FollowAgents AI AGENTS 目录
首页 / 全部 Agents / OptimNow Cloud FinOps 知识库
自动化与运维 cloud-finopscloud-cost-optimizationai-cost-managementchargebackkubernetesgreenopsmcp-server

OptimNow Cloud FinOps 知识库

为 AI 助手提供云、AI 与数据平台成本管理知识和可检索的实用手册。

在 GitHub 查看 ↗ 快速上手 ↓
源仓库
OptimNow/cloud-finops-skills
Star 数
★ 63
最近更新
今天
License
CC-BY-SA-4.0
主语言
Python
FA 评分
65/100 · 存在缺口

30 秒速览

运行形态
Agent 插件 / 技能MCP 服务器
可在哪里用
通用 · 跨平台Claude CodeChatGPT · Codex · Claude.ai（部分支持）
费用
免费，无需付费服务
上手难度
低 · 几分钟可跑通
开始前需要
PythonpipShell / 命令行网络访问本地文件系统MCP Server
典型场景
FinOps 从业者需要指导 AI 助手分析 Bedrock、Azure OpenAI 或 Vertex AI 的推理成本和容量选择。
不适合
  • 需要工具直接读取云账户并自动执行优化的团队
  • 需要仓库内提供实时云和模型价格的团队
源码审查
65/100 · 存在缺口

这个 Agent 能做什么，适合哪些场景？

这是由 OptimNow 维护的 FinOps 知识技能与 MCP 检索服务器，覆盖 AWS、Azure、GCP、OCI、AI 推理经济学、Kubernetes、数据平台、成本分摊、异常管理和浪费检测。技能由 SKILL.md、参考资料和命名模式手册组成，可作为 Claude 插件安装，也可通过 install.sh 为多种 AI 工具写入规则文件。MCP 服务器通过六个只读工具按需检索同一资料库，并可在支持 MCP Apps 的客户端显示交互视图。它提供计费机制和检测手册，不读取用户云账户，也不包含实时价格数据。用户需自行运行手册中的查询，并可按需接入托管 MCP 或安装 PyPI 包。

将 plugins/cloud-finops/skills/cloud-finops/SKILL.md、references/ 和 playbooks/ 中的内容提供给 AI 助手：技能路径把指导预先放入模型上下文，install.sh 可自动检测工具或通过 --tool <name> 指定目标；Claude Code 可用插件市场命令安装。MCP 路径中，客户端向 https://mcp.optimnow.io/mcp 发送检索请求，服务器提供 list_references()、get_reference(name, section?)、find_references(...)、list_playbooks()、get_playbook(name) 和 find_playbooks(...) 六个只读工具，返回资料、分面目录或检测步骤。用户随后自行执行手册中的 SQL 或 CLI 检测命令。资料讲解计费机制而不维护实时价格；价格问题应使用可用的实时定价工具。

  1. FinOps 从业者需要指导 AI 助手分析 Bedrock、Azure OpenAI 或 Vertex AI 的推理成本和容量选择。
  2. 云工程团队遇到 NAT 网关向对象存储传输流量等账单异常，需要查找对应的检测与修复手册。
  3. FinOps 与财务团队评估在共享 Kubernetes 集群上从 showback 转向 chargeback 的前置条件。
  4. 平台团队需要按 AWS、Azure、GCP 或跨云浪费模式检索运行手册，再自行执行检测查询。
  5. 负责数据平台成本的团队需要查询 Databricks、Fabric 或 Snowflake 的计费与分摊机制。
  6. 组织开始制定云碳排放报告、区域选择或碳感知工作负载的 FinOps 做法。

如何安装或部署这个 Agent？

Claude Code 可安装仅含技能文件的插件：

/plugin marketplace add https://github.com/OptimNow/cloud-finops-skills.git
/plugin install cloud-finops@optimnow

其他支持目标可用安装脚本；将 <name> 替换为脚本支持的工具名称：

curl -sL https://raw.githubusercontent.com/OptimNow/cloud-finops-skills/main/install.sh | bash -s -- --tool <name>

也可让脚本自动检测工具：

curl -sL https://raw.githubusercontent.com/OptimNow/cloud-finops-skills/main/install.sh | bash

使用托管 MCP 时无需安装软件，将客户端连接到 https://mcp.optimnow.io/mcp。Claude Code 命令为：

claude mcp add --transport http cloud-finops https://mcp.optimnow.io/mcp

自托管 MCP 包可安装为：

pip install cloud-finops-mcp

仓库说明可用 ./install.sh --tool mcp 查看 MCP 客户端配置片段。README 未列出该包运行所需的 Python 版本或凭据要求。

如何使用这个 Agent？

安装技能后，直接向支持的 AI 助手提出 FinOps 问题；对于账户特定问题，要求它查阅对应手册，再由你运行手册中的检测查询。MCP 客户端连接托管服务器后，可调用只读检索工具，例如：

find_playbooks(scope="AWS", service="NAT Gateway")

按名称取回手册：

get_playbook(name="<playbook-name>")

检索参考资料时，可调用 find_references(domain?, capability?, phase?, persona?, maturity?, persona_primary_only?)；需要特定章节时调用 get_reference(name, section?)。MCP 服务器不能查看你的云账户；它返回检测查询和指导，由你自行执行。当前价格应交给会话中已连接的实时定价工具。

这个 Agent 有哪些优点和局限？

优点
  • 同一套参考资料和手册可通过预加载技能或 MCP 按需检索两种方式使用。
  • 覆盖 AWS、Azure、GCP、OCI，并包含 AI 推理、Kubernetes、数据平台和 GreenOps 专项内容。
  • 六个 MCP 工具支持按 FinOps 能力、阶段、受众和成熟度筛选资料，并可按章节取回长文档。
  • 仓库说明每周维护资料，并称更新会经提供商文档确认和审阅。
局限
  • 工具是只读资料检索，不能连接云账户、自动发现资源或执行优化。
  • 实时价格不包含在资料库中，需另行连接定价工具或查阅实时来源。
  • MCP 按问题调用，是否触发取决于模型路由；文档记录部分咨询和具体症状问题的调用并不稳定。
  • 托管 MCP 请求会发送到 OptimNow 服务器；未命中查询的工具参数可能进入应用日志。

这个 Agent 与同类方案有什么区别？

仓库将预加载技能与 MCP 按需检索作为两种交付方式：技能在推理前把指导放入上下文，适合咨询和症状类问题；MCP 通过工具调用检索，适合目录发现、分面查询和交互视图。两者可以同时使用。该仓库不提供实时价格；价格问题转向 OptimNow AI Pricing Hub。

与相关度最高的同类 agent 并排比较关键指标。

Agent 源码审查 形态 / 费用 Star 最近更新 主语言 完整支持的平台
OptimNow Cloud FinOps 知识库 当前 65 · 存在缺口 Agent 插件 / 技能免费 ★ 63 今天 Python Claude Code
Stakpak 57 · 缺口较多 命令行工具免费 + 模型费 ★ 1.8k 3 个月前 Rust OpenAI API · Claude API
OpenSandbox 运行时 47 · 缺口较多 代码库 / SDK免费 ★ 16k 今天 Python Codex · Claude Code
OpenOps 59 · 缺口较多 自托管服务免费版 + 付费版 ★ 1.1k 今天 TypeScript —

FollowAgents 如何评估这个 Agent？

FollowAgents 源码审查 · FARS-2.1
存在缺口
65/ 100 五分制 3.3 / 5
信任安全 14/29
可靠稳定 6/14
适用触发 16/18
规范维护 15/18
有效结果 9/13
证据核验 5/8
查看各维度的扣分理由
信任安全14 / 29 · 2.4/5

材料明确说明技能是静态文本、托管 MCP 只提供只读检索，且服务器不能访问用户云账户；CI 也检查只读注解，故最小权限和数据流有实证支持。隐私政策在所给 README 中仅被链接，敏感数据处理细节未完整呈现；安装器及发布流程会产生文件写入和外部发布效果，但所给材料没有完整确认流程或回滚说明，因此这些项扣分。引用与来源意识可见，但未提供所有知识条目的逐项来源。

可靠稳定6 / 14 · 2.1/5

材料展示了覆盖矩阵、内容同步、页脚、版本漂移和 MCP 测试等多层 CI 检查，支持较好的内部一致性。外部托管 MCP、包索引及多种客户端是可用性依赖，未见服务级保障；现有材料也未充分展示面向用户的各类运行时错误信息，因此相应扣分。

适用触发16 / 18 · 4.4/5

README 明确列出 FinOps 从业者、云工程师、开发者及财务/IT 管理者，并给出多类问题示例。它清楚说明不会读取账户、不会提供实时价格，并揭示 MCP 调用路由具有概率性；多工具安装路径及技能/MCP 两种交付方式适配面较广。触发依赖模型是否选择检索，且文档指出部分问法路由不稳定，故触发精度未给满分。

规范维护15 / 18 · 4.2/5

目录、安装指南、故障排查、路线图、覆盖目录和多工具命令均较完整；已知覆盖空缺和 MCP 小组件不支持情况也有说明。发布版本、自动打标签、变更说明和维护方有记录。许可证正文清楚，但元数据为 NOASSERTION，且材料内 README 的授权徽章与 LICENSE.md 可互相印证，无法从静态材料确认所有分发位置的元数据一致；命名及 FAQ 示例虽丰富，仍未达到全面规范程度。

有效结果9 / 13 · 3.5/5

参考资料、分面检索和逐模式运行手册能产出可供使用的检测查询及操作步骤，覆盖多个云和成本主题，具备明确的实用价值。所给材料主要是项目自身对准确性和探测表现的描述，缺少独立结果佐证；模型调用检索的成本和不同交付方式的实际收益也未量化，因此仅给中等分数。

证据核验5 / 8 · 3.1/5

文件目录、前置元数据、自动检查和测试设计为覆盖及检索结构提供了可追踪证据，多个文档和 CI 项目相互印证部分维护声明。准确性、实测路由与节省效果主要由 README 自述，未提供独立来源或完整逐项出处；事实与推断有一定区分，但并非所有产品效果主张都能在材料中独立核实。

风险与缓解建议
  • 托管 MCP 提供的是对固定知识库的检索，不会查看云账户或替用户运行检测；账户相关问题需要用户自行提供数据并执行查询。
  • README 称检索路由会受措辞影响；若回答没有检索到资料，应明确要求查阅相应参考资料或运行手册。
  • 材料未包含 PRIVACY.md 全文；在提供敏感成本或账户数据前，应先查看该政策及目标托管服务的数据处理条款。
  • 价格数据不包含在知识库中，实时价格需另行连接或查阅外部来源。
证据充分度：低 评估于 2026年10月16日 审查版本 6bf6287f6b3b 评估后仓库已有新提交，评分可能未覆盖最新改动
评估证据 README.mdLICENSE.mdworkflows/auto-tag-on-plugin-bump.ymlworkflows/ci.ymltests/conftest.pytests/test_conformance.py
查看完整评分方法 →

最近版本

来自该项目 GitHub Releases 的最新发布记录，说明为上游原文摘录，未经本站改写或测试。

  1. v1.42.0
    发布说明摘录
    Cloud FinOps Skill & MCP v1.42.0 The attached cloud-finops-v1.42.0.zip is the skill bundle for upload into Claude Desktop / claude.ai (Settings -> Skills -> Upload). The attached llms-full.txt is the whole library (entry point, references, playbooks) in one file, built from this tag; llms.txt links to the latest-release copy. For Claude Code users (and 11 other tools), see [INSTALLATION.md](https://github.com/OptimNow/cloud-finops-skills/blob/main/INSTALLATION.md) for the cross-tool installer and the model-agnostic response contract. What's Changed …
    在 GitHub 查看 ↗
  2. v1.41.1
    发布说明摘录
    Cloud FinOps Skill & MCP v1.41.1 The attached cloud-finops-v1.41.1.zip is the skill bundle for upload into Claude Desktop / claude.ai (Settings -> Skills -> Upload). The attached llms-full.txt is the whole library (entry point, references, playbooks) in one file, built from this tag; llms.txt links to the latest-release copy. For Claude Code users (and 11 other tools), see [INSTALLATION.md](https://github.com/OptimNow/cloud-finops-skills/blob/main/INSTALLATION.md) for the cross-tool installer and the model-agnostic response contract. What's Changed …
    在 GitHub 查看 ↗
  3. v1.41.0
    发布说明摘录
    Cloud FinOps Skill & MCP v1.41.0 The attached cloud-finops-v1.41.0.zip is the skill bundle for upload into Claude Desktop / claude.ai (Settings -> Skills -> Upload). The attached llms-full.txt is the whole library (entry point, references, playbooks) in one file, built from this tag; llms.txt links to the latest-release copy. For Claude Code users (and 11 other tools), see [INSTALLATION.md](https://github.com/OptimNow/cloud-finops-skills/blob/main/INSTALLATION.md) for the cross-tool installer and the model-agnostic response contract. What's Changed …
    在 GitHub 查看 ↗

常见问题

它会读取我的云账户或自动修复资源吗？
不会。技能是静态文本；MCP 仅提供只读资料检索。手册中的检测查询由你在自己的账户中运行。
使用时需要支付软件费用吗？
README 将项目作为开放源代码知识技能和 MCP 提供，未说明使用收费。使用 AI 工具或模型可能产生其自身费用。
如何获得当前云或模型价格？
价格数字不作为长期资料维护。仓库建议使用会话中已连接的实时定价工具，或查看 OptimNow AI Pricing Hub。
托管 MCP 是否需要账户或密钥？
README 说明托管服务器无需账户和认证；客户端需能通过网络连接 https://mcp.optimnow.io/mcp。
为什么助手没有调用 MCP 或引用手册？
MCP 路由由模型按问题决定，文档称咨询和症状类问题的调用会因措辞而异。可明确要求“查阅 playbook library”或指定手册。
在 GitHub 查看 ↗ 安装 ↓

对比同类 Agent

用同一套 FARS 评审，横向比较这个 Agent 所属的短名单。

Claude Code Agent 横向对比

完整兼容 Claude Code 的 agent，按 FARS 评审排序——兼容性取自各 agent 自己的 AGENTS.md 与文档，不做推测。

MCP Agent 横向对比

提供或调用 Model Context Protocol 服务的 agent，按 FARS 评审排序，并列出许可证、维护状态与信任分。

相关 Agents

自动化与运维

Stakpak

让 DevOps 任务在你的机器上持续运行，并在需要时通知人工。
自动化与运维

OpenSandbox 运行时

为 AI 应用提供可扩展的隔离运行时，统一管理沙箱、命令和文件。
自动化与运维

OpenOps

无代码 FinOps 自动化平台，帮助组织降低云成本、自动化财务运营流程，并提供 AI 辅助。
自动化与运维

AI Gateway 实验室

基于 Azure API Management 与 Microsoft Foundry 的动手实验集，帮助企业为 AI 模型、MCP 工具与智能体构建安全、可观测、可控成本的网关层。