L'MCP server di DoiT cambia il modo di analizzare i costi cloud con gli assistenti AI. Chieda di picchi di spesa, disservizi o anomalie di fatturazione in linguaggio naturale e ottenga insight immediati, basati sui dati reali del suo ambiente cloud. Lo provi oggi stesso.
Oggi DoiT annuncia il lancio del suo Model Context Protocol (MCP) server per DoiT Cloud Intelligence™, uno strumento che le consente di ottenere all'istante insight sui consumi cloud ponendo domande in linguaggio naturale tramite qualsiasi Large Language Model (LLM) compatibile con MCP, come Claude e Cursor.
Con l'MCP server di DoiT, chiunque può porre domande complesse sui consumi cloud o sui servizi integrati (OpenAI, DataHub, Snowflake) e ottenere risposte accurate, in tempo reale:
- FinOps Analyst: "Quali SKU sopra i $XXX hanno registrato la maggiore variazione di spesa rispetto al mese scorso?"
- Engineering Manager: "Perché i costi di trasferimento dati sono raddoppiati da un giorno all'altro?"
- Cloud Architect: "Quali servizi risultano sottoutilizzati nei nostri account AWS?"
- CFO: "Quale business unit sta sforando il proprio budget cloud?"
- Product Owner: "Quanto stiamo spendendo per i servizi a supporto del Prodotto X?"
Perché il Model Context Protocol (MCP) rende possibile tutto questo?
Di norma, gli strumenti basati su LLM sono limitati dal proprio knowledge cutoff e dal contesto disponibile.
Non può, per esempio, chiedere a Claude o ChatGPT di un aggiornamento di pricing appena rilasciato per un servizio cloud: semplicemente non sa che esiste.
Provi anche solo a chiedere perché i costi EC2 siano raddoppiati la scorsa settimana. Anche caricando manualmente gli export di fatturazione, spiegando la struttura di tagging del team e illustrando l'organizzazione degli account, non le resta che incrociare le dita sperando che il modello colga il contesto. Il più delle volte ottiene una risposta solo parzialmente utile, troppo generica o del tutto sbagliata.
È qui che entra in gioco il Model Context Protocol (MCP), che fa da ponte tra i suoi dati e l'LLM. Consente agli strumenti LLM di collegarsi a una fonte dati strutturata e in tempo reale — uno strumento SaaS, un database interno o un'API cloud — e di iniettare quel contesto nel modello istantaneamente.
Casi d'uso: cosa può fare con l'MCP Server di DoiT?
Il nostro MCP server le permette di sfruttare diverse API di DoiT Cloud Intelligence sui dati di costo e consumo del cloud.
Ecco alcuni esempi di come può usare l'MCP server di DoiT per analizzare costi e consumi cloud tramite LLM come Claude e Cursor:
Capire cosa sta trainando i suoi costi cloud
Può usare l'MCP server di DoiT per analizzare all'istante i costi cloud con domande in linguaggio naturale.
Qui sotto, per esempio, abbiamo chiesto di individuare i tre servizi AWS più costosi di aprile 2025.
Claude ha analizzato subito i nostri dati di fatturazione e, sfruttando la Reports API, ha mostrato che le tre voci di costo principali erano AWS Support, EC2 e S3.
Claude accede ai dati di fatturazione in tempo reale tramite l'MCP di DoiT per analizzare le principali spese AWS
Dato che sui costi di AWS Support c'è poco da fare, abbiamo voluto capire quali risorse specifiche stessero generando i costi EC2 e abbiamo chiesto a Claude un'analisi dettagliata delle nostre principali risorse EC2.
Documento creato tramite la connessione MCP di DoiT che mostra come i costi EC2 siano trainati soprattutto dai Reconciliation Charges, con relative raccomandazioni di ottimizzazione.
Claude ha però rivelato che la voce di costo di gran lunga più alta non è legata a ID di risorse, bensì a un reconciliation charge ($11.560), pari al 67,58% dei costi EC2: gli abbiamo quindi chiesto di scomporre questa voce significativa.
L'MCP server di DoiT alimenta un'analisi dettagliata dei reconciliation charges di AWS EC2, identificando le istanze t3.nano come principale fattore di costo.
Individuare i disservizi cloud che impattano sulle sue applicazioni
Può usare l'MCP server di DoiT anche per verificare all'istante eventuali incidenti attivi sui cloud provider che utilizza e che potrebbero compromettere le performance applicative.
Claude, per esempio, ha interrogato subito le informazioni di stato del nostro cloud provider sfruttando la Cloud Incidents API e ha individuato quattro incidenti attivi su Google Cloud, incluso un problema molto recente sulla Vertex Gemini API.
Claude usa la Cloud Incidents API di DoiT per individuare quattro problemi attivi su Google Cloud che impattano sulle performance applicative di vari servizi.
Se la sua organizzazione si affida pesantemente a questi servizi, questa visibilità immediata aiuta a spiegare un eventuale degrado delle performance, senza dover controllare manualmente più pagine di stato o attendere i ticket di supporto.
Con l'MCP server di DoiT può inoltre approfondire qualsiasi incidente e ottenere in pochi secondi i messaggi di errore puntuali, la timeline e le stime di risoluzione. Così il suo team può decidere se sospendere i workflow dipendenti o adottare soluzioni temporanee.
Far emergere le anomalie sui costi cloud
Può usare l'MCP server di DoiT anche per indagare picchi o anomalie di costo recenti. Sfruttando la nostra Anomalies API, il suo assistente AI fa emergere subito i picchi più recenti sui costi cloud, dando visibilità immediata sui servizi che stanno registrando aumenti inattesi, sui livelli di gravità e altro ancora.
L'MCP server di DoiT consente a Claude di individuare all'istante cinque anomalie recenti sui costi AWS, con importi precisi in dollari e livelli di gravità.
Assistenza diretta dagli esperti DoiT
Infine, può usare l'MCP server di DoiT per aprire ticket di supporto con i nostri Customer Reliability Engineers, sia per un problema critico in produzione sia per ricevere indicazioni strategiche su decisioni infrastrutturali future.
Apertura di un ticket con un Customer Reliability Engineer (CRE) di DoiT tramite Claude, sfruttando l'MCP di DoiT.
Come l'MCP server di DoiT supporta i nostri team interni
Nelle attività di supporto alle iniziative di ottimizzazione cloud, i Customer Reliability Engineers (CRE) di DoiT dedicano tempo alla creazione di report di ottimizzazione dei costi, alla pianificazione della capacità, al forecasting delle esigenze di database e compute e alla valutazione delle anomalie di costo.
Piyush Patil, senior CRE in DoiT che lavora con clienti AWS sulle migrazioni MAP e sull'ottimizzazione AWS in generale, vede nell'MCP server "…un valore aggiunto e uno strumento in più per ottenere dati precisi sui casi su cui stiamo lavorando. Sarà un potenziamento del modo in cui aiutiamo i clienti su blocchi, budget, capacità di compute, progetti futuri e così via."
Anche Matthias Baetens, altro Senior CRE che ha guidato lo sviluppo tecnico del nostro MCP server, condivide l'entusiasmo di Piyush:
"È entusiasmante essere in prima linea sull'innovazione AI con il rilascio del nostro MCP server. Migliorerà il modo in cui supportiamo i clienti, permettendoci di rispondere a domande complesse sui costi cloud in pochi secondi anziché in ore. Non vedo l'ora di scoprire i modi creativi in cui i clienti useranno questa funzionalità per migliorare la gestione finanziaria del cloud e accelerare le decisioni."
Questo accesso conversazionale ai dati FinOps, agli insight cloud e alle funzionalità di supporto significa poter ottenere risposte direttamente negli strumenti che già utilizza, rendendo la gestione dei costi cloud più fluida ed efficiente.
Per un approfondimento sull'architettura tecnica e sui dettagli implementativi, dia un'occhiata al post sul blog di engineering di Matthias dedicato alla costruzione dell'MCP server di DoiT.
Come installare l'MCP Server di DoiT
Per accedere all'MCP server di DoiT da un assistente AI compatibile con MCP, le basta avere:
- Node.js v18 o versioni successive
- la sua API key DoiT (la trova nel suo profilo DoiT)
Una volta ottenuta, dovrà configurare il suo assistente AI per comunicare con i dati cloud.
Si tratta di modificare il file di configurazione inserendo i dettagli di connessione dell'MCP server di DoiT e aggiungendo la sua API key.
Dopo aver aggiornato la configurazione e riavviato l'assistente AI, è tutto pronto: potrà interrogare i suoi costi cloud, verificare gli incidenti attivi e analizzare i problemi di performance in linguaggio naturale.
Per istruzioni e opzioni di configurazione dettagliate, consulti il nostro repo GitHub.
Conclusione
È un momento davvero entusiasmante per il lavoro assistito dall'AI. Aziende come Zapier, GitHub e molte altre stanno lanciando i propri MCP per portare il contesto in tempo reale nei workflow quotidiani. Con l'MCP server di DoiT può fare lo stesso con i suoi dati di costo cloud, ottenendo insight istantanei e accurati direttamente dai suoi strumenti LLM.
E questo è solo l'inizio: stiamo ampliando attivamente il nostro MCP server per coprire ogni DoiT Cloud Intelligence API, così presto potrà interagire in linguaggio naturale con qualsiasi funzionalità della nostra piattaforma.
Provi l'MCP server di DoiT in prima persona e scopra cosa diventa possibile quando il suo LLM conosce davvero il suo cloud.