Live:CloudOps Webinars & Hands-on Workshops ·Register ↗
본문으로 건너뛰기

Kiro IDE MCP Server - 빠른 시작 가이드

얻을 수 있는 것​

Kiro IDE에서 자연어로 직접 질문하세요:

  • "Which model is consuming the most tokens?"
  • "What's the average latency for Claude Haiku?"
  • "Estimate my LLM costs for the last hour"

대시보드로 전환하거나 복잡한 쿼리를 작성할 필요가 없습니다!

1단계: Kiro에서 MCP Server 구성​

옵션 A: 워크스페이스 구성 사용 (권장)​

  1. MCP 구성 디렉토리 생성:

    mkdir -p .kiro/settings

  2. MCP 구성 복사:

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

  3. 구성에서 경로 업데이트 (필요한 경우): .kiro/settings/mcp.json을 열고 cloudwatch_mcp_server.py의 경로가 올바른지 확인하세요:

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

옵션 B: 사용자 수준 구성 사용 (글로벌)​

  1. 사용자 구성 디렉토리 생성:

    mkdir -p ~/.kiro/settings

  2. 구성 복사:

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

2단계: AWS 자격 증명 확인​

MCP 서버가 CloudWatch를 쿼리하려면 AWS 자격 증명이 필요합니다:

# AWS 자격 증명이 구성되어 있는지 확인
aws sts get-caller-identity

# 다음과 같이 표시되어야 합니다:
# {
#     "UserId": "...",
#     "Account": "<your-account-id>",
#     "Arn": "arn:aws:iam::<your-account-id>:user/<your-username>"
# }

구성되지 않은 경우, AWS 자격 증명을 설정하세요:

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

3단계: MCP Server 테스트 (선택사항)​

Kiro에서 사용하기 전에 MCP 서버가 작동하는지 확인하세요:

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

다음과 같은 출력이 표시됩니다:

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

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

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

4단계: Kiro IDE 재시작​

Kiro가 MCP 구성을 로드하려면:

  1. 모든 작업 저장
  2. Kiro 완전 종료 (Mac에서 Cmd+Q, 또는 File → Exit)
  3. Kiro 다시 열기
  4. 워크스페이스 열기 (.kiro/settings/mcp.json이 포함된 폴더)

5단계: MCP Server 연결 확인​

  1. Kiro Feature Panel 열기 (왼쪽 사이드바)
  2. "MCP Servers" 섹션 찾기
  3. 다음이 표시되어야 합니다: ai-observability에 녹색 상태 표시기
  4. 빨간색 표시기가 보이면: 클릭하여 오류 세부 정보 확인

연결 문제 해결​

서버가 연결 해제 상태로 표시되는 경우:

  1. Kiro 왼쪽 패널에서 MCP Server 뷰 확인
  2. 가능한 경우 "Reconnect" 클릭
  3. 로그 확인: MCP 서버 출력에서 오류 메시지 확인
  4. Python 경로 확인: python3이 PATH에 있는지 확인
  5. 파일 권한 확인: cloudwatch_mcp_server.py가 읽기 가능한지 확인

6단계: 자연어 쿼리 사용​

Kiro 채팅에서​

  1. Kiro 채팅 열기 (Cmd+L 또는 채팅 아이콘 클릭)
  2. 일반 영어로 질문 입력:
Which model is consuming the most tokens?
  1. Kiro가 자동으로:
    • Observability 쿼리로 인식
    • MCP 서버의 get_token_usage 도구 호출
    • 구조화된 결과 반환

시도해 볼 쿼리 예시​

1. 토큰 사용량​

Which model is consuming the most tokens?

예상 응답:

{
  "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. 지연시간 통계​

What's the average latency for all models?

예상 응답:

{
  "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. 비용 추정​

Estimate the cost of LLM usage for the last hour

예상 응답:

{
  "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. 요청 볼륨​

How many requests have been made in the last hour?

5. 모델 비교​

Compare all models by latency and token usage

7단계: 고급 사용법​

커스텀 시간 범위​

쿼리에서 커스텀 시간 범위를 지정할 수 있습니다:

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

특정 모델 쿼리​

전체 모델 ID를 사용하여 특정 모델을 쿼리하세요:

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

멀티 메트릭 쿼리​

포괄적인 분석을 요청하세요:

Give me a complete overview of Claude Haiku performance

문제 해결​

"No data" 응답​

문제: MCP 서버가 빈 결과를 반환

해결책:

  1. 메트릭을 생성하기 위해 데모 실행: 
    python3 AI-OBS_DEMO/multi-cloud-demo.py
  2. CloudWatch가 메트릭을 수집할 때까지 1-2분 대기
  3. 시간 범위를 늘려보세요: "Show me token usage for the last 2 hours"

MCP Server 응답 없음​

문제: 쿼리가 타임아웃되거나 실패

해결책:

  1. Kiro의 MCP 패널에서 MCP 서버 상태 확인
  2. AWS 자격 증명 확인: aws sts get-caller-identity
  3. CloudWatch 권한 확인
  4. MCP 구성을 다시 로드하기 위해 Kiro 재시작

권한 오류​

문제: 응답에서 "AccessDenied" 오류

해결책:

  1. IAM 권한에 다음이 포함되어 있는지 확인:
    • cloudwatch:GetMetricStatistics
    • cloudwatch:ListMetrics
  2. AWS 리전이 올바르게 설정되어 있는지 확인

Python 경로 문제​

문제: "python3: command not found"

해결책:

  1. Python 경로 찾기: which python3
  2. MCP 구성에 전체 경로로 업데이트: 
    "command": "/usr/local/bin/python3"

최상의 결과를 위한 팁​

1. 최신 데이터 생성​

쿼리 전에 최신 메트릭을 확보하기 위해 데모를 실행하세요:

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

2. 자연어 사용​

MCP 서버는 자연스러운 질문을 이해합니다:

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

3. 필요할 때 구체적으로​

특정 모델에 대해서는 전체 ID를 사용하세요:

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

4. 코드 컨텍스트와 함께 사용​

코드를 보면서 질문할 수 있습니다:

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

사용 가능한 MCP 도구​

MCP 서버는 5개의 도구를 제공합니다:

도구설명쿼리 예시
get_token_usage모델별 토큰 소비량"Which model uses the most tokens?"
get_model_latency지연시간 통계"What's the average latency?"
get_request_count요청 볼륨"How many requests were made?"
get_cost_estimate비용 추정"Estimate my LLM costs"
compare_models멀티 메트릭 비교"Compare all models"

다음 단계​

데모를 위한 스크린샷 촬영​

  1. 데모 실행: python3 AI-OBS_DEMO/multi-cloud-demo.py
  2. 1-2분 대기
  3. 질문: "Estimate the cost of LLM usage for the last hour"
  4. 쿼리 + 응답을 보여주는 스크린샷 촬영

사용 사례에 맞게 커스터마이징​

mcp-server/cloudwatch_mcp_server.py를 편집하여:

  • 커스텀 메트릭 추가
  • 비용 계산 공식 변경
  • 새로운 쿼리 도구 추가
  • 다른 AWS 서비스와 통합

팀과 공유​

  1. .kiro/settings/mcp.json을 저장소에 커밋
  2. 팀원들이 자동으로 MCP 접근 권한 획득
  3. 모든 사람이 IDE에서 Observability 데이터를 쿼리 가능

리소스​

  • MCP Server 코드: AI-OBS_DEMO/mcp-server/cloudwatch_mcp_server.py
  • 테스트 스크립트: AI-OBS_DEMO/test-mcp-server.py
  • 쿼리 예시: AI-OBS_DEMO/MCP-DEMO-QUERIES.md
  • 아키텍처: AI-OBS_DEMO/ARCHITECTURE.md

빠른 참조 카드​

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

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

# 데이터 생성
python3 AI-OBS_DEMO/multi-cloud-demo.py

# Kiro 재시작
# Cmd+Q → 다시 열기

# 채팅에서 쿼리
"Which model is consuming the most tokens?"

질문이 있으신가요? 더 많은 예시는 MCP-DEMO-QUERIES.md를 참조하시거나 GitHub에서 이슈를 열어주세요.