Terraform MCP Assistant
这个项目提供了一个 MCP(模型上下文协议)服务器,该服务器通过自然语言暴露 Terraform 基础设施即代码操作。它使 LLM 能够执行 Terraform 命令并检索有关基础设施的信息,而无需具备特定的命令语法知识。
jashkahar
README
Terraform MCP 助手
一个基于 FastMCP 的服务器,提供自然语言接口来操作 Terraform。 这个助手允许你使用简单的英语命令来管理你的基础设施,而无需记住特定的 Terraform 语法。
特性
- Terraform 命令的自然语言处理
- 执行计划可视化
- 状态检查和管理
- 基础设施部署和销毁
- 配置文档
- 自动工作区验证
- 错误处理和格式化输出
安装
- 克隆仓库:
git clone https://github.com/yourusername/terraform-mcp-server.git
cd terraform-mcp-server
- 创建并激活虚拟环境:
python -m venv .venv
source .venv/bin/activate # On Windows: .venv\Scripts\activate
- 安装依赖:
pip install -r requirements.txt
- 可选: 安装 Graphviz 用于计划可视化:
- Windows: 从 Graphviz Download Page 下载
- Linux:
sudo apt-get install graphviz
- macOS:
brew install graphviz
配置
- 设置环境变量 (可选):
export TERRAFORM_WORKSPACE="/path/to/terraform/workspace"
export LOG_LEVEL="INFO"
- 将你的 Terraform 配置文件放在工作区目录中。
使用
- 启动 MCP 服务器:
python src/main.py
- 示例命令:
- "初始化 Terraform 工作区"
- "如果我应用会发生什么变化?"
- "显示我当前状态"
- "应用配置"
- "列出所有资源"
- "销毁基础设施"
项目结构
terraform-mcp-assistant/
├── docs/ # 文档
├── examples/ # 示例 Terraform 配置
├── src/ # 源代码
│ ├── handlers/ # 命令处理器
│ ├── main.py # 入口点
│ └── config.py # 配置管理
├── tests/ # 测试文件
├── .env # 环境变量 (不在 VCS 中)
└── README.md # 本文件
开发
- 安装开发依赖:
pip install -r requirements-dev.txt
- 运行测试:
pytest
贡献
- Fork 仓库
- 创建一个特性分支
- 提交你的更改
- 推送到分支
- 创建一个 Pull Request
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。