Kiro IDE MCP Server - クイックスタートガイド

得られるもの

Kiro IDE で直接平易な英語で質問できます。

「どのモデルが最もトークンを消費していますか？」
「Claude Haiku の平均レイテンシはどのくらいですか？」
「過去 1 時間の LLM コストを見積もってください」

ダッシュボードに切り替えたり、複雑なクエリを記述したりする必要はありません！

ステップ 1: Kiro で MCP Server を設定する

オプション A: ワークスペース設定を使用する（推奨）

MCP 設定ディレクトリを作成します。
```
mkdir -p .kiro/settings
```

MCP 設定をコピーします。

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

設定のパスを更新します（必要な場合）：開く .kiro/settings/mcp.json パスを確認します cloudwatch_mcp_server.py は正しいです。

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

オプション B: ユーザーレベルの設定を使用する（グローバル）

ユーザー設定ディレクトリを作成します。
```
mkdir -p ~/.kiro/settings
```

設定をコピーします。

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

ステップ 2: AWS 認証情報を確認する

MCP サーバーが CloudWatch にクエリを実行するには、AWS 認証情報が必要です。

# 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>"
# }

AWS 認証情報が設定されていない場合は、設定してください。

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

ステップ 3: MCP Server をテストする（オプション）

Kiro で使用する前に、MCP サーバーが動作することを確認します。

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

次のような出力が表示されます。

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

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

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

ステップ 4: Kiro IDE を再起動する

Kiro が MCP 設定を読み込むには、次の手順を実行します。

作業内容をすべて保存します
Kiro を完全に終了します (Mac では Cmd+Q、または File → Exit)
Kiro を再起動します
ワークスペースを開きます (フォルダーを含む .kiro/settings/mcp.json)

ステップ 5: MCP Server が接続されていることを確認する

Kiro Feature Panel を開きます（左サイドバー）
「MCP Servers」セクションを探します
以下が表示されるはずです： ai-observability 緑色のステータスインジケーターが表示されます
赤いインジケーターが表示された場合: クリックしてエラーの詳細を確認してください

接続の問題のトラブルシューティング

サーバーが切断済みと表示される場合は、次の手順を実行してください。

Kiro の左パネルで MCP Server ビューを確認します
利用可能な場合は「Reconnect」をクリックします
ログを確認します: MCP サーバーの出力でエラーメッセージを探します
Python パスを確認します: 正しく設定されていることを確認します python3 PATH に含まれていることを確認してください。
ファイルのアクセス許可を確認する: 確認してください cloudwatch_mcp_server.py 読みやすい

ステップ 6: 自然言語クエリを使用する

Kiro Chat 内

Kiro Chat を開く (Cmd+L またはチャットアイコンをクリック)
質問を入力する (平易な英語で)

Which model is consuming the most tokens?

Kiro は自動的に:
- これをオブザーバビリティクエリとして認識します
- MCP サーバーを呼び出します get_token_usage ツール
- 構造化された結果を返す

試してみるクエリの例

1. トークンの使用状況

Which model is consuming the most tokens?

期待されるレスポンス：

{
  "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. レイテンシー統計

What's the average latency for all models?

期待されるレスポンス：

{
  "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. コスト見積もり

Estimate the cost of LLM usage for the last hour

期待されるレスポンス：

{
  "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. リクエストボリューム

How many requests have been made in the last hour?

5. モデルの比較

Compare all models by latency and token usage

ステップ 7: 高度な使用方法

カスタム時間範囲

クエリでカスタム時間範囲を指定できます。

Show me token usage for the last 2 hours

What was the latency for Claude Haiku in the last 3 hours?

特定のモデルクエリ

完全な ID を使用して特定のモデルをクエリします。

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

マルチメトリクスクエリ

包括的な分析を依頼します。

Give me a complete overview of Claude Haiku performance

トラブルシューティング

「データなし」レスポンス

問題: MCP サーバーが空の結果を返す

解決策:

デモを実行してメトリクスを生成します。
```
python3 AI-OBS_DEMO/multi-cloud-demo.py
```
CloudWatch がメトリクスを取り込むまで 1〜2 分待ちます
時間範囲を広げてみてください。「過去 2 時間のトークン使用量を表示して」

MCP サーバーが応答しない

問題: クエリがタイムアウトするか失敗する

解決策:

Kiro の MCP パネルで MCP サーバーのステータスを確認してください
AWS 認証情報を確認してください。 aws sts get-caller-identity
CloudWatch の権限を確認します
Kiro を再起動して MCP 設定を再読み込みします

権限エラー

問題: レスポンスに "AccessDenied" エラーが発生する

解決策:

IAM 権限に以下が含まれていることを確認します。
- cloudwatch:GetMetricStatistics
- cloudwatch:ListMetrics
AWS リージョンが正しく設定されていることを確認します

Python パスの問題

問題: "python3: command not found"

解決策:

Python のパスを確認します。 which python3
MCP 設定をフルパスで更新します。
```
"command": "/usr/local/bin/python3"
```

最良の結果を得るためのヒント

1. 新しいデータを生成する

クエリを実行する前に、デモを実行して最新のメトリクスがあることを確認します。

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

2. 自然言語を使用する

MCP サーバーは自然な質問を理解します。

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

3. 必要に応じて具体的に記述する

特定のモデルには、完全な ID を使用します。

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

4. コードコンテキストとの組み合わせ

コードを表示しながら質問することができます。

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

利用可能な MCP ツール

MCP サーバーは 5 つのツールを提供します。

ツール	説明	クエリ例
`get_token_usage`	モデル別のトークン消費量	「どのモデルが最もトークンを使用していますか？」
`get_model_latency`	レイテンシー統計	「平均レイテンシーはどのくらいですか？」
`get_request_count`	リクエストボリューム	「リクエストは何回行われましたか？」
`get_cost_estimate`	コスト見積もり	「LLM コストを見積もってください」
`compare_models`	複数メトリクスの比較	「すべてのモデルを比較してください」

次のステップ

デモ用スクリーンショットの撮影

デモを実行します。 python3 AI-OBS_DEMO/multi-cloud-demo.py
1〜2 分待ちます
「過去 1 時間の LLM 使用コストを見積もってください」と質問します
クエリと応答を示すスクリーンショットを撮ります

ユースケースに合わせてカスタマイズする

編集 mcp-server/cloudwatch_mcp_server.py 以下の目的に使用できます。

カスタムメトリクスの追加
コスト計算式の変更
新しいクエリツールの追加
他の AWS サービスとの統合

チームと共有する

コミットします。 .kiro/settings/mcp.json リポジトリに追加します
チームメンバーは自動的に MCP アクセスを取得します
全員が IDE からオブザーバビリティデータをクエリできます

リソース

MCP サーバーコード: AI-OBS_DEMO/mcp-server/cloudwatch_mcp_server.py
テストスクリプト: AI-OBS_DEMO/test-mcp-server.py
クエリの例: AI-OBS_DEMO/MCP-DEMO-QUERIES.md
アーキテクチャ: AI-OBS_DEMO/ARCHITECTURE.md

クイックリファレンスカード

# 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?"

ご質問は？ ご確認ください MCP-DEMO-QUERIES.md その他の例については、GitHub でイシューを開いてください。

得られるもの​

ステップ 1: Kiro で MCP Server を設定する​

オプション A: ワークスペース設定を使用する（推奨）​

オプション B: ユーザーレベルの設定を使用する（グローバル）​

ステップ 2: AWS 認証情報を確認する​

ステップ 3: MCP Server をテストする（オプション）​

ステップ 4: Kiro IDE を再起動する​

ステップ 5: MCP Server が接続されていることを確認する​

接続の問題のトラブルシューティング​

ステップ 6: 自然言語クエリを使用する​

Kiro Chat 内​

試してみるクエリの例​

1. トークンの使用状況​

2. レイテンシー統計​

3. コスト見積もり​

4. リクエストボリューム​

5. モデルの比較​

ステップ 7: 高度な使用方法​

カスタム時間範囲​

特定のモデルクエリ​

マルチメトリクスクエリ​

トラブルシューティング​

「データなし」レスポンス​

MCP サーバーが応答しない​

権限エラー​

Python パスの問題​

最良の結果を得るためのヒント​

1. 新しいデータを生成する​

2. 自然言語を使用する​

3. 必要に応じて具体的に記述する​

4. コードコンテキストとの組み合わせ​

利用可能な MCP ツール​

次のステップ​

デモ用スクリーンショットの撮影​

ユースケースに合わせてカスタマイズする​

チームと共有する​

リソース​

クイックリファレンスカード​

得られるもの

ステップ 1: Kiro で MCP Server を設定する

オプション A: ワークスペース設定を使用する（推奨）

オプション B: ユーザーレベルの設定を使用する（グローバル）

ステップ 2: AWS 認証情報を確認する

ステップ 3: MCP Server をテストする（オプション）

ステップ 4: Kiro IDE を再起動する

ステップ 5: MCP Server が接続されていることを確認する

接続の問題のトラブルシューティング

ステップ 6: 自然言語クエリを使用する

Kiro Chat 内

試してみるクエリの例

1. トークンの使用状況

2. レイテンシー統計

3. コスト見積もり

4. リクエストボリューム

5. モデルの比較

ステップ 7: 高度な使用方法

カスタム時間範囲

特定のモデルクエリ

マルチメトリクスクエリ

トラブルシューティング

「データなし」レスポンス

MCP サーバーが応答しない

権限エラー

Python パスの問題

最良の結果を得るためのヒント

1. 新しいデータを生成する

2. 自然言語を使用する

3. 必要に応じて具体的に記述する

4. コードコンテキストとの組み合わせ

利用可能な MCP ツール

次のステップ

デモ用スクリーンショットの撮影

ユースケースに合わせてカスタマイズする

チームと共有する

リソース

クイックリファレンスカード