使用更精简的 MCP 服务器梳理 AWS 成本
同一个 AWS MCP 服务器被构建了两次（一次臃肿，包含 15 个工具；一次精简，仅含 4 个工具），以便你能在 Kiro 的 /context 视图中实时观察 AI 代理如何变得更便宜、更智能。任务：作者构建了两个版本的只读 AWS 成本分类 MCP 服务器：一个包含 15 个薄 API 包装器的臃肿版本，以及一个包含 4 个结果导向工具的精简版本。精简版本使用约束模式、过滤响应和延迟分类加载。人类角色涉及设计工具结构、用 Python 实现代码，并在 Kiro 中运行 A/B 测试以比较代理行为。；工具：custom-built or unnamed agent。人工角色：原始帖子没有说明人如何参与。；局限：演示使用了少量工具；节省随大型生产设置（90+ 工具）而扩大。精简服务器最初缺乏对跨区域部分失败（例如，限流）的明确处理，这可能导致不完整的审计被报告为完整。作者承认这一差距，并计划在后续版本中添加扫描状态指示器。。
工具
custom-built or unnamed agent
Agent Work Atlas 发布日期:
概述
同一个 AWS MCP 服务器被构建了两次（一次臃肿，包含 15 个工具；一次精简，仅含 4 个工具），以便你能在 Kiro 的 /context 视图中实时观察 AI 代理如何变得更便宜、更智能。
工作流程
作者构建了两个版本的只读 AWS 成本分类 MCP 服务器：一个包含 15 个薄 API 包装器的臃肿版本，以及一个包含 4 个结果导向工具的精简版本。精简版本使用约束模式、过滤响应和延迟分类加载。人类角色涉及设计工具结构、用 Python 实现代码，并在 Kiro 中运行 A/B 测试以比较代理行为。
原文报告的结果
精简服务器将相同查询的工具调用次数从 7 次减少到 2 次，并将工具模式缩小了 88%。两个版本都识别出了相同的浪费资源（例如，未附加的卷、孤立快照）。作者指出，虽然模式大小显著减小，但在这个小型演示中，Kiro 中的整体上下文窗口使用量仅从 1.1% 下降到 0.8%，因为其他因素主导了预算。
人工角色
原始帖子没有说明人如何参与。
局限
演示使用了少量工具；节省随大型生产设置（90+ 工具）而扩大。精简服务器最初缺乏对跨区域部分失败（例如，限流）的明确处理，这可能导致不完整的审计被报告为完整。作者承认这一差距，并计划在后续版本中添加扫描状态指示器。
试一试
我想复制 AWS MCP 服务器优化实验。请克隆仓库 https://github.com/simplynadaf/aws-lean-mcp.git。首先，运行冒烟测试脚本以验证工具数量差异（15 对 4）和模式大小缩减。然后，在我的 Kiro 环境中配置两个服务器版本。使用提示“我在这个账户中哪里浪费了钱？”针对 us-east-1 中的只读 AWS 账户。记录两个版本的工具调用次数和最终发现。确保代理不执行任何写操作。如果精简服务器由于 API 限流返回不完整结果，请将其标记为已知限制。不要向 AWS 账户发布任何更改。
来源报告未经独立核验。发布日期为本站案例发布日期，并非原始文章日期。