Kiro IDE MCP Server - 快速入门指南

您将获得什么

直接在 Kiro IDE 中用简单的英语提问：

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

无需切换到 dashboard 或编写复杂的查询！

步骤 1：在 Kiro 中配置 MCP Server

选项 A：使用工作区配置（推荐）

创建 MCP 配置目录：
```
mkdir -p .kiro/settings
```

复制 MCP 配置：

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

更新配置中的路径（如需要）：打开 .kiro/settings/mcp.json 并验证 cloudwatch_mcp_server.py 的路径正确：

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

选项 B：使用用户级配置（全局）

创建用户配置目录：
```
mkdir -p ~/.kiro/settings
```

复制配置：

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

步骤 2：验证 AWS 凭证

MCP server 需要 AWS 凭证来查询 CloudWatch：

# 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>"
# }

如果尚未配置，设置 AWS 凭证：

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

步骤 3：测试 MCP Server（可选）

在 Kiro 中使用之前，验证 MCP server 是否工作：

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

您应该看到类似以下的输出：

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

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

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

步骤 4：重启 Kiro IDE

为了让 Kiro 加载 MCP 配置：

保存所有工作
完全退出 Kiro（Mac 上 Cmd+Q，或文件 -> 退出）
重新打开 Kiro
打开您的工作区（包含 .kiro/settings/mcp.json 的文件夹）

步骤 5：验证 MCP Server 已连接

打开 Kiro 功能面板（左侧边栏）
查找 "MCP Servers" 部分
您应该看到：ai-observability 带有绿色状态指示器
如果看到红色指示器：点击查看错误详情

连接问题故障排除

如果 server 显示为断开连接：

检查 MCP Server 视图，在 Kiro 的左侧面板中
点击"重新连接"（如果可用）
检查日志：在 MCP server 输出中查找错误消息
验证 Python 路径：确保 python3 在您的 PATH 中
检查文件权限：确保 cloudwatch_mcp_server.py 可读

步骤 6：使用自然语言查询

在 Kiro 聊天中

打开 Kiro 聊天（Cmd+L 或点击聊天图标）
输入您的问题，使用简单的英语：

Which model is consuming the most tokens?

Kiro 将自动：
- 识别这是一个可观测性查询
- 调用 MCP server 的 get_token_usage 工具
- 返回结构化结果

尝试的示例查询

1. Token 使用量

Which model is consuming the most tokens?

预期响应：

{
  "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. 延迟统计

What's the average latency for all models?

预期响应：

{
  "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. 成本估算

Estimate the cost of LLM usage for the last hour

预期响应：

{
  "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. 请求量

How many requests have been made in the last hour?

5. 模型比较

Compare all models by latency and token usage

步骤 7：高级用法

自定义时间范围

您可以在查询中指定自定义时间范围：

Show me token usage for the last 2 hours

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

特定模型查询

使用完整 ID 查询特定模型：

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

多 Metrics 查询

请求全面分析：

Give me a complete overview of Claude Haiku performance

故障排除

"无数据"响应

问题：MCP server 返回空结果

解决方案：

运行演示以生成 metrics：
```
python3 AI-OBS_DEMO/multi-cloud-demo.py
```
等待 1-2 分钟让 CloudWatch 接收 metrics
尝试增加时间范围："Show me token usage for the last 2 hours"

MCP Server 无响应

问题：查询超时或失败

解决方案：

在 Kiro 的 MCP 面板中检查 MCP server 状态
验证 AWS 凭证：aws sts get-caller-identity
检查 CloudWatch 权限
重启 Kiro 以重新加载 MCP 配置

权限错误

问题：响应中出现 "AccessDenied" 错误

解决方案：

验证 IAM 权限包含：
- cloudwatch:GetMetricStatistics
- cloudwatch:ListMetrics
检查 AWS region 是否正确设置

Python 路径问题

问题："python3: command not found"

解决方案：

查找 Python 路径：which python3
使用完整路径更新 MCP 配置：
```
"command": "/usr/local/bin/python3"
```

最佳实践技巧

1. 生成新数据

查询前，运行演示以确保有最近的 metrics：

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

2. 使用自然语言

MCP server 理解自然语言问题：

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

3. 需要时具体化

对于特定模型，使用完整 ID：

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

4. 结合代码上下文

您可以在查看代码时提问：

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

可用的 MCP 工具

MCP server 提供 5 个工具：

工具	描述	示例查询
`get_token_usage`	按模型的 Token 消耗	"Which model uses the most tokens?"
`get_model_latency`	延迟统计	"What's the average latency?"
`get_request_count`	请求量	"How many requests were made?"
`get_cost_estimate`	成本估算	"Estimate my LLM costs"
`compare_models`	多 Metrics 比较	"Compare all models"

后续步骤

为演示截图

运行演示：python3 AI-OBS_DEMO/multi-cloud-demo.py
等待 1-2 分钟
提问："Estimate the cost of LLM usage for the last hour"
截图展示查询 + 响应

为您的用例自定义

编辑 mcp-server/cloudwatch_mcp_server.py 以：

添加自定义 metrics
更改成本计算公式
添加新的查询工具
集成其他 AWS 服务

与团队分享

将 .kiro/settings/mcp.json 提交到您的仓库
团队成员将自动获得 MCP 访问权限
每个人都可以从 IDE 中查询可观测性数据

资源

MCP Server 代码：AI-OBS_DEMO/mcp-server/cloudwatch_mcp_server.py
测试脚本：AI-OBS_DEMO/test-mcp-server.py
示例查询：AI-OBS_DEMO/MCP-DEMO-QUERIES.md
架构：AI-OBS_DEMO/ARCHITECTURE.md

快速参考卡

# 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?"

有疑问？ 查看 MCP-DEMO-QUERIES.md 了解更多示例或在 GitHub 上提交 issue。

您将获得什么​

步骤 1：在 Kiro 中配置 MCP Server​

选项 A：使用工作区配置（推荐）​

选项 B：使用用户级配置（全局）​

步骤 2：验证 AWS 凭证​

步骤 3：测试 MCP Server（可选）​

步骤 4：重启 Kiro IDE​

步骤 5：验证 MCP Server 已连接​

连接问题故障排除​

步骤 6：使用自然语言查询​

在 Kiro 聊天中​

尝试的示例查询​

1. Token 使用量​

2. 延迟统计​

3. 成本估算​

4. 请求量​

5. 模型比较​

步骤 7：高级用法​

自定义时间范围​

特定模型查询​

多 Metrics 查询​

故障排除​

"无数据"响应​

MCP Server 无响应​

权限错误​

Python 路径问题​

最佳实践技巧​

1. 生成新数据​

2. 使用自然语言​

3. 需要时具体化​

4. 结合代码上下文​

可用的 MCP 工具​

后续步骤​

为演示截图​

为您的用例自定义​

与团队分享​

资源​

快速参考卡​

您将获得什么

步骤 1：在 Kiro 中配置 MCP Server

选项 A：使用工作区配置（推荐）

选项 B：使用用户级配置（全局）

步骤 2：验证 AWS 凭证

步骤 3：测试 MCP Server（可选）

步骤 4：重启 Kiro IDE

步骤 5：验证 MCP Server 已连接

连接问题故障排除

步骤 6：使用自然语言查询

在 Kiro 聊天中

尝试的示例查询

1. Token 使用量

2. 延迟统计

3. 成本估算

4. 请求量

5. 模型比较

步骤 7：高级用法

自定义时间范围

特定模型查询

多 Metrics 查询

故障排除

"无数据"响应

MCP Server 无响应

权限错误

Python 路径问题

最佳实践技巧

1. 生成新数据

2. 使用自然语言

3. 需要时具体化

4. 结合代码上下文

可用的 MCP 工具

后续步骤

为演示截图

为您的用例自定义

与团队分享

资源

快速参考卡