Live:CloudOps Webinars & Hands-on Workshops ·Register ↗
मुख्य कंटेंट तक स्किप करें

Kiro IDE MCP Server - त्वरित शुरुआत गाइड

आपको क्या मिलेगा​

Kiro IDE में सीधे सरल हिंदी/अंग्रेजी में प्रश्न पूछें:

  • "कौन सा मॉडल सबसे अधिक टोकन खपत कर रहा है?"
  • "Claude Haiku की औसत लेटेंसी क्या है?"
  • "पिछले एक घंटे के लिए मेरी LLM लागत का अनुमान लगाएं"

डैशबोर्ड पर स्विच करने या जटिल क्वेरी लिखने की आवश्यकता नहीं!

चरण 1: Kiro में MCP Server कॉन्फ़िगर करें​

विकल्प A: Workspace कॉन्फ़िगरेशन का उपयोग करें (अनुशंसित)​

  1. MCP config डायरेक्टरी बनाएं:

    mkdir -p .kiro/settings

  2. MCP कॉन्फ़िगरेशन कॉपी करें:

    cp AI-OBS_DEMO/kiro-mcp-config.json .kiro/settings/mcp.json

  3. कॉन्फ़िग में पाथ अपडेट करें (यदि आवश्यक हो): .kiro/settings/mcp.json खोलें और cloudwatch_mcp_server.py का पाथ सत्यापित करें:

    {
      "mcpServers": {
        "ai-observability": {
          "command": "python3",
          "args": [
            "/path/to/mcp-server/cloudwatch_mcp_server.py"
          ],
          "env": {
            "AWS_REGION": "your-aws-region"
          },
          "disabled": false,
          "autoApprove": []
        }
      }
    }

विकल्प B: User-Level कॉन्फ़िगरेशन का उपयोग करें (Global)​

  1. User config डायरेक्टरी बनाएं:

    mkdir -p ~/.kiro/settings

  2. कॉन्फ़िगरेशन कॉपी करें:

    cp AI-OBS_DEMO/kiro-mcp-config.json ~/.kiro/settings/mcp.json

चरण 2: AWS क्रेडेंशियल सत्यापित करें​

MCP सर्वर को CloudWatch क्वेरी करने के लिए AWS क्रेडेंशियल की आवश्यकता है:

# Check your AWS credentials are configured
aws sts get-caller-identity

# Should show:
# {
#     "UserId": "...",
#     "Account": "<your-account-id>",
#     "Arn": "arn:aws:iam::<your-account-id>:user/<your-username>"
# }

यदि कॉन्फ़िगर नहीं है, तो AWS क्रेडेंशियल सेट करें:

aws configure
# Enter your AWS Access Key ID
# Enter your AWS Secret Access Key
# Default region: your-aws-region
# Default output format: json

चरण 3: MCP Server का परीक्षण करें (वैकल्पिक)​

Kiro में उपयोग करने से पहले, सत्यापित करें कि MCP सर्वर काम कर रहा है:

python3 AI-OBS_DEMO/test-mcp-server.py

आपको इस तरह का आउटपुट दिखना चाहिए:

Testing CloudWatch MCP Server
==============================

1. Testing get_token_usage...
✅ Success: {
  "token_type": "input",
  "time_range_hours": 1,
  "models": [...]
}

2. Testing get_model_latency...
✅ Success: {...}

चरण 4: Kiro IDE पुनः शुरू करें​

Kiro को MCP कॉन्फ़िगरेशन लोड करने के लिए:

  1. अपना सारा काम सेव करें
  2. Kiro को पूरी तरह बंद करें (Mac पर Cmd+Q, या File → Exit)
  3. Kiro फिर से खोलें
  4. अपना workspace खोलें (वह फ़ोल्डर जिसमें .kiro/settings/mcp.json है)

चरण 5: MCP Server कनेक्शन सत्यापित करें​

  1. Kiro Feature Panel खोलें (बाईं साइडबार)
  2. "MCP Servers" सेक्शन देखें
  3. आपको दिखना चाहिए: ai-observability हरे स्टेटस इंडिकेटर के साथ
  4. यदि लाल इंडिकेटर दिखता है: एरर विवरण देखने के लिए उस पर क्लिक करें

कनेक्शन समस्याओं का निवारण​

यदि सर्वर डिस्कनेक्ट दिखता है:

  1. Kiro के बाएं पैनल में MCP Server view चेक करें
  2. उपलब्ध होने पर "Reconnect" पर क्लिक करें
  3. लॉग चेक करें: MCP सर्वर आउटपुट में एरर मैसेज देखें
  4. Python पाथ सत्यापित करें: सुनिश्चित करें कि python3 आपके PATH में है
  5. फ़ाइल अनुमतियां चेक करें: सुनिश्चित करें कि cloudwatch_mcp_server.py पढ़ने योग्य है

चरण 6: प्राकृतिक भाषा क्वेरी का उपयोग करें​

Kiro Chat में​

  1. Kiro Chat खोलें (Cmd+L या chat आइकन पर क्लिक करें)
  2. सरल अंग्रेजी में अपना प्रश्न टाइप करें:
Which model is consuming the most tokens?
  1. Kiro स्वचालित रूप से:
    • इसे ऑब्ज़र्वेबिलिटी क्वेरी के रूप में पहचानेगा
    • MCP सर्वर के get_token_usage टूल को कॉल करेगा
    • स्ट्रक्चर्ड परिणाम लौटाएगा

आज़माने के लिए उदाहरण क्वेरी​

1. टोकन उपयोग​

Which model is consuming the most tokens?

अपेक्षित प्रतिक्रिया:

{
  "token_type": "input",
  "time_range_hours": 1,
  "models": [
    {
      "model": "anthropic.claude-3-haiku-20240307-v1:0",
      "total_tokens": 475
    },
    {
      "model": "gpt-4o",
      "total_tokens": 312
    }
  ]
}

2. लेटेंसी सांख्यिकी​

What's the average latency for all models?

अपेक्षित प्रतिक्रिया:

{
  "time_range_hours": 1,
  "models": [
    {
      "model": "anthropic.claude-3-sonnet-20240229-v1:0",
      "avg_latency_ms": 2567.89
    },
    {
      "model": "gpt-4o",
      "avg_latency_ms": 2234.12
    }
  ]
}

3. लागत अनुमान​

Estimate the cost of LLM usage for the last hour

अपेक्षित प्रतिक्रिया:

{
  "time_range_hours": 1,
  "total_estimated_cost_usd": 0.0142,
  "cost_breakdown": [
    {
      "model": "anthropic.claude-3-haiku-20240307-v1:0",
      "input_tokens": 475,
      "output_tokens": 8084,
      "estimated_cost_usd": 0.0102
    }
  ]
}

4. अनुरोध मात्रा​

How many requests have been made in the last hour?

5. मॉडल तुलना​

Compare all models by latency and token usage

चरण 7: उन्नत उपयोग​

कस्टम समय सीमा​

आप अपनी क्वेरी में कस्टम समय सीमा निर्दिष्ट कर सकते हैं:

Show me token usage for the last 2 hours
What was the latency for Claude Haiku in the last 3 hours?

विशिष्ट मॉडल क्वेरी​

उनकी पूरी ID का उपयोग करके विशिष्ट मॉडल क्वेरी करें:

What's the latency for anthropic.claude-3-haiku-20240307-v1:0?

मल्टी-मेट्रिक क्वेरी​

व्यापक एनालिसिस के लिए पूछें:

Give me a complete overview of Claude Haiku performance

समस्या निवारण​

"No data" प्रतिक्रिया​

समस्या: MCP सर्वर खाली परिणाम लौटाता है

समाधान:

  1. मेट्रिक्स जनरेट करने के लिए डेमो चलाएं: 
    python3 AI-OBS_DEMO/multi-cloud-demo.py
  2. CloudWatch को मेट्रिक्स इंजेस्ट करने के लिए 1-2 मिनट प्रतीक्षा करें
  3. समय सीमा बढ़ाने का प्रयास करें: "Show me token usage for the last 2 hours"

MCP Server प्रतिक्रिया नहीं दे रहा​

समस्या: क्वेरी टाइमआउट या विफल हो जाती हैं

समाधान:

  1. Kiro के MCP पैनल में MCP सर्वर स्टेटस चेक करें
  2. AWS क्रेडेंशियल सत्यापित करें: aws sts get-caller-identity
  3. CloudWatch अनुमतियां चेक करें
  4. MCP कॉन्फ़िगरेशन पुनः लोड करने के लिए Kiro पुनः शुरू करें

अनुमति एरर​

समस्या: प्रतिक्रियाओं में "AccessDenied" एरर

समाधान:

  1. सत्यापित करें कि IAM अनुमतियों में शामिल है:
    • cloudwatch:GetMetricStatistics
    • cloudwatch:ListMetrics
  2. चेक करें कि AWS region सही सेट है

Python पाथ समस्याएं​

समस्या: "python3: command not found"

समाधान:

  1. अपना Python पाथ खोजें: which python3
  2. MCP कॉन्फ़िग को पूरे पाथ के साथ अपडेट करें: 
    "command": "/usr/local/bin/python3"

सर्वोत्तम परिणामों के लिए सुझाव​

1. ताज़ा डेटा जनरेट करें​

क्वेरी करने से पहले, सुनिश्चित करें कि आपके पास हाल के मेट्रिक्स हैं:

python3 AI-OBS_DEMO/multi-cloud-demo.py

2. प्राकृतिक भाषा का उपयोग करें​

MCP सर्वर प्राकृतिक प्रश्नों को समझता है:

  • ✅ "Which model costs the most?"
  • ✅ "Show me latency for all models"
  • ✅ "How many tokens did Claude use?"

3. जब आवश्यक हो तब विशिष्ट रहें​

विशिष्ट मॉडलों के लिए, उनकी पूरी ID का उपयोग करें:

What's the latency for anthropic.claude-3-haiku-20240307-v1:0?

4. कोड कॉन्टेक्स्ट के साथ मिलाएं​

कोड देखते समय आप प्रश्न पूछ सकते हैं:

Based on this code, estimate the cost if we run it 1000 times

उपलब्ध MCP टूल​

MCP सर्वर 5 टूल प्रदान करता है:

टूलविवरणउदाहरण क्वेरी
get_token_usageमॉडल के अनुसार टोकन खपत"Which model uses the most tokens?"
get_model_latencyलेटेंसी सांख्यिकी"What's the average latency?"
get_request_countअनुरोध मात्रा"How many requests were made?"
get_cost_estimateलागत अनुमान"Estimate my LLM costs"
compare_modelsमल्टी-मेट्रिक तुलना"Compare all models"

अगले कदम​

डेमो के लिए स्क्रीनशॉट लें​

  1. डेमो चलाएं: python3 AI-OBS_DEMO/multi-cloud-demo.py
  2. 1-2 मिनट प्रतीक्षा करें
  3. पूछें: "Estimate the cost of LLM usage for the last hour"
  4. क्वेरी + प्रतिक्रिया दिखाने वाला स्क्रीनशॉट लें

अपने उपयोग के मामले के लिए कस्टमाइज़ करें​

mcp-server/cloudwatch_mcp_server.py को एडिट करें:

  • कस्टम मेट्रिक्स जोड़ें
  • लागत गणना सूत्र बदलें
  • नए क्वेरी टूल जोड़ें
  • अन्य AWS सेवाओं के साथ इंटीग्रेट करें

अपनी टीम के साथ शेयर करें​

  1. .kiro/settings/mcp.json को अपनी repo में कमिट करें
  2. टीम के सदस्यों को स्वचालित रूप से MCP एक्सेस मिलेगा
  3. हर कोई अपने IDE से ऑब्ज़र्वेबिलिटी डेटा क्वेरी कर सकता है

संसाधन​

  • MCP Server कोड: AI-OBS_DEMO/mcp-server/cloudwatch_mcp_server.py
  • Test Script: AI-OBS_DEMO/test-mcp-server.py
  • उदाहरण क्वेरी: AI-OBS_DEMO/MCP-DEMO-QUERIES.md
  • आर्किटेक्चर: AI-OBS_DEMO/ARCHITECTURE.md

त्वरित संदर्भ कार्ड​

# Setup
mkdir -p .kiro/settings
cp AI-OBS_DEMO/kiro-mcp-config.json .kiro/settings/mcp.json

# Test
python3 AI-OBS_DEMO/test-mcp-server.py

# Generate Data
python3 AI-OBS_DEMO/multi-cloud-demo.py

# Restart Kiro
# Cmd+Q → Reopen

# Query in Chat
"Which model is consuming the most tokens?"

प्रश्न? अधिक उदाहरणों के लिए MCP-DEMO-QUERIES.md देखें या GitHub पर एक issue खोलें।