关于 Awesome DevOps MCP Servers
这是面向 DevOps 工作流的 MCP 服务精选目录,汇集基础设施即代码、容器编排、CI/CD、监控、安全和实用工具等领域的社区项目。条目涵盖生产就绪与实验性服务。
主要功能
- 01按 DevOps 领域分类整理 MCP 服务
- 02涵盖云端与本地服务
- 03标注实现语言和服务范围
- 04收录生产就绪及实验项目
适用场景
- 01查找基础设施管理相关 MCP 服务
- 02探索 Kubernetes 与容器编排集成
- 03寻找 CI/CD 或监控工具集成
- 04发现 DevOps 安全服务
MCP 相关
该项目是 MCP 服务目录,而非单个 MCP 服务;它整理面向 DevOps 工作流的服务,供用户查找和选择。
配置
本地服务的配置在各客户端中通用,复制后粘贴到客户端的 MCP 配置文件即可。
暂未收录安装方式
我们还没有获取到这个服务的安装包或远程地址,请按项目 README 中的说明安装。
工具
还没有获取到工具列表
本地服务需要在你的电脑上运行后才能读取工具,维护者暂未提供工具列表。
详细介绍
Awesome DevOps MCP 服务 
精选的 DevOps Model Context Protocol(MCP)服务列表。
什么是 MCP?
MCP 是一种开放协议,可通过标准化的服务实现,让 AI 模型安全地与本地和远程资源交互。本列表聚焦于适用于 DevOps 工作流的生产就绪型和实验性 MCP 服务。
图例
- 🎖️ – 官方实现
- 编程语言
- 🐍 – Python 代码库
- 📇 – TypeScript 代码库
- 🏎️ – Go 代码库
- 🦀 – Rust 代码库
- 范围
- ☁️ - 云服务
- 🏠 - 本地服务
基础设施即代码
用于基础设施配置和管理的 MCP 服务。
- nwiizo/tfmcp 🦀 🏠 - 用于以代码形式管理基础设施的 Terraform MCP 服务
- alexei-led/aws-mcp-server 🐍 ☁️ - 在安全的 Docker 环境中执行 AWS CLI 命令
- jdubois/azure-cli-mcp 🐍 ☁️ - 用于直接管理 Azure 的 Azure CLI 封装器
- bright8192/esxi-mcp-server 🐍 ☁️ - VMware ESXi/vCenter 管理服务
容器编排
Kubernetes 和容器管理 MCP 服务。
- alexei-led/k8s-mcp-server 🐍 - 执行 Kubernetes CLI 命令
- flux159/mcp-server-kubernetes 📇 ☁️/🏠 - Kubernetes 集群操作
- manusa/Kubernetes MCP Server 🏎️ 🏠 - 功能强大的 Kubernetes 服务,支持 OpenShift
- weibaohui/k8m 🏎️ ☁️/🏠 - 使用 50 多种工具进行多集群 Kubernetes 管理
CI/CD
持续集成和交付 MCP 服务。
- jenkins-mcp-server 🏎️ 🏠 - Jenkins 自动化服务集成
- argocd-mcp-server 🏎️ ☁️ - ArgoCD GitOps 持续交付
- github-actions-mcp 📇 ☁️ - GitHub Actions 工作流管理
监控与可观测性
可观测性和监控 MCP 服务。
- prometheus-mcp-server 🏎️ 🏠 - Prometheus 监控系统
- grafana-mcp-server 📇 ☁️ - Grafana 指标可视化
- datadog-mcp-server 🐍 ☁️ - Datadog 监控集成
安全
DevOps 安全 MCP 服务。
- vault-mcp-server 🏎️ 🏠 - HashiCorp Vault 密钥管理
- aqua-mcp-server 🏎️ ☁️ - Aqua Security 容器扫描
- snyk-mcp-server 📇 ☁️ - Snyk 漏洞扫描
实用工具
其他实用的 DevOps MCP 服务。
- ansible-mcp-server 🐍 🏠 - Ansible 配置管理
- pulumi-mcp-server 🏎️ ☁️ - Pulumi 基础设施即代码
- terragrunt-mcp-server 🏎️ 🏠 - 用于 Terraform 的 Terragrunt 封装器
致谢
感谢 DB-GPT 团队给予的支持并分享知识。他们的使命和社区贡献助力了 derisk 等创新的发展。
敬请关注更新和代码仓库的正式发布。让我们携手打造蓬勃发展的开源 Agent 生态!
社区群组
加入我们的飞书交流群,与其他开发者分享经验!
评论
支持 Markdown
一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。