mcp-server-kubernetes 是一款 MCP 服务器，旨在连接并管理 Kubernetes 集群，使 AI 模型能够安全地与 Kubernetes 资源进行交互。它允许 AI 模型执行诸如列出、创建、描述和删除 Pod，管理命名空间，以及部署 Helm Chart 等操作。通过此服务器，AI 模型可以动态地调整 Kubernetes 资源，响应实时需求，优化资源利用率。

该服务器支持多种集成方式，包括 Claude Desktop 和 mcp-chat 等客户端，方便开发者快速上手。它通过与现有的 kubectl 上下文无缝集成，简化了配置过程，降低了使用门槛。核心价值在于，它赋予了 AI 模型直接管理 Kubernetes 基础设施的能力，从而实现更智能、更高效的云原生应用管理。开发者可以通过简单的命令或配置，即可将 AI 模型与 Kubernetes 集群连接起来，充分利用 AI 的自动化和优化能力。

Kubernetes 集群管理

mcp-server-kubernetes 允许 AI 模型连接并管理 Kubernetes 集群，无需人工干预。它通过 kubectl 命令行工具与 Kubernetes API 交互，支持列出和操作 Kubernetes 资源，例如 Pod、Service、Deployment 和 Namespace。AI 模型可以利用此功能动态调整应用程序的部署，监控集群状态，并根据实时数据做出决策。例如，一个 AI 模型可以监控 Pod 的 CPU 使用率，并自动扩展 Deployment 的副本数量，以应对流量高峰。该服务器简化了 AI 模型与 Kubernetes 集群的集成，降低了运维复杂性，并提高了资源利用率。技术实现上，服务器依赖于用户配置的 kubectl 上下文，因此需要预先配置好 kubectl 和有效的 kubeconfig 文件。

Helm Chart 自动化部署

该服务器支持 Helm v3，使 AI 模型能够自动化部署和管理 Helm Chart。Helm 是一种 Kubernetes 包管理工具，允许开发者将复杂的应用程序定义为可重复使用的 Chart。通过 mcp-server-kubernetes，AI 模型可以安装、升级和卸载 Helm Chart，并自定义 Chart 的配置值。例如，一个 AI 模型可以根据用户需求自动部署一个包含数据库、Web 服务器和缓存的完整应用程序栈。此功能简化了应用程序的部署流程，并提高了部署的一致性和可靠性。Helm v3 的支持还包括对命名空间、版本指定和自定义仓库的支持，提供了更大的灵活性。

日志和事件流式传输

mcp-server-kubernetes 能够从 Kubernetes 集群中获取 Pod 的日志和事件，并将其流式传输给 AI 模型。这使得 AI 模型能够实时监控应用程序的运行状态，检测潜在问题，并采取相应的措施。例如，一个 AI 模型可以分析日志数据，识别错误模式，并自动重启出现故障的 Pod。此外，AI 模型还可以监控 Kubernetes 事件，例如 Pod 的创建、删除和更新，以便及时响应集群状态的变化。日志支持包括 Pod、Deployment、Job 和标签选择器，事件获取则提供了集群状态的全面视图。

技术实现

mcp-server-kubernetes 基于 TypeScript 构建，利用 Node.js 运行时环境。它通过调用 kubectl 和 Helm 命令行工具与 Kubernetes 集群交互。服务器采用客户端-服务器架构，通过标准输入/输出或 HTTP/SSE 等传输机制与 AI 模型客户端通信。为了方便本地开发和测试，项目提供了详细的开发工作流，包括使用 Inspector 进行调试，以及与 Claude Desktop 和 mcp-chat 集成的示例。项目还包含单元测试，以确保代码质量和稳定性。