Communitygithub.com

dautovri/cloud-cost-agent

Native-First FinOps-Agent-Fähigkeit für AWS, GCP & Azure – finden Sie Cloud-Einsparungen direkt in Claude Code, Cursor, Gemini und jedem SKILL.md-kompatiblen Agenten.

Was ist cloud-cost-agent?

Dieser Skill ist ein spezialisierter FinOps-Agent zur cloud-nativen Kostenoptimierung in AWS, GCP und Azure. Er ermöglicht Entwicklern und DevOps-Teams, innerhalb von KI-gestützten Code-Editoren wie Claude Code, Cursor oder Gemini Cloud-Kosten zu analysieren und Optimierungspotenziale zu identifizieren – ohne zusätzliche Drittanbieter-Tools. Der Skill führt vollständig über die offiziellen CLI-Befehle der Cloud-Anbieter (AWS CLI, gcloud, Azure CLI) und deren Recommendation Engines aus. Er umfasst vorgefertigte Abfragen für Cost Optimization Hub (AWS), Recommender (GCP) und Advisor (Azure), behandelt Paginierung, API-Kosten und Sicherheitsaspekte (Read-Only-First). Der Agent priorisiert Einsparungen nach Höhe und Aufwand, filtert nach ‚Quick Wins‘ und liefert eine priorisierte Liste mit konkreten nächsten Befehlen. Er unterstützt die wichtigsten Optimierungsbereiche: Rightsizing, ungenutzte Ressourcen, Reserved Instances/Savings Plans und Cost & Usage Breakdowns. Die Dokumentation enthält detaillierte Referenzen zu CLI-Befehlen, API-Endpunkten und den notwendigen IAM-Berechtigungen für jeden Anbieter.

Funktioniert mit✓Claude Code~Codex CLI✓Cursor✓Gemini CLI
npx skills add dautovri/cloud-cost-agent
Original anzeigen→Alle Skills durchsuchen

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

OpenAIChatGPTClaudeClaudeGeminiGeminiGrokGrokPerplexityPerplexityDeepSeekDeepSeek

Dokumentation

Cloud Cost Agent (AWS + GCP + Azure)

Einheitliche Agent-Fähigkeit für native Cloud-Kostenoptimierung in den drei großen Anbietern.

Voraussetzungen: AWS CLI v2, gcloud und/oder Azure CLI mit Lesezugriff auf Billing-/Recommender-/Advisor-Dienste. Einige Quellen erfordern eine einmalige Aktivierung: AWS Compute Optimizer und Cost Optimization Hub (Anmeldung), GCP Recommender (API aktiviert, ~24–48h Daten). jq wird in einigen GCP-Filtern verwendet.

Grundregel: Verwenden Sie immer die offizielle CLI und die Recommendation Engines des Anbieters. Keine Drittanbieter-Tools.

Sicherheit & Best Practices (Alle Anbieter)

  • Nur lesend zuerst. Führen Sie niemals einen mutierenden Befehl aus (aws ec2 terminate-instances/stop-instances, gcloud compute instances delete, az vm delete/deallocate, purchase/create/modify), ohne den genauen Befehl dem Benutzer zu zitieren und eine explizite Zustimmung einzuholen.
  • Verwenden Sie immer die Anbieter-Authentifizierung (--profile, gcloud --project, az account set).
  • Verwenden Sie --query / --format json / -o json für saubere Ausgaben.
  • Paginierung handhaben. Diese APIs paginieren Ergebnisse. Aggregieren Sie jede Seite, bevor Sie Summen melden – folgen Sie NextToken/nextPageToken, oder verwenden Sie bewusst --no-paginate/--max-items (AWS) und --page-size/--limit (gcloud). Ein nur gelesene Seite ergibt falsche Summen.
  • Alle Cloud-Werte in Anführungszeichen setzen/escapen. Ressourcennamen, Tags und IDs aus API-Ausgaben können Shell-Metazeichen enthalten. Interpolieren Sie diese niemals unzitiert in einen anderen Shell-Befehl.
  • API-Kosten und Schleifen beachten. aws ce (Cost Explorer) kostet ~$0,01 pro Anfrage. Führen Sie Cost Explorer-Aufrufe nicht in Schleifen aus; cachen Sie Ergebnisse in der Sitzung und begrenzen Sie sie auf eine Handvoll Aufrufe pro Audit.
  • Priorisieren: höchste geschätzte Einsparungen → geringster Aufwand.
  • Bevorzugen Sie schnelle Erfolge (Löschen ungenutzter Ressourcen, Verkleinern auf kleinere Instanzen, Aktivieren von garantierten Nutzungsmodellen, wo klar).

Portabler Datumshelfer

BSD/macOS und GNU/Linux date unterscheiden sich. Berechnen Sie das Fenster einmal portabel und verwenden Sie dann $START/$END wieder:

START=$(date -u -d '30 days ago' +%Y-%m-%d 2>/dev/null || date -u -v-30d +%Y-%m-%d)
END=$(date -u +%Y-%m-%d)

(Oder lassen Sie den Agenten einfach literale JJJJ-MM-TT-Daten einfügen.)

Verwendung

Teilen Sie dem Agenten den/die Anbieter und das Ziel mit. Beispiele:

  • auditiere AWS der letzten 30 Tage
  • finde schnelle Erfolge auf GCP und Azure
  • Rightsizing-Empfehlungen für alle Clouds

1. Pre-Flight & Authentifizierung

AWS

aws sts get-caller-identity
aws ce get-cost-and-usage \
  --time-period Start=$START,End=$END \
  --granularity MONTHLY --metrics "UnblendedCost"

Einmalige Anmeldung (erforderlich für Abschnitte 2 & 4):

aws compute-optimizer get-enrollment-status
aws compute-optimizer update-enrollment-status --status Active      # opt in
aws cost-optimization-hub list-enrollment-statuses --region us-east-1
aws cost-optimization-hub update-enrollment-status --status Active --region us-east-1

GCP

gcloud auth list
gcloud config set project YOUR_PROJECT
gcloud billing accounts list

Azure

az account show
az account set --subscription "SUB_ID"

2. Zentrale / Hochwirkungsvolle Empfehlungen

AWS — Cost Optimization Hub (bester Aggregator)

COH ist ein globaler Dienst, der nur in us-east-1 erreichbar ist und eine Anmeldung erfordert (siehe Pre-Flight).

aws cost-optimization-hub list-recommendations \
  --region us-east-1 \
  --filter '{"implementationEfforts":["VeryLow","Low"]}' \
  --query 'items[?estimatedMonthlySavings > `10`] | sort_by(@, &estimatedMonthlySavings) | reverse(@)' \
  --output json

Gültige implementationEfforts: VeryLow | Low | Medium | High | VeryHigh.

GCP — Recommender (Hauptquelle)

--location ist erforderlich. VM-/Leerlauf-Empfehlungsgeber sind zonal (z. B. us-central1-a); iterieren Sie über die von Ihnen genutzten Zonen. Der ausgabenbasierte Commitment-Empfehlungsgeber ist global und auf ein Rechnungskonto beschränkt.

# Rightsizing VMs (zonal — pro Zone wiederholen)
gcloud recommender recommendations list \
  --recommender=google.compute.instance.MachineTypeRecommender \
  --project=YOUR_PROJECT --location=us-central1-a --format=json

# Leerlauf-VMs (zonal — pro Zone wiederholen)
gcloud recommender recommendations list \
  --recommender=google.compute.instance.IdleResourceRecommender \
  --project=YOUR_PROJECT --location=us-central1-a \
  --format="table(description, primaryImpact.costProjection.cost.units, stateInfo.state)"

# Garantierte Nutzungsrabatte (global, rechnungskontobeschränkt)
gcloud recommender recommendations list \
  --recommender=google.cloudbilling.commitment.SpendBasedCommitmentRecommender \
  --billing-account=BILLING_ACCOUNT_ID --location=global --format=json

Weitere Kosten-Empfehlungsgeber: google.compute.disk.IdleResourceRecommender (Leerlauf-Datenträger), google.compute.address.IdleResourceRecommender (Leerlauf-IPs), google.compute.image.IdleResourceRecommender (Leerlauf-Images), google.compute.commitment.UsageCommitmentRecommender (ressourcenbasiertes CUD).

Azure — Advisor Kostenkategorie

az advisor recommendation list \
  --category Cost \
  --query "[].{Resource: shortDescription.problem, Impact: impact, AnnualSavings: extendedProperties.annualSavingsAmount, Currency: extendedProperties.savingsCurrency}" \
  -o table

# Nur hohe Wirkung
az advisor recommendation list --category Cost \
  --query "[?impact=='High'].{Id:id, Resource:resourceMetadata.resourceId, Savings:extendedProperties.annualSavingsAmount}" -o json

extendedProperties-Felder variieren je nach Empfehlungstyp – behandeln Sie Nullwerte.

3. Kosten- & Nutzungsaufschlüsselung

AWS (denken Sie an die ~$0,01/Anfrage-Kosten – keine Schleifen):

aws ce get-cost-and-usage \
  --time-period Start=$START,End=$END \
  --granularity DAILY --metrics "UnblendedCost" \
  --group-by Type=DIMENSION,Key=SERVICE

GCP – detaillierte Kosten/Nutzung stammen aus dem BigQuery-Abrechnungsexport (es gibt keinen gcloud-Befehl für granulare Kostenzeilen). Aktivieren Sie Abrechnung → BigQuery-Export, und fragen Sie dann gcp_billing_export_resource_v1_<BILLING_ACCOUNT_ID> ab.

Hinweis: Stand 2026-01-21 hat sich das Exportschema geändert – CUD-Rabatte wurden aus dem credits-Array in ein neues Feld consumption_model verschoben, und price.list_price / price.effective_price_default wurden hinzugefügt. Aktualisieren Sie entsprechend Ihre CUD-/Gutschriften-Logik.

Azure – bevorzugen Sie Cost Management-Exporte (oder die Cost Details API) für detaillierte Daten; az consumption befindet sich auf Microsofts Deprecation-Pfad (nur als schneller Fallback zur Ansicht behalten):

# Primär: Einen Export zum Speicher planen/ausführen (Einmalausführung benötigt nur die 5 erforderlichen Parameter)
az costmanagement export create \
  --name AdhocExport --type Usage \
  --scope "/subscriptions/SUB_ID" \
  --storage-account-id "/subscriptions/.../storageAccounts/ACCT" \
  --storage-container exports --timeframe MonthToDate

# Fallback-Schnellansicht (deprecationierte API):
az consumption usage list --start-date $START --end-date $END \
  --query "[].{Resource:instanceName, Service:consumedService, Cost:pretaxCost}" -o table

Für Ad-hoc-Aggregation ohne Speicher rufen Sie die Cost Management Query REST API über az rest auf (es gibt keinen az costmanagement query-Unterbefehl).

4. Rightsizing & Compute-Empfehlungen

AWS — Compute Optimizer (erfordert Anmeldung; siehe Pre-Flight). Tiefes Rightsizing + Leerlauferkennung:

aws compute-optimizer get-ec2-instance-recommendations
aws compute-optimizer get-auto-scaling-group-recommendations
aws compute-optimizer get-ebs-volume-recommendations
aws compute-optimizer get-lambda-function-recommendations
aws compute-optimizer get-rds-database-recommendations
aws compute-optimizer get-idle-recommendations

Cost Explorer bietet auch EC2-Rightsizing an (--service ist erforderlich, nur "AmazonEC2" ist gültig):

aws ce get-rightsizing-recommendation --service "AmazonEC2"

GCP – Maschinentyp-Empfehlungsgeber (beachten Sie tonumber: GCP gibt cost.units als Zeichenkette zurück):

gcloud recommender recommendations list \
  --recommender=google.compute.instance.MachineTypeRecommender \
  --project=YOUR_PROJECT --location=us-central1-a --format=json \
  | jq '.[] | select((.primaryImpact.costProjection.cost.units|tonumber) < 0)'

Azure – Advisor-Kostenempfehlungen beinhalten bereits VM-Rightsizing / unterausgelastete Ressourcen (Abschnitt 2).

5. Garantierte Nutzungsmodelle & Rabatte

AWS – Kaufempfehlung für Savings Plans. Alle vier Parameter sind erforderlich:

aws ce get-savings-plans-purchase-recommendation \
  --savings-plans-type COMPUTE_SP \
  --term-in-years ONE_YEAR \
  --payment-option NO_UPFRONT \
  --lookback-period-in-days THIRTY_DAYS

(savings-plans-type: COMPUTE_SP|EC2_INSTANCE_SP|SAGEMAKER_SP; term-in-years: ONE_YEAR|THREE_YEARS; payment-option: NO_UPFRONT|PARTIAL_UPFRONT|ALL_UPFRONT; lookback-period-in-days: SEVEN_DAYS|THIRTY_DAYS|SIXTY_DAYS.)

GCP – Garantierte Nutzungsrabatte über den ausgabenbasierten Commitment-Empfehlungsgeber (Abschnitt 2).

Azure – Reservierungs-/Savings-Plan-Empfehlungen werden über Advisor (pro Abonnement) angezeigt; für den Rechnungskontoumfang verwenden Sie die Consumption Reservation Recommendations REST API über az rest:

az advisor recommendation list --category Cost \
  --query "[?contains(shortDescription.problem, 'reserved') || contains(shortDescription.problem, 'reservation')]"

6. Priorisierungsvorlage (für jeden Anbieter)

Bei der Zusammenfassung:

  1. Geschätzte monatliche / jährliche Gesamteinsparungen.
  2. Schnelle Erfolge (VeryLow/Low-Aufwand oder äquivalent).
  3. Top 5-8 Elemente: Ressource, Aktueller Zustand, Empfohlene Aktion, $-Einsparungen, Aufwand/Risiko.
  4. Konkreter nächster Befehl für das wichtigste Element.
Provider: GCP
Geschätzte monatliche Gesamteinsparungen: $2.340

Schnelle Erfolge:
- Leerlauf-VM löschen ... : 180 $/Monat (VeryLow)
- n1-standard-8 → n2-standard-4 verkleinern : 420 $/Monat

Nächster Befehl:
gcloud recommender recommendations list --recommender=google.compute.instance.IdleResourceRecommender --project=... --location=us-central1-a

Anbieterspezifische Kurzreferenz

AWS

  • Cost Optimization Hub (us-east-1, angemeldet) für die breite aggregierte Ansicht.
  • Compute Optimizer (angemeldet) für tiefes Rightsizing + Leerlauf.
  • Cost Explorer (aws ce) für Kostenaufschlüsselungen, Rightsizing, Savings Plans – beachten Sie die Kosten pro Aufruf.

GCP

Übergeben Sie immer --location. Wichtige Empfehlungsgeber:

  • MachineTypeRecommender (Rightsizing, zonal)
  • IdleResourceRecommender für VMs / Datenträger / IPs / Images (zonal/regional)
  • SpendBasedCommitmentRecommender (CUDs, global, Rechnungskonto)

Azure

  • Advisor ist die primäre Quelle für Kostenempfehlungen.
  • Cost Management Exporte (oder Cost Details API) für Rohdaten; az consumption nur als deprecationierten Fallback.

Vollständiger Audit-Ablauf (Empfohlen)

  1. Authentifizieren; Anmeldungen bestätigen (Compute Optimizer, COH).
  2. Hochrangige Kostenübersicht für das Zeitfenster abrufen.
  3. Empfehlungen abrufen (Hub / Recommender / Advisor), alle Seiten aggregieren.
  4. Nach Einsparungen > Schwellenwert und geringem Aufwand filtern.
  5. Bei Bedarf mit Rohdaten gegenprüfen.
  6. Priorisierte Liste + 3 konkrete nächste Aktionen erstellen (nur lesend; Mutation zur Genehmigung markieren).
  7. (Optional) Für andere Anbieter wiederholen.

Referenzen

AWS

GCP

Azure

Führen Sie es mit einem bestimmten Anbieter oder über alle drei aus. Bleiben Sie nativ. Bleiben Sie effektiv.

Verwandte Skills

steipete/sag

ElevenLabs text-to-speech with mac-style say UX.

community

steipete/oracle

Oracle CLI second-model review/debug/refactor/design with selected files, dry-run token checks, API or browser engine.

community

steipete/peekaboo

Capture and automate macOS UI with the Peekaboo CLI.

community

mattpocock/design-an-interface

Generate multiple radically different interface designs for a module using parallel sub-agents. Use when user wants to design an API, explore interface options, compare module shapes, or mentions "design it twice".

community

mattpocock/prototype

Build a throwaway prototype to flesh out a design — a runnable terminal app for state/business-logic questions, or several radically different UI variations toggleable from one route.

community

mattpocock/grill-me

Interview the user relentlessly about a plan or design until reaching shared understanding, resolving each branch of the decision tree. Use when user wants to stress-test a plan, get grilled on their design, or mentions "grill me".

community