mcpField
G
Gke (google Kubernetes Engine) Mcp

Gke (google Kubernetes Engine) Mcp

本地服务
github.com/GoogleCloudPlatform云与基础设施1692 天前更新

关于 Gke (google Kubernetes Engine) Mcp

GKE MCP Server 将兼容 MCP 的 AI Agent 连接到 Google Kubernetes Engine,以执行集群和 Kubernetes 资源操作。它还提供部署、日志、建议、升级指导,以及可选的 Vertex AI 清单生成。

主要功能

  1. 01列出、查看、创建和更新 GKE 集群
  2. 02管理节点池和 Kubernetes 资源
  3. 03部署工作负载并应用清单
  4. 04查询 GKE 日志与事件
  5. 05查看建议和升级信息
  6. 06使用 Vertex AI 生成清单

适用场景

  1. 01检查 GKE 集群和节点池
  2. 02向 GKE 集群部署工作负载
  3. 03排查日志、事件和升级风险

MCP 相关

向 MCP 客户端提供 GKE 与 Kubernetes 管理工具、引导式提示词和上下文。默认使用 stdio,也可选择 Streamable HTTP。

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。

代码仓库

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

GKE MCP 服务与 Gemini CLI 扩展

让兼容 MCP 的 AI Agent 能够与 Google Kubernetes Engine 交互。

使用 GKE MCP 服务与 Gemini CLI 的演示

安装

选择一种安装 MCP 服务的方式,然后将你的 AI 连接到它。

作为 Gemini CLI 扩展使用
  1. 安装 Gemini CLI。

  2. 安装该扩展

gemini extensions install https://github.com/GoogleCloudPlatform/gke-mcp.git
在 MCP 客户端 / 其他 AI 中使用
快速安装(仅限 Linux 和 macOS)
curl -sSL https://raw.githubusercontent.com/GoogleCloudPlatform/gke-mcp/main/install.sh | bash
手动安装

如果你还没有安装 Go,请按照这些说明进行操作。

安装 Go 后,运行以下命令来安装 gke-mcp:

go install github.com/GoogleCloudPlatform/gke-mcp@latest

gke-mcp 二进制文件将安装到由 GOBIN 环境变量指定的目录中。如果未设置 GOBIN,则默认为 $GOPATH/bin;如果 GOPATH 也未设置,则回退到 $HOME/go/bin。

你可以运行 go env GOBIN 来找到确切位置。如果该命令返回空值,请运行 go env GOPATH 来查找安装目录。

如需更多帮助,请参阅故障排除部分:gke-mcp: command not found。

将 MCP 服务添加到你的 AI

有关如何将 GKE MCP 服务连接到各种 AI 客户端(包括 Cursor、Visual Studio Code、Claude Desktop 和 Claude Code)的详细说明,请参阅我们专门的安装指南。

配置 Developer Knowledge API

清单生成 Agent(generate_manifest 工具)可以使用 Developer Knowledge API 检索官方 GKE 文档、必需的注解和最佳实践。

要启用此功能:

  1. 启用 API: 在你的 Google Cloud 项目中启用 Developer Knowledge API(详情请参阅 Developer Knowledge API 文档)。
  2. 生成 API 密钥: 创建一个具有调用 Developer Knowledge API 权限的 API 密钥。
  3. 配置环境变量: 在启动 MCP 服务时设置 DK_API_KEY 环境变量:
    • Gemini CLI / 终端:
      export DK_API_KEY="your-api-key-here"
      
    • Cursor / Claude Desktop / Visual Studio Code: 将该环境变量添加到客户端的 MCP 配置中。例如,在 claude_desktop_config.json 中:
      {
        "mcpServers": {
          "gke-mcp": {
            "command": "gke-mcp",
            "env": {
              "DK_API_KEY": "your-api-key-here"
            }
          }
        }
      }
      

可选配置:

  • DK_BASE_URL:Developer Knowledge API 的基础 URL(默认为 https://knowledge.googleapis.com)。

MCP 工具

  • cluster_toolkit_download:下载 Cluster Toolkit Git 仓库。
  • list_clusters:列出 GKE 集群。
  • get_cluster:获取单个 GKE 集群的详细信息。
  • create_cluster:创建新的 GKE 集群(默认为 Autopilot)。
  • get_kubeconfig:为 GKE 集群配置 kubeconfig。
  • update_cluster:更新 GKE 集群。
  • get_node_sos_report:从 GKE 节点生成并下载 SOS 报告。
  • delete_cluster:删除 GKE 集群(如已启用)。
  • list_node_pools:列出 GKE 集群中的节点池。
  • get_node_pool:获取 GKE 节点池的详细信息。
  • create_node_pool:在 GKE 集群中创建新的节点池。
  • update_node_pool:更新 GKE 节点池。
  • delete_node_pool:删除 GKE 节点池(如已启用)。
  • gke_deploy:使用配置文件将工作负载部署到 GKE 集群。
  • query_logs:使用 Logging Query Language (LQL) 查询 Google Cloud Platform 日志。
  • get_log_schema:获取特定 GKE 日志类型的架构。
  • list_monitored_resource_descriptors:列出 GKE 的受监控资源描述符。
  • list_recommendations:列出 GKE 集群的建议。
  • get_k8s_changelog:获取用于升级的 Kubernetes 变更日志。
  • get_gke_release_notes:获取 GKE 发布说明。
  • generate_manifest:使用 Vertex AI 生成 Kubernetes 清单。
  • get_k8s_resource:从集群获取一个或多个 Kubernetes 资源。
  • list_k8s_events:从 Kubernetes 集群检索事件。
  • get_k8s_version:检索给定集群的 Kubernetes 服务器版本。
  • apply_k8s_manifest:使用服务端应用将 Kubernetes 清单应用到集群。
  • get_k8s_logs:从 Pod 中的 Kubernetes 容器获取日志。
  • delete_k8s_resource:从集群删除 Kubernetes 资源。

MCP 提示词

提示词提供引导式工作流和专家知识模板。

  • gke:cost:回答有关 GKE 相关费用的自然语言问题。
  • gke:deploy:使用配置文件将工作负载部署到 GKE 集群。
  • gke:upgrade-risk-report:GKE 控制平面升级风险报告,分析从当前版本升级到目标版本的潜在风险。执行升级前检查、API 弃用扫描等。
  • gke:upgrades-best-practices-risk-report:GKE 控制平面升级最佳实践,应用于指定集群。帮助升级顺利进行。

MCP 上下文

除了上述工具外,还通过捆绑的上下文指令提供了大量价值。

  • 费用:所提供的指令允许 AI 回答许多与 GKE 费用相关的问题,包括与集群、命名空间和 Kubernetes 工作负载相关的查询。

  • GKE 已知问题:所提供的指令允许 AI 获取最新的 GKE 已知问题,并检查集群是否受其中某个已知问题影响。

支持的 MCP 传输方式

默认情况下,gke-mcp 使用 stdio 传输方式。此外,也支持 Streamable HTTP 传输方式。

你可以使用以下选项设置传输模式:

--server-mode:服务器使用的传输方式:stdio(默认)或 http

--server-host:server-mode 为 http 时使用的服务器主机;默认为 127.0.0.1

--server-port:server-mode 为 http 时使用的服务器端口;默认为 8080

gke-mcp --server-mode http --server-host 127.0.0.1 --server-port 8080

警告

默认情况下,HTTP 服务器绑定到 127.0.0.1,这限制了对本机的访问。 如果你显式设置 --server-host 0.0.0.0 或其他非回环地址,服务器可能会从你网络上的其他机器访问。 如果服务器不应设为私有,请确保已配置防火墙和/或其他安全措施。

将 Gemini CLI 连接到 HTTP 服务

要将 Gemini CLI 连接到 gke-mcp HTTP 服务,需要配置 CLI 指向正确的端点。你可以通过更新 ~/.gemini/settings.json 文件来完成此操作。对于无需身份验证的基本设置,该文件应如下所示:

{
  "mcpServers": {
    "gke": {
      "httpUrl": "http://127.0.0.1:8080/mcp"
    }
  }
}

此配置告知 Gemini CLI 如何访问运行在本地机器 8080 端口上的 gke-mcp 服务。

开发

要编译二进制文件并使用本地更改更新 gemini-cli 扩展,请按照以下步骤操作:

  1. 移除全局 gke-mcp 配置

    rm -rf ~/.gemini/extensions/gke-mcp
    
  2. 从项目根目录构建二进制文件:

    go build -o gke-mcp .
    
  3. 运行安装命令以更新扩展清单:

    ./gke-mcp install gemini-cli --developer
    

    这将使 gemini-cli 使用你本地编译的二进制文件。

免责声明

  • Google Cloud Platform 服务条款(见 https://cloud.google.com/terms/)以及数据处理和安全条款(见 https://cloud.google.com/terms/data-processing-terms)不适用于 GKE MCP Server 软件的任何组件。
  • 此工具仅供教育和实验使用,并非 Google 官方支持的产品。它按尽力而为的原则维护,可能会在不另行通知的情况下发生变化。
  • 此项目与大模型交互,存在固有风险。
    • 使用风险自负: 此软件为实验性、非确定性软件,按“原样”提供,不附带任何保证或担保。
    • 不得用于生产环境。
    • 数据敏感性: 避免使用不可信的数据。切勿输入机密、API 密钥或敏感信息。
    • 验证输出: 大模型的回复可能不可预测且可能不准确。请始终验证结果。

评论

支持 Markdown

第一次接触 MCP?

从协议是什么,到在客户端里装上第一个服务,这几条回答覆盖了大多数入门问题。

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。