Агентные кейсы
Разработка и DevOps

Свой MCP-сервер для разбора расходов AWS, сокращённый с 15 инструментов до 4

Автор дважды собрал MCP-сервер для поиска лишних расходов в AWS и проверил оба в Kiro. Версия из 4 инструментов ответила на вопрос за 2 вызова вместо 7, описания инструментов стали на 88% короче, а находки совпали.

Сделано со своим агентом


Что сделали

Автор собрал MCP-сервер только для чтения, разбирающий расходы AWS, в двух вариантах. Первый состоял из 15 тонких обёрток над boto3, второй из 4 инструментов уровня результата. Оба запускались в Kiro на одном и том же реальном аккаунте с вопросом, где тратятся лишние деньги. В компактной версии инструмент find_waste сам выполняет все проверки и возвращает по пять полей на каждую находку. Параметры у инструментов ограничены, а оценку экономии делает отдельный инструмент estimate_savings.

Что получилось

Раздутому серверу понадобилось 7 вызовов, компактному 2. Описания инструментов сократились на 88% (с 7 898 до 897 символов). Оба варианта нашли три одних и тех же ресурса с лишними расходами. Стоимость Elastic IP так и осталась непроверенной.

На что обратить внимание

На этом маленьком демо индикатор контекста в Kiro сдвинулся всего с 1,1% до 0,8%. Большой экономии стоит ждать, только когда инструментов много.

Пояснение

MCP-сервер даёт агенту набор инструментов. Описание каждого занимает место в контексте модели. boto3 это официальная библиотека Python для работы с AWS. Kiro это среда разработки с ИИ-агентом от Amazon. Elastic IP это постоянный публичный IP-адрес в AWS.

Кому пригодится

Разработчикам, если они пишут свои MCP-серверы и замечают, что агент тратит слишком много вызовов и контекста.

Попробуйте сами

Посмотри мой MCP-сервер в [путь к проекту], у него [число] инструментов для [например, данные о расходах AWS]. Предложи компактную схему. Объедини пересекающиеся инструменты в как можно меньшее число, сократи схемы и сохрани возможность отвечать на вопросы вроде [пример вопроса]. Перед правкой файлов покажи мне план и число инструментов до и после. Потом внедри изменения и сравни, сколько вызовов инструментов уходит на этот вопрос.

Нужна помощь с запуском? Вступайте в сообщество AI Pack ↗

Читать оригинал ↗

Источник: dev.to ·

Похожие кейсы

Веб-приложение с базой, хранилищем картинок и лендингом на Replit Agent за $35.82

Автор собрал в Replit Agent сайт для сообщений о проблемах безопасности на дорогах с базой Postgres, хранилищем картинок, аналитикой и лендингом. Приложение работает на своём домене, а переход на S3 не удался и был откачен.

Автоматическое ревью pull request в GitHub агентом n8n

Автор статьи на Medium собрал в n8n агента, который на каждый новый PR забирает diff, просит модель OpenAI сделать ревью и публикует комментарий с меткой. Ревью получались многословными и могли пропускать главные проблемы.