mcpField
D
DynamicEnv MCP Server

DynamicEnv MCP Server

本地服务
github.com/yonathan-shtekel云与基础设施080 周前更新

关于 DynamicEnv MCP Server

DynamicEnv MCP Server 为管理 Kubernetes DynamicEnv 资源的开发者和 AI Agent 提供 MCP 接口,支持发现环境、监控状态、诊断问题以及检查依赖后删除资源。

主要功能

  1. 01列出并筛选 DynamicEnv 实例
  2. 02监控状态并接收进度更新
  3. 03查看 Pod、健康状态和可选日志
  4. 04检查依赖后删除环境
  5. 05使用 kubeconfig 或集群内凭据认证

适用场景

  1. 01跟踪开发和测试环境
  2. 02检查部署与 Pod 健康状况
  3. 03确认依赖后清理环境

MCP 相关

该服务向 MCP 客户端提供管理 DynamicEnv Kubernetes 自定义资源的工具,包括列表查询、状态检查和删除。

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

DynamicEnv MCP 服务

License Python

一款高性能 Kubernetes MCP 服务,用于管理 DynamicEnv 自定义资源,支持实时更新和 AI 驱动的集成。


✨ 概述

DynamicEnv MCP Server 为 DynamicEnv Kubernetes 自定义资源提供适用于 AI 的 API 接口,可对开发、测试和临时工作负载所用的动态环境进行实时跟踪、智能调试和简化清理。

它采用异步优先架构,并旨在与模型上下文协议(MCP)无缝集成,帮助开发者和 AI Agent 安全、高效地管理基于 K8s 的环境。


🔍 什么是 DynamicEnv?

DynamicEnv 是一种 Kubernetes 自定义资源(CRD),用于封装完整的动态环境配置。这些环境通常包括:

  • 多个相互依赖的服务
  • 特定于服务的配置(机密、配置、环境变量)
  • 路由规则(Ingress、服务网格)
  • 资源限制(CPU、内存配额)

此服务增强了对这些资源的可观测性和控制能力。


🚀 为什么选择 MCP?

模型上下文协议(MCP) 使 AI 工具能够:

  • 订阅实时更新
  • 管理可跟踪进度的长时间运行异步操作
  • 通过验证和结构化上下文安全地工作
  • 使用智能命令建议改进 DevOps 工作流

📄 主要功能

  • ✅ 列出和筛选 DynamicEnv 实例,可按命名空间、状态或部署状态筛选
  • ⏳ 实时状态监控,支持异步更新和进度报告
  • ❌ 安全删除环境,并检查依赖关系
  • ⚖️ 安全的 K8s 身份验证,支持集群内或 kubeconfig 凭据
  • 🔍 Pod 洞察、部署健康状况和可选日志
  • ✨ 通过 MCP 提供 适用于 AI 的接口

🗓 快速开始

# Clone the repository
git clone https://github.com/yonathan-shtekel/mcp-server-dynamic-env.git
cd mcp-server-dynamic-env

# Create virtual environment
python -m venv .venv
source .venv/bin/activate  # Windows: .venv\Scripts\activate

# Install dependencies
uv pip install -e .

📖 使用方法

本地开发
# Install MCP tools
pip install "mcp[cli]"

# Start the server with development tools
mcp dev server.py

# Or install and run in Claude Desktop
mcp install server.py

# Or simply run
mcp run server.py
核心 CLI 工具
工具描述
List查看所有 DynamicEnv,并按命名空间/状态筛选
Status检查部署、Pod 和日志
Delete从命名空间中安全删除 DynamicEnv 实例

📁 项目结构

src/
  kubernetes_client.py     # Kubernetes API wrapper
  dynamicenv_service.py    # Business logic
  utils.py                 # Helpers
  models/
    dynamicenv.py          # Typed data models
tests/                     # Unit & integration tests
server.py                  # MCP-compatible API server
pyproject.toml             # Project config and dependencies

🔧 测试

# Run test suite
pytest tests/ -v

# With coverage report
pytest tests/ -v --cov=src

💪 参与贡献

欢迎所有贡献!开始参与的步骤如下:

  1. Fork 此仓库
  2. 创建新分支
    git checkout -b feature/my-awesome-feature
    
  3. 提交并推送代码
    git commit -m "Add awesome feature"
    git push origin feature/my-awesome-feature
    
  4. 提交 Pull Request

如适用,请一并提供测试和文档更新。


💼 许可证

本项目采用 MIT 许可证授权,详情请参阅 LICENSE 文件。


👤 作者

Yonathan Shtekel
GitHub:@yonathan-shtekel


✨ 支持项目

如果此项目对你或你的团队有所帮助,请为它点亮一颗 ⭐️!


倾注 ❤️ 构建,由 模型上下文协议(MCP) 提供支持

开发

代码检查与格式化

本项目使用 ruff 进行代码检查和格式化。运行代码检查工具:

# Check for linting issues
ruff check src tests

# Auto-fix linting issues
ruff check --fix src tests

# Format code
ruff format src tests

代码检查配置定义在 pyproject.toml 中,包括:

  • 代码风格(PEP 8)
  • 导入排序
  • 类型注解检查
  • 最佳实践
  • 代码复杂度
其他静态分析

本项目还包含其他静态分析工具:

# Type checking
mypy src tests

# Security checks
bandit -r src
safety check

# Documentation coverage
interrogate src

所有这些检查都会在 CI/CD 流水线中自动运行。

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。