AWS Bedrock Logs MCP

AWS Bedrock Logs MCP

通过 Anthropic 的 MCP（模型上下文协议） 分析 AWS Bedrock 使用情况和日志的命令行界面与 API。

概述

此工具提供了一种便捷方式，可使用 Anthropic 的 Claude 模型作为交互界面来分析 AWS Bedrock 模型调用日志。它作为 MCP 服务运行，向 Claude 提供 AWS CloudWatch Logs API 功能，让你能够用自然语言查询和分析 Bedrock 使用数据。

功能

• 模型使用情况分析：查看 Bedrock 模型使用情况和令牌消耗的详细统计信息
• 按用户分析：按用户分析使用模式和成本
• 每日使用报告：跟踪每日使用趋势和模型调用
• 令牌消耗指标：监控输入、补全和令牌总使用量
• 交互式界面：通过自然语言使用 Claude 查询 Bedrock 使用数据

要求

• Python 3.13+
• 具有 CloudWatch Logs 访问权限的 AWS 凭证
• Anthropic API 访问权限（用于集成 Claude）

安装

1. 安装 uv：

   # On macOS and Linux
   curl -LsSf https://astral.sh/uv/install.sh | sh
   

   # On Windows
   powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"
   

2. 克隆此仓库：

   git clone https://github.com/dheerajoruganty/aws-bedrock-logs-mcp-server.git
   cd aws-bedrock-logs-mcp-server
   

3. 设置 Python 虚拟环境并安装依赖项：

   uv venv && source .venv/bin/activate && uv pip sync pyproject.toml
   

   Windows 系统：

   uv venv && .venv\Scripts\activate && uv pip sync pyproject.toml
   

4. 配置 AWS 凭证：

   mkdir -p ~/.aws
   # Set up your credentials in ~/.aws/credentials and ~/.aws/config
   

用法

启动服务

使用以下命令运行服务：

python cloudwatch_mcp_server.py

默认情况下，服务使用 stdio 传输方式与 MCP 客户端通信。

Claude Desktop 配置

使用 Claude Desktop 配置此工具：

{
  "mcpServers": {
    "aws_bedrock_logs": {
      "command": "uv",
      "args": [
          "--directory",
          "/path/to/aws-bedrock-logs-mcp",
          "run",
          "cloudwatch_mcp_server.py"
      ]
    }
  }
}

请将目录路径替换为系统上仓库的实际路径。

可用工具

服务提供以下工具，供 Claude 使用：

1. get_bedrock_logs_df：以 pandas DataFrame 的形式获取原始 Bedrock 调用日志
2. get_model_usage_stats：获取按模型分组的使用统计信息
3. get_user_usage_stats：获取按用户分组的使用统计信息
4. get_daily_usage_stats：获取每日使用统计信息和趋势

示例查询

通过支持 MCP 的界面连接到 Claude 后，你可以提出以下问题：

• “显示过去 7 天的 Bedrock 使用统计信息”
• “按模型划分的平均令牌消耗量是多少？”
• “按令牌总数计算，Bedrock 的主要用户有哪些？”
• “按日汇总模型调用情况”

开发

项目结构

• cloudwatch_mcp_server.py：包含 MCP 工具的服务主要实现
• pyproject.toml：项目依赖项和元数据
• Dockerfile：用于部署的容器定义

依赖项

主要依赖项包括：

• boto3：适用于 Python 的 AWS SDK
• mcp[cli]：Anthropic 的模型上下文协议
• pandas：数据处理与分析
• pydantic：使用 Python 类型注解进行数据验证

许可证

MIT 许可证

致谢

• 此工具使用 Anthropic 的 MCP 框架
• 由 AWS CloudWatch Logs API 提供支持
• 使用 FastMCP 构建服务