai_spend（実際の支出）、review_agentcore（エージェント）、model_retirements、estimate_agent_cost、compare_token_pricing、llm_price_changes

例：compare_workload の入力

{
  "compute": [
    { "name": "web", "vcpus": 4,  "memory_gb": 16, "quantity": 8,  "os_disk_gb": 100, "os_disk_type": "ssd" },
    { "name": "app", "vcpus": 8,  "memory_gb": 32, "quantity": 12, "os_disk_gb": 200, "os_disk_type": "ssd" },
    { "name": "db",  "vcpus": 16, "memory_gb": 64, "quantity": 4,  "os_disk_gb": 500, "os_disk_type": "ssd" }
  ],
  "storage": [
    { "name": "shared-fast", "capacity_gb": 5000,  "disk_type": "ssd" },
    { "name": "shared-bulk", "capacity_gb": 50000, "disk_type": "hdd" }
  ],
  "commitment": "1yr_no_upfront",
  "multi_az": true
}

モデリングに関する注記。 コミットメントには、保守的なコンピューティング割引が適用されます（1 年 ≈ 30％、3 年 ≈ 50％）。ストレージは割引されません。スナップショットはデフォルトで完全コピーとして料金を算出します。実際の増分スナップショットを反映するには、snapshot_incremental_factor（例：0.3）を設定してください。multi_az はコンピューティングを 2 倍にしますが、ストレージは 2 倍にしません。

料金データ

価格は、4 つのクラウドにわたる一般的な SKU を厳選したデータセットとして同梱されています。

• コンピューティング（AWS／Azure／GCP／OCI 全体で約 50 の VM SKU。OCI A1 Always Free、A2 Arm Ampere、E5 Flex を含む）
• ブロックストレージ（各クラウドの SSD と HDD）
• オブジェクトストレージ（各クラウドの Hot／Cool／Archive 階層。OCI Always Free 20 GB を含む）
• マネージド PostgreSQL（RDS／Azure DB／Cloud SQL／OCI Database with PostgreSQL）

毎週自動更新

同梱のカタログは、各クラウドの公開価格 API にアクセスする GitHub Action によって、毎週日曜日に更新されます。

• AWS — Pricing API（boto3 経由、OIDC 認証）
• Azure — Retail Prices API（公開、認証不要）
• OCI — Public pricing API（公開、認証不要）
• GCP — Cloud Billing Catalog API（API キー経由 — GCP_API_KEY 環境変数）。v0.8.0 で追加
• Bedrock LLM トークン価格 — AWS Pricing API の AmazonBedrock サービスコード（boto3 経由、同じ OIDC ロール）。v0.15.0 で追加 — 対象としている Bedrock ホスト型モデル（Claude 4 Opus/Sonnet、Claude 3/3.5 Haiku、Llama 3.1/3.3、Mistral Large 2、DeepSeek R1）すべての入力／出力トークン料金を更新します。
• 拡張 LLM カタログ — LiteLLM の model_prices_and_context_window.json（MIT ライセンス、コミュニティ管理、認証不要）。v0.16.0 で追加 — Together AI、Fireworks、Groq、Replicate、Perplexity、Bedrock／Azure の各リージョン版、旧モデルバージョンを網羅する約 2000 の（モデル、プロバイダー）組み合わせを取り込みます。lookup_extended_model_pricing ツールで利用します。厳選された手動確認済み価格（compare_token_pricing）と拡張価格（lookup_extended_model_pricing）は意図的に分けているため、ユーザーは常にどのカタログを参照しているかを把握できます。

更新のたびに、src/cloudprice_mcp/data/prices/YYYY-MM-DD.json と src/cloudprice_mcp/data/token_prices/YYYY-MM-DD.json に日付付きスナップショットが保存されます。公開された JSON はすべてリポジトリに残ります。履歴アーカイブは MIT ライセンスで、リリースのたびに拡充されます。

すべてのツール結果には、使用した価格が正確にわかるよう、カタログの as_of フィールドが含まれます。

公開価格履歴データセット

cloudprice-mcp は、私たちの知る限り、毎週のスナップショットをすべて保存している唯一の FinOps ツールです。「5 月の m5.xlarge の料金はいくらでしたか？」 と問い合わせることができます。AWS Calculator も GCP Estimator も、ページには常に今日の価格が表示されるため、この質問には答えられません。

CLI から履歴を問い合わせる：

cloudprice-mcp history --cloud oci --sku VM.Standard.E5.Flex.4OCPU
# oci/VM.Standard.E5.Flex.4OCPU (us-ashburn-1) — 2 data point(s)
#
# AS_OF          HOURLY USD
# --------------------------
# 2026-04-26   $    0.67600
# 2026-05-12   $    0.18400
#
# Change: -72.78% ($-0.49200/h)

-72.78% の下落は、v0.7.0 の自動更新によって、以前の OCI カタログにあった手動で編集された不正確な価格が修正されたことを示しています。自動更新が機能している証拠です。

2 つの新しい MCP ツールを使って、AI アシスタントから履歴を問い合わせることもできます。

• get_price_history(cloud, sku, since?) — 時系列データと価格変動の統計情報をすべて取得します
• list_tracked_skus(cloud?, since?) — 履歴がある（クラウド、SKU）の組み合わせをすべて取得します

この機能で、次のような質問が可能になります。

「AWS m5.xlarge の価格は前四半期に変わりましたか？」 → AI が get_price_history を呼び出し、開始価格、終了価格、変動率を含む時系列データを返します。

「1 月以降に価格が変動した、すべてのマルチクラウド SKU を表示してください。」 → AI が list_tracked_skus(since="2026-01-01") を呼び出し、各 SKU と最新価格、変動をすべて返します。

プロバイダー横断の LLM トークン料金

トークンコストは、2026 年に最も急速に増加している FinOps の項目です。それにもかかわらず、プロバイダーを横断して比較できる公開情報はありません。同じモデルが複数のプロバイダーから異なる料金で提供されていることもよくあります（Anthropic／Bedrock／Vertex の Claude、OpenAI／Azure OpenAI の GPT、Bedrock の Llama）。

from cloudprice_mcp.finops.tokens import compare_token_pricing

# Cheapest model overall for a 50M-in / 10M-out monthly workload
r = compare_token_pricing(
    monthly_input_tokens=50_000_000,
    monthly_output_tokens=10_000_000,
)
# gemini-1.5-flash on google is cheapest at $6.75/mo for 50M in / 10M out tokens.
#   gemini-1.5-flash       on google        $   6.75/mo
#   gemini-1.5-flash       on vertex        $   6.75/mo
#   gemini-2.0-flash       on google        $   9.00/mo
#   llama-3.1-8b           on bedrock       $  13.20/mo
#   gpt-4o-mini            on openai        $  13.50/mo
#   deepseek-v3            on deepseek      $  24.50/mo

# Same model across all hosts — proves Claude 4 Sonnet provider parity
# (and surfaces that only Anthropic API publishes the 90%-off cache_read rate)
r = compare_token_pricing(model_id="claude-4-sonnet")
#   anthropic   in=$3/1M  out=$15/1M  cache_read=$0.30/1M  cache_write=$3.75/1M
#   bedrock     in=$3/1M  out=$15/1M
#   vertex      in=$3/1M  out=$15/1M

8 つのプロバイダーで、19 のモデルを比較できます。Claude（4 Opus／4 Sonnet／3.5 Haiku／3 Haiku）、GPT（5、5 mini、4o、4o-mini、o1）、Gemini（2.0 Flash、1.5 Pro／Flash）、Llama（3.1 8B／70B／405B、3.3 70B）、Mistral Large 2、DeepSeek V3／R1 が対象です。

これにより、次のような質問に答えられます。

「出力が多いチャットで月間 1,000 万トークンを出力する場合、200K のコンテキストを処理できる最安のモデルは？」 → AI は、ボリュームと任意の model_family フィルターを指定して compare_token_pricing を呼び出し、条件を満たすすべてのモデルとプロバイダーの組み合わせについて、月額コストを安い順に返します。

「Claude は Anthropic API と Bedrock のどちらを使うべきですか？」 → compare_token_pricing(model_id="claude-4-sonnet") は、トークンあたりの料金が同じであることを示します。一方、Anthropic API ではキャッシュ読み取り料金が Bedrock の公開料金より 10 分の 1 です。キャッシュを多用するワークロードでは、Anthropic が有利です。

マルチクラウド GPU 料金

クラウドコストの中でも最も急速に増加しているカテゴリですが、クラウドを横断して比較できる公開情報はありません。

from cloudprice_mcp.finops.gpu import compare_gpu_workload
from cloudprice_mcp.pricing import load_catalog

r = compare_gpu_workload(load_catalog(), gpu_type="H100", gpu_count=8)
# OCI BM.GPU.H100.8 is cheapest at $80.0000/h for 8x H100.
#   oci    BM.GPU.H100.8                  $ 80.0000/h  $10.0000/GPU/h
#   gcp    a3-highgpu-8g                  $ 84.4000/h  $10.5500/GPU/h
#   aws    p5.48xlarge                    $ 98.3200/h  $12.2900/GPU/h
#   azure  ND96isr_H100_v5                $ 98.3200/h  $12.2900/GPU/h

4 つのクラウドすべてで、NVIDIA T4、A10、A10G、L4、L40S、V100、A100、H100 を比較できます。次の情報を返します。

• 絶対料金で最も安い選択肢 — 各クラウドで条件に合う SKU のうち、最も安いもの
• GPU あたりの効率が最も高い選択肢 — クラウドが異なる場合もあります（たとえば OCI の BM.GPU4.8 は GPU あたりでは最安ですが、8 基単位でしか販売されないため、gpu_count=1 では Azure／GCP が絶対料金の順位で上位になります）
• 過剰プロビジョニングの警告 — 条件に一致する唯一の SKU に、指定数を超える GPU が含まれている場合に表示します
• GPU メモリ — 同じ gpu_type フィールドで A100 40GB と 80GB を区別します

OCI の H100 に関する調査結果は実際のものです。同じハードウェアで H100 を 8 基使用する場合、AWS／Azure より約 19％安くなります。

Cost Drift Sentinel

クエリツールからエージェントの機能への進化です。多くの FinOps ツールは「これはいくらかかりますか？」に答えますが、このツールは「承認したときのコストと、今も同じですか？」に答えます。

from cloudprice_mcp.finops.sentinel import watch_workload
from cloudprice_mcp.inventory import parse_dict
from cloudprice_mcp.pricing import load_catalog

# First call — captures a baseline. Persist the returned baseline JSON.
result = watch_workload(load_catalog(), parse_dict(workload_spec))
save(result["baseline"])

# Later — pass the baseline back to detect drift.
report = watch_workload(load_catalog(), parse_dict(workload_spec), baseline=load_baseline())
if report["alert_triggered"]:
    notify_humans(report["headline"])

設計上、ステートレスです。サーバーもデータベースもありません。ベースラインの JSON は、IaC リポジトリ内のファイル、S3、Slack のダイレクトメッセージなど、任意の場所に保存できます。各呼び出しは (catalog, workload, baseline) の純粋関数です。

主な特長：

• ワークロードのハッシュで保護 — ワークロードの仕様を変更するとハッシュが一致しなくなるため、誤解を招くドリフトレポートではなく、新しいベースラインが返されます
• SKU レベルの要因分析 — ドリフトレポートでは料金履歴データセットを参照し、ベースラインから現在までに最も価格が変動した SKU を提示します
• しきい値の設定 — デフォルトは 5％です。alert_threshold_pct=N を渡して調整できます

そのまま使える GitHub Action テンプレートは examples/cloudprice-watch.yml にあります。workload.json がある任意の IaC リポジトリに追加すると、コストの変動時に GitHub Issue が自動で作成されます。ベースラインはリポジトリにコミットされるため、履歴を監査できます。

カーボンを考慮した FinOps — ワークロードあたりの kg CO2e を USD と併せて表示

同じクエリでコストとカーボンフットプリントの両方を返す、唯一の FinOps MCP ツールです。AWS、Azure、GCP はそれぞれ顧客向けダッシュボード（Customer Carbon Footprint Tool、Emissions Impact Dashboard、Carbon Footprint）を公開していますが、プロバイダー間で比較できるものはありません。cloudprice なら比較できます。

from cloudprice_mcp.finops.carbon import compare_carbon_footprint
from cloudprice_mcp.pricing import load_catalog

result = compare_carbon_footprint(load_catalog(), vcpus=8, memory_gb=32, quantity=6)
# Returns per-cloud SKU + cost + power class (x86/ARM) + monthly kWh +
# grid-based kg CO2e + market-based residual kg CO2e (after renewable matching),
# ranked cheapest-carbon-first.

モデル化している項目（すべてのレスポンスで開示）：

• クラウドごとの PUE：各プロバイダーの公開サステナビリティレポートに基づきます
• リージョンごとの電力網の炭素強度：公開排出量データに基づきます（米国では EPA eGRID、その他の地域では同様の基準値を使用）
• プロバイダーごとの再生可能エネルギーのマッチング（AWS／Azure は 100％、GCP は約 64％ CFE、OCI は EU 以外ではマッチングなし）
• ARM と x86 の電力クラス — ARM SKU（Graviton、Ampere、Axion）は、vCPU あたりの電力消費が約 30％低いものとしてモデル化しています
• クラウドごとに 2 種類の炭素排出量：ロケーション基準（電力網）とマーケット基準（再生可能エネルギーとのマッチング後の残余量）。監査担当者が両方の観点を確認できるよう、両方を表示します

モデル化していない項目（常に honest_gaps[] で開示）：

• 内包炭素（サーバー製造時の排出量）— 運用時のみを対象
• GPU／ネットワーク／ストレージの電力 — コンピューティングとメモリのみを対象
• 時間帯による電力網の変動 — 年間平均のみ
• リアルタイムの 24 時間 365 日 CFE マッチング — GCP が公開する年間 CFE 比率を cloudprice で使用します

この機能で可能になる実際の質問：

「4 vCPU／16 GB、6 インスタンスの場合、最も炭素排出量の少ないクラウドはどれですか？」 → AI が compare_carbon_footprint を呼び出し、クラウドごとの月間 kg CO2e を順位付けして返します。

「x86 ではなく ARM で実行すると、炭素排出量をどれくらい削減できますか？」 → AI が同じ構成で対象 SKU だけを変えて、2 回呼び出します。

モデル化していない項目（実環境で TCO を押し上げる要因）

• ✅ エグレス／データ転送 — v0.5 でモデル化済み（compare_egress）
• ✅ 複数 AZ／HA レプリカ — v0.5 でモデル化済み（compare_workload の multi_az: true）
• ✅ スナップショットの上限値のみの算出 — v0.5 で修正済み（snapshot_incremental_factor）
• リザーブド／Savings Plan の SKU 詳細（リージョン／ファミリーごとの詳細ではなく、一律のティア割引を適用します）— ロードマップ
• マルチリージョンの料金（現在は us-east のみ。us-west／eu-west は v0.5.1 で対応予定）— ロードマップ
• IOPS ベースのストレージの照合（容量のみ）— ロードマップ
• バックアップストレージ料金（無料のクラウドもあれば、課金されるクラウドもあります）— ロードマップ
• リクエスト料金（オブジェクトストレージの PUT／GET 料金）— ロードマップ
• アーカイブ階層のデータ取り出し料金（Glacier のようなデータ取り出しでは、ストレージ料金の 10 倍になることがあります）— ロードマップ
• VPC ピアリング／相互接続料金 — ロードマップ

これらはロードマップ項目として管理されています。オンデマンドの定価ベースラインには cloudprice-mcp を使用し、大きな意思決定の根拠にする前に、各クラウド独自の料金計算ツールで最終的な TCO 分析を行ってください。

**実行時のライブ料金（週次更新だけではありません）**は v0.8 で検討中です。バンドルされたカタログからではなく、MCP ツールの呼び出し時に価格を直接取得する方式です。トレードオフとして、遅くなる（ツールを使うたびにネットワーク呼び出しが発生する）、GCP 認証が必要になる、オフラインモードが利用できなくなる点があります。v0.7 の週次自動更新で、実行時のコストをかけずに信頼性向上の約 95％を実現できます。ライブモードはオプトイン向けです。

ローカルで開発する

git clone https://github.com/Albaker-Group/cloudprice-mcp.git
cd cloudprice-mcp
uv sync                     # Python + dev tools at the versions in uv.lock (see mise.toml)
uv run pytest               # CI also runs: ruff check, ruff format --check, coverage floor
uv run python scripts/gen_tools_md.py   # after changing a tool's description

開発用コピーを Claude Desktop で使うには、設定の command を差し替えてください。

{
  "mcpServers": {
    "cloudprice": {
      "command": "python",
      "args": ["-m", "cloudprice_mcp.server"]
    }
  }
}

ライセンス

MIT — LICENSE を参照してください。

クレジット

Ali Albaker（マルチクラウドアーキテクト）が開発しました。AWS、Azure、GCP にまたがる月額約 1.80 ドルの 3 クラウド環境を運用しており、2026 年には 4 つ目のクラウドとして OCI が加わる予定です。