mcpField
M
MCP Server

MCP Server

ローカル
github.com/Hades-gslクラウド・インフラ175 週間前に更新

MCP Server について

MCP ServerはChaos Meshを利用し、Kubernetesの障害注入、ストレステスト、ログ取得、負荷テスト結果の参照機能を提供します。障害発生時のPodやホストの挙動を検証するチーム向けです。

主な機能

  1. 01Podとコンテナへの障害注入
  2. 02CPUとメモリのストレステスト
  3. 03ホストのディスク障害シミュレーション
  4. 04ネットワーク分断と帯域制限
  5. 05サービスとコンテナのログ取得
  6. 06集約された負荷テスト結果の監視

活用シーン

  1. 01障害発生時のPodの挙動をテストする
  2. 02ホストやPodのリソースに負荷をかける
  3. 03ログと負荷テスト結果を確認する

MCP 対応

MCPサーバーは、障害注入、ストレステスト、Kubernetesログの取得、集約された負荷テスト結果の参照ツールを公開します。

設定

ローカルサーバーの設定はどのクライアントでも共通です。コピーしてクライアントの MCP 設定ファイルに貼り付けてください。

インストール方法は未掲載です

このサーバーのパッケージやリモートエンドポイントはまだ取得できていません。プロジェクトの README の手順に従ってください。

リポジトリ

ツール

ツール一覧はまだ取得されていません

ローカルサーバーのツールはマシン上で起動して初めて取得できます。メンテナーはまだツール一覧を提供していません。

詳細

MCP サーバー

MCP サーバーは、Chaos Mesh を使用して Kubernetes のポッドやホストに障害を注入し、ストレステストを実行するためのツールです。ログの取得や負荷テスト結果の監視に役立つユーティリティも提供します。

機能

  • ポッドへの障害注入:ポッドの障害、ポッドの強制終了、コンテナの強制終了をシミュレートします。
  • ポッドのストレステスト:ポッドに対する CPU およびメモリーのストレステストをシミュレートします。
  • ホストのストレステスト:ホストに対する CPU およびメモリーのストレステストをシミュレートします。
  • ホストのディスク障害:ホストでディスク容量の枯渇、読み取りペイロード、書き込みペイロードの障害をシミュレートします。
  • ネットワーク障害:ネットワーク分断や帯域幅の制限をシミュレートします。
  • ログの取得:特定のサービスやコンテナのログを取得します。
  • 負荷テストの監視:集計された負荷テスト結果を解析して取得します。

プロジェクト構成

  • fault_inject.py:障害注入とストレステストを実行する関数が含まれています。
  • kube.py:ポッドログの取得など、Kubernetes とやり取りするためのユーティリティを提供します。
  • server.py:MCP サーバーを実装し、障害注入やログ取得のツールを公開します。
  • test.py:障害注入およびログ関連のユーティリティを使用するテストケースと例が含まれています。
  • services.json:名前空間、ラベル、コンテナなど、クラスター内のサービスを定義します。

インストール

前提条件:

開始する前に、uv がインストールされていることを確認してください。uv はこちらからインストールできます。

1. リポジトリをクローンします:
git clone https://github.com/Hades-gsl/mcp_server.git
cd mcp_server
2. uv を使用して仮想環境をビルドし、セットアップします:
uv venv
source .venv/bin/activate
3. 依存関係をインストールします:
uv sync
4. Kubernetes クラスターに Chaos Mesh をインストールします。

こちらからインストールできます。

使用方法

次のコマンドを使用して MCP サーバーを実行します:

uv run python server.py

--transport 引数を追加すると、トランスポート方式を指定できます。デフォルトでは、transport パラメーターは sse に設定されています。

サービス情報

クラスター内のサービスを示す services.json ファイルを記述してください。役立つ情報であれば何でも記述でき、詳細であるほど望ましいです。

コメント

MCP は初めてですか?

プロトコルの概要から最初のサーバーの導入まで、よくある疑問にまとめて答えます。

AI アプリケーションが外部のツールやデータソースに統一的な方法で接続するためのオープンなプロトコルです。クライアントはモデルとの対話を担い、MCP サーバーはツール・リソース・プロンプトテンプレートを提供します。標準メッセージでやり取りするため、1 つのサーバーを複数のクライアントで再利用できます。