人工智能和开发者工作流程被大肆炒作，但说到 Kubernetes，却鲜有进展——这是有原因的。你希望你的基础设施稳定，而 Vibe 编码并不以稳定性著称。
想象一下，每次部署时你的配置都要重写。即使是像添加一个环境变量这样的小改动，也可能滚雪球般导致系统崩溃。因为你的法学硕士 (LLM) 认为你确实需要几个额外的节点，而你只是想升级 Docker 镜像版本。
什么是 MCP 服务器？
去年年底，Anthropic 推出了开源模型上下文协议 (MCP)，作为 AI 代理与第三方服务和 API 交互的一种方式。MCP 的主要目标是标准化 AI 代理与数据和服务交互的方式。
借助 MCP 服务器，您的 AI 代理可以安全地代表您行事* 。 * 现在，它们知道可以使用什么了，而不必猜测要调用哪些 API 端点或列出可能起作用或不起作用的 CLI 的可能命令。
此外，使用 MCP 服务器，您的代理可以感知您正在使用的工具的状态。这意味着它现在可以知道可以使用哪些 Grafana 仪表板、您在 GitHub 上存储了哪些代码库，或者 Docker 镜像有哪些可用的标签。只有数据，没有幻觉和虚构的上下文。
对于每个模型和 AI 代理，您可以配置它们应连接到哪些 MCP 服务器，以便代表您执行操作。对于我上面提到的每个供应商（Grafana、GitHub 和 Docker），都有一个对应的 MCP 服务器，用于将代理请求转换为上述提供商上的实际操作。
由于 Cyclops 致力于让开发人员的生活更轻松，我们实现了自己的 MCP 服务器，您可以将其安装到 Kubernetes 集群中并使用自然语言部署您的应用程序。
Cyclops MCP
在 GitHub 上查看 Cyclops MCP
Cyclops 本身是一个工具，用于将您的 Kubernetes 配置抽象到一个可自定义且简洁的 UI 背后。在底层，所有 Cyclops 应用都可以定义为 Kubernetes 对象。为了定义应用，Cyclops 引入了一个名为 Module 的 Kubernetes CustomResourceDefinition。
当开发者通过 Cyclops 的 UI 创建应用程序时，Cyclops 后端会创建一个模块实例。Cyclops MCP 提供了tools模块管理工具以及用于创建模块的模板。
Cyclops MCP 并没有将 DevOps 排除在外——DevOps 工程师负责创建模板并确保应用程序遵循最佳实践。通过模板，DevOps 工程师将定义需要创建哪些底层 K8s 资源，以及开发人员和 AI 代理在部署应用程序时应遵循哪些配置。
现在，您可以让 AI 代理使用自然语言部署您的应用。它会将您的请求转换为符合 DevOps 工程师架构的配置，从而确保最佳实践和生产就绪状态。
先决条件
试用 Cyclops MCP 的先决条件是：kubectl安装并运行一个 Kubernetes 集群，并在集群中安装 Cyclops。如果您没有正在运行的集群，可以使用Minikube创建一个。
要在集群中安装 Cyclops，请运行以下命令：
kubectl apply -f https://raw.githubusercontent.com/cyclops-ui/cyclops/v0.20.1/install/cyclops-install.yaml && kubectl apply -f https://raw.githubusercontent.com/cyclops-ui/cyclops/v0.20.1/install/demo-templates.yaml它将创建一个名为的新命名空间 cyclops ，并部署 Cyclops 实例运行所需的一切。
现在剩下的就是将 Cyclops 服务器暴露到集群之外：
kubectl port-forward svc/cyclops-ui 3000:3000 -n cyclops您现在可以通过浏览器通过 http://localhost:3000访问 Cyclops 。
安装 Cyclops MCP
如果您正在运行 Cyclops
v0.20.1或更高版本，您可以通过侧边栏"Addon">来安装 Cyclops MCP"MCP server"。现在，您可以点击"Install Cyclops MCP server"，您的 Cyclops MCP 服务器将在几秒钟内启动并运行。
或者，如果您正在运行之前的 Cyclops 版本v0.20.1，则可以使用以下命令安装 Cyclops MCP：
kubectl apply -f https://raw.githubusercontent.com/cyclops-ui/mcp-cyclops/refs/heads/main/install/mcp-server.yaml
现在您的 MCP 服务器已启动并运行，剩下的就是将其暴露到集群之外并将您的 AI 代理连接到它。
要在本地主机上公开 MCP 服务器，您只需使用以下命令进行端口转发即可：
kubectl port-forward -n cyclops svc/cyclops-mcp 8000:8000
您的服务器现在可以在 上使用localhost:8000。要将其连接到 AI 代理，您只需在其配置中提供 Cyclops MCP 服务器即可。例如，要将其添加到 Cursor，您可以使用以下 JSON 代码添加：
{ "mcpServers": { "mcp-cyclops": { "url": "http://localhost:8000/sse" } } }现在，您可以与您的 AI 伙伴开始新的对话。以下是我们如何将其与 Cursor 结合使用的示例。您可以随时在 Cyclops 中查看所有已部署的应用程序，也可以从 UI 中进行编辑。
Kubernetes MCP
在结束之前，我们必须先明确一个问题：“是否有一个 Kubernetes MCP 服务器可以用来直接与我的集群通信？” -有！
然而，这里有一个很大的警告。通过 Kubernetes MCP 的实现，你将允许你的 AI 代理部署底层资源，例如 Deployment、Service、Ingress 等等。每个公司（甚至 Kubernetes 集群）对于使用什么技术以及如何部署应用程序都有自己的具体要求。
当你告诉代理“将我的应用程序暴露到集群之外”时，它可以通过多种方式执行。AI 代理可以生成新的 Ingress，但这可能与一周前暴露另一个应用程序的方式不同，从而导致集群不一致。
代理在部署应用程序时不会遵循最佳实践，这可能会导致配置错误、生产中断或安全漏洞。
Kubernetes 非常复杂，并且其设置方式因集群而异 - 因此，AI 代理无法始终为您的情况提供正确的配置。
最后的想法
我们相信，人工智能正在开发者工作流程中找到自己的位置，但应该有一定程度的抽象和验证，以使其能够发挥作用并尽可能确保其安全。这是我们朝着这个方向迈出的第一步。