Kubernetes MCP 服务器

一个实验性的模型上下文协议 (MCP) 服务器，通过 kubectl 将 Kubernetes 功能暴露给 AI 聊天界面。该项目演示了如何将 Kubernetes 与 AI 助手集成，从而允许它们使用熟悉的 kubectl 命令来帮助分析和管理您的集群资源。

概述

该项目构建于 @conikeec 的 mcpr 项目之上，该项目为 AI 助手与外部工具和服务交互提供了一个协议。

该服务器提供了一个单一的 kubectl 工具，可以执行任何 kubectl 命令，从而使 AI 助手能够完全访问您的 Kubernetes 集群的功能。

使用场景

• 资源发现: 要求您的 AI 助手使用 kubectl 命令列出和描述资源
• 故障排除: 让 AI 帮助使用 kubectl 分析日志和资源状态
• 资源管理: 获取 AI 助手来创建或修改资源
• 文档: 询问 AI 以解释特定资源在您的集群中的作用
• 安全分析: 让 AI 帮助识别集群配置中潜在的安全问题

示例交互

用户: 你能显示默认命名空间中的所有 pod 吗？
AI: 我会为您检查...
[使用 kubectl 工具，命令为 "get pods -n default"]
以下是默认命名空间中的 pod：
NAME                     READY   STATUS    RESTARTS   AGE
nginx-7c658794b9-2j4k5   1/1     Running   0          2d

未来可能性

当前的实现为许多强大的交互提供了基础：

• 使用多个 kubectl 命令的复杂故障排除场景
• 自动化资源分析和建议
• 交互式调试会话
• 安全扫描和建议
• 性能优化建议

安装

1. 克隆存储库：

git clone https://github.com/yourusername/mcp-kubernetes.git
cd mcp-kubernetes

2. 构建项目：

cargo build --release

3. 配置您的 AI 助手以使用服务器（说明取决于您的 AI 平台）

要求

• Rust 1.70 或更高版本
• 已安装并配置 kubectl
• 具有适当权限的 Kubernetes 集群
• 为您的集群配置的 kubeconfig

配置

服务器使用您的默认 kubeconfig 和 kubectl 安装。 确保您具有执行要运行的命令的必要权限。

安全注意事项

由于此服务器允许执行任意 kubectl 命令，因此务必：

1. 使用适当的 RBAC 权限运行它
2. 考虑实施命令验证或白名单
3. 监控和审计命令执行
4. 在受控环境中使用它

鸣谢

该项目构建于 @conikeec 的 mcpr 项目之上。 非常感谢作者创建了这个出色的协议和实现。

许可证

该项目已获得 MIT 许可证的许可 - 有关详细信息，请参阅 LICENSE 文件。