MCP Kubernetes Server
guolisen
README
MCP Kubernetes 服务器
一个 Kubernetes 管理 MCP (模型上下文协议) 服务器,提供用于获取 Kubernetes 集群信息、执行操作、监控状态和分析资源的接口。
功能
- 集群信息: 获取关于 Kubernetes 资源的详细信息 (Pod、Deployment、Service 等)。
- 集群操作: 对 Kubernetes 资源执行操作 (创建、更新、删除、伸缩等)。
- 监控: 监控 Kubernetes 集群和资源的状态。
- 分析: 分析 Kubernetes 资源并提供建议。
- 提示: 包含用于常见 Kubernetes 分析任务的提示。
安装
从源码安装
git clone https://github.com/yourusername/mcp-k8s-server.git
cd mcp-k8s-server
pip install -e .
使用 pip 安装
pip install mcp-k8s-server
使用方法
直接运行
# 使用默认设置运行
mcp-k8s-server
# 指定传输类型
mcp-k8s-server --transport sse
# 指定 SSE 传输的端口
mcp-k8s-server --port 8000
# 指定配置文件
mcp-k8s-server --config /path/to/config.yaml
使用 Docker
Dockerfile 使用 command 和 args 模式来运行服务器:
CMD ["python", "-m", "mcp_k8s_server.main", \
"--transport", "sse", \
"--port", "8000", \
"--host", "0.0.0.0", \
"--config", "/etc/rancher/rke2/rke2.yaml", \
"--debug"]
构建并运行 Docker 容器:
# 构建 Docker 镜像
docker build -t mcp-k8s-server .
# 运行 Docker 容器
docker run -p 8000:8000 -v ~/.kube:/home/mcp/.kube mcp-k8s-server
或者,您可以使用提供的脚本:
# 使脚本可执行
chmod +x docker-run.sh
# 运行脚本
./docker-run.sh
此脚本构建 Docker 镜像并使用必要的卷挂载运行容器。
部署到 Kubernetes
# 应用 Kubernetes 清单
kubectl apply -f k8s/
部署到 Kubernetes 时,服务器将自动使用集群内配置。 k8s/
目录中的 Kubernetes 清单设置为:
- 创建具有适当权限的 ServiceAccount
- 挂载服务帐户令牌和证书
- 使用命令行参数配置服务器
您可以通过编辑清单来自定义部署:
# k8s/deployment.yaml (示例)
apiVersion: apps/v1
kind: Deployment
metadata:
name: mcp-k8s-server
# ...
spec:
# ...
template:
# ...
spec:
serviceAccountName: mcp-k8s-server # 使用 rbac.yaml 中定义的 ServiceAccount
containers:
- name: mcp-k8s-server
# ...
command:
- python
- -m
- mcp_k8s_server.main
args:
- --transport
- sse
- --port
- "8000"
- --host
- "0.0.0.0"
- --config
- "/app/config/config.yaml"
- --debug
此方法使用 command 和 args 模式来配置服务器,这是 Kubernetes 中的常见模式。 command 指定要运行的可执行文件,args 指定要传递给可执行文件的命令行参数。
KUBERNETES_SERVICE_HOST
和 KUBERNETES_SERVICE_PORT
环境变量在创建 Pod 时由 Kubernetes 自动设置,因此您无需在部署清单中指定它们。
配置
可以使用 YAML 配置文件、环境变量或命令行参数配置服务器。
集群内配置
在 Kubernetes 集群内部运行时,服务器会自动使用集群内配置。 这依赖于以下内容:
-
环境变量:
KUBERNETES_SERVICE_HOST
: 由 Kubernetes 设置为 Kubernetes API 服务器的 IP 地址KUBERNETES_SERVICE_PORT
: 由 Kubernetes 设置为 Kubernetes API 服务器的端口
-
服务帐户令牌和证书:
/var/run/secrets/kubernetes.io/serviceaccount/token
: 服务帐户令牌/var/run/secrets/kubernetes.io/serviceaccount/ca.crt
: CA 证书
这些在 Pod 中运行时由 Kubernetes 自动设置。 如果您在 Kubernetes 集群外部运行服务器但想测试集群内配置,则需要手动设置这些环境变量并创建令牌和证书文件。
在集群外部运行时,服务器会回退到使用 kubeconfig 文件。
在本地测试集群内配置
如果您想在本地(Kubernetes 集群外部)测试集群内配置,您可以手动设置所需的环境变量和文件:
-
设置环境变量:
export KUBERNETES_SERVICE_HOST=<kubernetes-api-server-ip> export KUBERNETES_SERVICE_PORT=<kubernetes-api-server-port>
您可以通过运行以下命令获取这些值:
kubectl cluster-info
-
创建服务帐户令牌和证书目录:
mkdir -p /var/run/secrets/kubernetes.io/serviceaccount/
-
复制您的 Kubernetes 证书并创建一个令牌:
# 复制 CA 证书 kubectl config view --raw -o jsonpath='{.clusters[0].cluster.certificate-authority-data}' | base64 -d > /var/run/secrets/kubernetes.io/serviceaccount/ca.crt # 创建一个令牌文件(您可以使用服务帐户令牌或生成一个临时令牌) echo "your-service-account-token" > /var/run/secrets/kubernetes.io/serviceaccount/token
请注意,此方法需要 root 权限才能在 /var/run/secrets/
中创建文件。 或者,您可以修改代码以使用不同的路径进行测试。
配置文件
# config.yaml
server:
name: mcp-k8s-server
transport: both # stdio, sse, or both
port: 8000
host: 0.0.0.0
kubernetes:
config_path: ~/.kube/config
context: default
namespace: default
MCP 资源
服务器通过模型上下文协议 (MCP) 提供对 Kubernetes 资源的访问。 资源由遵循 k8s://
协议的 URI 模式标识。
资源 URI 模式
资源以分层结构组织:
k8s://resources
- 所有可用的 Kubernetes 资源列表k8s://namespaces
- 所有 Kubernetes 命名空间列表k8s:///{namespace}
- 命名空间中所有资源的概述
命名空间资源
-
k8s://{namespace}/{resource_type}
- 列出命名空间中特定类型的资源- 示例:
k8s://default/pods
- 'default' 命名空间中的所有 Pod
- 示例:
-
k8s://{namespace}/{resource_type}/{name}
- 获取特定的命名空间资源- 示例:
k8s://default/deployments/nginx
- 'default' 命名空间中的 'nginx' Deployment
- 示例:
支持的资源类型:
pods
deployments
services
persistentvolumeclaims
events
集群范围资源
-
k8s:///{resource_type}
- 列出特定类型的集群范围资源- 示例:
k8s:///nodes
- 集群中的所有节点
- 示例:
-
k8s:///{resource_type}/{name}
- 获取特定的集群范围资源- 示例:
k8s:///nodes/worker-1
- 'worker-1' 节点
- 示例:
支持的资源类型:
nodes
persistentvolumes
namespaces
MCP 工具
服务器提供以下 MCP 工具:
资源信息
get_resources
: 获取特定类型的资源列表get_resource
: 获取关于特定资源的详细信息get_resource_status
: 获取特定资源的状态get_resource_events
: 获取与特定资源相关的事件get_resource_logs
: 获取特定资源的日志
资源操作
create_resource
: 创建新资源update_resource
: 更新现有资源delete_resource
: 删除资源scale_deployment
: 伸缩 Deploymentrestart_deployment
: 重启 Deploymentexecute_command
: 在 Pod 中执行命令
监控
get_cluster_status
: 获取集群的整体状态get_node_status
: 获取集群节点的状态get_resource_metrics
: 获取特定资源的指标get_cluster_metrics
: 获取整个集群的指标check_cluster_health
: 对集群执行全面的健康检查并获取详细摘要
许可证
MIT
推荐服务器
Playwright MCP Server
一个模型上下文协议服务器,它使大型语言模型能够通过结构化的可访问性快照与网页进行交互,而无需视觉模型或屏幕截图。
Magic Component Platform (MCP)
一个由人工智能驱动的工具,可以从自然语言描述生成现代化的用户界面组件,并与流行的集成开发环境(IDE)集成,从而简化用户界面开发流程。
MCP Package Docs Server
促进大型语言模型高效访问和获取 Go、Python 和 NPM 包的结构化文档,通过多语言支持和性能优化来增强软件开发。
Claude Code MCP
一个实现了 Claude Code 作为模型上下文协议(Model Context Protocol, MCP)服务器的方案,它可以通过标准化的 MCP 接口来使用 Claude 的软件工程能力(代码生成、编辑、审查和文件操作)。
@kazuph/mcp-taskmanager
用于任务管理的模型上下文协议服务器。它允许 Claude Desktop(或任何 MCP 客户端)在基于队列的系统中管理和执行任务。
mermaid-mcp-server
一个模型上下文协议 (MCP) 服务器,用于将 Mermaid 图表转换为 PNG 图像。
Jira-Context-MCP
MCP 服务器向 AI 编码助手(如 Cursor)提供 Jira 工单信息。

Linear MCP Server
一个模型上下文协议(Model Context Protocol)服务器,它与 Linear 的问题跟踪系统集成,允许大型语言模型(LLM)通过自然语言交互来创建、更新、搜索和评论 Linear 问题。

Sequential Thinking MCP Server
这个服务器通过将复杂问题分解为顺序步骤来促进结构化的问题解决,支持修订,并通过完整的 MCP 集成来实现多条解决方案路径。
Curri MCP Server
通过管理文本笔记、提供笔记创建工具以及使用结构化提示生成摘要,从而实现与 Curri API 的交互。