AI Skills
az-cost-optimize

az-cost-optimize

热门

分析应用中使用的 Azure 资源（IaC 基础设施即代码文件及/或目标资源组中的资源）并进行成本优化，同时针对识别出的优化点自动创建 GitHub issue。

3.7万Star
4569Fork
更新于 2026/7/14
获取 Skill源代码

相关 Skills

academy-guide17万write-openspec-docs6.8万agent-reviewer7.1万
SKILL.md
只读
名称
az-cost-optimize
描述

分析应用中使用的 Azure 资源（IaC 基础设施即代码文件及/或目标资源组中的资源）并进行成本优化，同时针对识别出的优化点自动创建 GitHub issue。

Azure 成本优化 (Azure Cost Optimize)

本工作流通过分析基础设施即代码（IaC）文件和 Azure 现存资源来生成成本优化建议。它会为每一个优化点独立创建 GitHub issue，并生成一个汇总的 EPIC issue 统一协调实施，协助团队高效追踪与落地降本举措。

前提条件

  • 已配置并完成鉴权的 Azure MCP server
  • 已配置并完成鉴权的 GitHub MCP server
  • 已指定目标 GitHub 仓库
  • 已部署 Azure 资源（IaC 文件可选，但建议提供）
  • 在有可用工具时，优先选用 Azure MCP 工具（azmcp-*），而非直接使用 Azure CLI

工作流步骤

步骤 1：获取 Azure 最佳实践

操作：在开展分析前获取成本优化最佳实践
工具：Azure MCP best practices 工具
流程：

  1. 加载最佳实践：
    • 执行 azmcp-bestpractices-get 获取最新的 Azure 优化指南。这可能无法覆盖所有场景，但能提供基础参考。
    • 尽可能利用这些最佳实践指导后续分析与建议生成
    • 在优化建议中引用相关最佳实践（来源于 MCP 工具输出或通用 Azure 官方文档）

步骤 2：探查 Azure 基础设施

操作：动态探查并分析 Azure 资源及配置
工具：Azure MCP 工具 + Azure CLI 备用方案 + 本地文件系统访问
流程：

  1. 资源探查：

    • 执行 azmcp-subscription-list 查询可用订阅
    • 执行 azmcp-group-list --subscription <subscription-id> 查询资源组
    • 获取相关资源组中的所有资源清单：
      • 使用 az resource list --subscription <id> --resource-group <name>
    • 对每种资源类型，优先使用 MCP 工具；如不可用，再退回使用 CLI：
      • azmcp-cosmos-account-list --subscription <id> - Cosmos DB 账号
      • azmcp-storage-account-list --subscription <id> - 存储账号
      • azmcp-monitor-workspace-list --subscription <id> - Log Analytics 工作区
      • azmcp-keyvault-key-list - Key Vault 密钥库
      • az webapp list - Web Apps（备用 - 无可用 MCP 工具）
      • az appservice plan list - App Service 计划（备用）
      • az functionapp list - Function Apps（备用）
      • az sql server list - SQL 数据库服务器（备用）
      • az redis list - Redis 缓存（备用）
      • ... 其他资源类型依次类推

  2. IaC 文件检测：

    • 使用 file_search 扫描 IaC 文件："/*.bicep", "/*.tf", "/main.json", "/template.json"
    • 解析资源定义，梳理预期配置
    • 与实际探查到的资源对比，识别配置偏差
    • 记录 IaC 文件的存在情况，供后续提供实施建议
    • 禁止使用代码库中的任何其他文件，仅限使用 IaC 文件。其他文件不能作为单一事实来源（Source of Truth）。
    • 如果未找到任何 IaC 文件，请立即停止并向用户汇报未找到 IaC 文件。

  3. 配置分析：

    • 提取各资源的当前 SKU、层级（Tier）及配置设置
    • 梳理资源间的关联与依赖关系
    • 在有数据的情况下，绘制资源利用率模式

步骤 3：收集使用率指标并校验当前成本

操作：收集资源利用率数据，并核实实际资源成本
工具：Azure MCP 监控工具 + Azure CLI
流程：

  1. 查找监控数据源：

    • 使用 azmcp-monitor-workspace-list --subscription <id> 查找 Log Analytics 工作区
    • 使用 azmcp-monitor-table-list --subscription <id> --workspace <name> --table-type "CustomLog" 探索可用数据表

  2. 执行使用率查询：

    • 使用 azmcp-monitor-log-query 运行以下预定义查询：
      • 查询语句："recent" 获取近期活动模式
      • 查询语句："errors" 获取表明异常的错误日志
    • 如需自定义分析，使用 KQL 查询：
    // App Services 的 CPU 利用率
AppServiceAppLogs
| where TimeGenerated > ago(7d)
| summarize avg(CpuTime) by Resource, bin(TimeGenerated, 1h)

// Cosmos DB RU 消耗量
AzureDiagnostics
| where ResourceProvider == "MICROSOFT.DOCUMENTDB"
| where TimeGenerated > ago(7d)
| summarize avg(RequestCharge) by Resource

// 存储账号访问模式
StorageBlobLogs
| where TimeGenerated > ago(7d)
| summarize RequestCount=count() by AccountName, bin(TimeGenerated, 1d)

  3. 计算基线指标：

    • CPU/内存平均利用率
    • 数据库吞吐量模式
    • 存储访问频次
    • Function 执行速率

  4. 校验当前成本：

    • 基于步骤 2 探查到的 SKU/层级配置
    • 在 https://azure.microsoft.com/pricing/ 查询最新 Azure 定价，或使用 az billing 相关命令
    • 记录格式：资源名称 → 当前 SKU → 预计每月成本
    • 在给出建议之前，计算出真实合理的当前月度总成本

步骤 4：生成成本优化建议

操作：分析资源并找出降本优化点
工具：基于已收集数据的本地分析
流程：

  1. 应用优化模式（根据匹配到的资源类型）：

    计算资源优化：

    • App Service Plans：根据 CPU/内存实际使用率调整合适规格（Right-sizing）
    • Function Apps：低使用率场景由 Premium 降级为 Consumption 计划
    • 虚拟机（VM）：针对配置过高的实例进行缩容

    数据库优化：

    • Cosmos DB：
      • 变动负载场景由 Provisioned 调整为 Serverless
      • 根据实际使用量精细调整 RU/s
    • SQL Database：根据 DTU 实际使用量调整服务层级

    存储优化：

    • 配置生命周期策略（Hot → Cool → Archive）
    • 合并冗余存储账号
    • 根据访问模式调整存储层级规格

    基础设施优化：

    • 清理未使用或冗余的资源
    • 在适用场景配置弹性伸缩（Auto-scaling）
    • 对非生产环境设置定时关机/调度

  2. 基于凭据计算可节省金额：

    • 已校验的当前成本 - 目标成本 = 可节省金额
    • 记录当前配置与目标配置的定价来源

  3. 计算各项建议的优先级得分：

    优先级得分 = (价值得分 × 月度节省金额) / (风险得分 × 实施天数)

高优先级：得分 > 20
中优先级：得分 5-20
低优先级：得分 < 5

  4. 校验优化建议：

    • 确保 Azure CLI 命令准确无误
    • 验证预估节省金额计算逻辑
    • 评估实施风险与前提条件
    • 确保所有节省金额计算均有据可依

步骤 5：用户确认

操作：在创建 GitHub issue 前展示汇总结果并获取授权
流程：

  1. 展示优化汇总：

    🎯 Azure 成本优化汇总

📊 分析结果：
• 已分析资源总数：X
• 当前月度成本：$X 
• 预计每月可节省：$Y 
• 优化机会点：Z
• 高优先级项：N

🏆 优化建议列表：
1. [资源]: [当前 SKU] → [目标 SKU] = 节省 $X/月 - [风险等级] | [实施工作量]
2. [Resource]: [Current Config] → [Target Config] = $Y/month savings - [Risk Level] | [Implementation Effort]
3. [Resource]: [Current Config] → [Target Config] = $Z/month savings - [Risk Level] | [Implementation Effort]
... 依此类推

💡 执行后将创建：
• Y 个独立 GitHub issue（每个优化点 1 个）
• 1 个主 EPIC issue 用于统一协调实施

❓ 是否确认创建 GitHub issue？(y/n)

  2. 等待用户确认：仅在用户明确确认后方可继续

步骤 6：创建独立的优化 Issue

操作：针对每个优化点分别创建单独的 GitHub issue。添加标签 "cost-optimization"（绿色）、"azure"（蓝色）。
所需 MCP 工具：针对每条建议调用 create_issue
流程：

  1. 创建独立 Issue，使用如下模板：

    标题格式：[COST-OPT] [资源类型] - [简要描述] - 预计每月节省 $X

    正文模板：

    ## 💰 成本优化：[简短标题]

**每月节省**: $X | **风险等级**: [Low/Medium/High] | **实施工作量**: X 天

### 📋 事项说明
[清晰说明优化方案及实施必要性]

### 🔧 实施方案

**检测到 IaC 文件**: [是/否 - 基于 file_search 结果]

```bash
# 如果检测到 IaC 文件：展示 IaC 修改点 + 部署命令
# 文件: infrastructure/bicep/modules/app-service.bicep
# 变更: sku.name: 'S3' → 'B2'
az deployment group create --resource-group [rg] --template-file infrastructure/bicep/main.bicep

# 如果未检测到 IaC 文件：直接提供 Azure CLI 命令 + 警告
# ⚠️ 未找到 IaC 文件。如果代码存储在其他地方，请改为修改对应的 IaC 文件。
az appservice plan update --name [plan] --sku B2

    📊 依据与数据

    • 当前配置：[详细信息]
    • 使用模式：[监控数据凭据]
    • 成本影响：$X/月 → $Y/月
    • 最佳实践对齐：[引用 Azure 官方最佳实践（如适用）]

    ✅ 验收与验证步骤

    • [ ] 在非生产环境中进行测试
    • [ ] 确认性能无衰减
    • [ ] 在 Azure Cost Management 中核实成本已降低
    • [ ] 必要时更新监控与告警设置

    ⚠️ 风险与注意事项

    • [风险点 1 及应对预案]
    • [风险点 2 及应对预案]

    优先级得分: X | 价值: X/10 | 风险: X/10

步骤 7：创建汇总协调 EPIC Issue

操作：创建主 Issue 用于跟踪所有优化工作的落地。添加标签 "cost-optimization"（绿色）、"azure"（蓝色）和 "epic"（紫色）。
所需 MCP 工具：针对 EPIC 调用 create_issue
关于 mermaid 图表的说明：请务必校验 mermaid 语法无误，并在绘制图表时兼顾无障碍设计规范（配色、样式等）。
流程：

  1. 创建 EPIC Issue：

    标题：[EPIC] Azure 成本优化专项 - 预计每月潜在节省 $X

    正文模板：

    # 🎯 Azure 成本优化 EPIC

**预计总节省金额**: $X/月 | **实施周期**: X 周

## 📊 执行摘要
- **已分析资源**: X
- **优化机会点**: Y  
- **月度节省潜力**: $X
- **高优先级项**: N

## 🏗️ 当前架构概览

```mermaid
graph TB
    subgraph "资源组: [名称]"
        [生成的架构图，展示当前资源及其成本]
    end

    📋 实施追踪

    🚀 高优先级（优先实施）

    • [ ] #[issue-number]: [标题] - 每月节省 $X
    • [ ] #[issue-number]: [标题] - 每月节省 $X

    ⚡ 中优先级

    • [ ] #[issue-number]: [标题] - 每月节省 $X
    • [ ] #[issue-number]: [标题] - 每月节省 $X

    🔄 低优先级（可选优化）

    • [ ] #[issue-number]: [标题] - 每月节省 $X

    📈 进度跟踪

    • 已完成: 0 / Y 项优化
    • 实际已节省: $0 / $X（月度）
    • 实施状态: 未开始

    🎯 成功标准

    • [ ] 所有高优先级优化项均已落地
    • [ ] 实现 >80% 的预估节省目标
    • [ ] 业务性能未受任何影响
    • [ ] 成本监控仪表板已同步更新

    📝 备注说明

    • 随 Issue 完成进度定期复盘并更新本 EPIC
    • 持续监控实际节省金额与预估金额的对比
    • 建议定期开展成本优化评审

异常处理

  • 成本校验：如果预估节省金额缺乏数据支持，或与 Azure 官方定价不符，请重新核实资源配置