K8s 多集群 MCP 的 AI 智能体
通过多集群 Kubernetes MCP 服务器集成，轻松管理与自动化多个 Kubernetes 集群的运维。以强大的 AI 驱动上下文切换、跨集群操作、发布管理和诊断，实现标准化的 Kubernetes 管理体验——所有操作尽在一个界面。从开发、预发到生产环境，集中多集群管控、即时洞察与快速故障排查一站式实现。
多集群 Kubernetes 集中化管理
在一个由 AI 驱动的平台上轻松掌控多个 Kubernetes 集群。通过多份 kubeconfig 文件，即刻列举、对比及管理所有集群资源。上下文切换、资源巡检及跨集群操作仅需一条指令，为所有 Kubernetes 环境提供全局可见性与极速故障排查。
- 统一集群访问.
- 通过多份 kubeconfig 文件，流畅访问和操作所有 Kubernetes 集群。
- AI 驱动上下文切换.
- 在开发、预发、生产集群间极速切换，无需手动重配。
- 跨集群洞察.
- 对比各集群间资源、状态与配置，加速决策。
- 集中式资源管理.
- 所有命名空间、节点、资源一站式查看与管控。
全方位发布与资源控制
通过高级发布管理与资源控制，全面掌控 Kubernetes 部署。实时监控发布状态，支持回滚、重启发布，并动态调整资源限额。轻松实现弹性扩缩容、暂停/恢复与应用升级，确保业务应用始终高效且具备弹性。
- 自动化发布管理.
- 监控状态、查看历史，支持撤销、重启、暂停与恢复等操作。
- 资源弹性伸缩 & 自动扩缩容.
- 一站式扩缩容、配置 Pod 自动扩缩容。
- 实时资源更新.
- 动态调整 CPU/内存限额与请求，确保应用最佳性能。
诊断、监控与智能运维
借助内置 AI 工具诊断应用问题、监控资源使用并执行高级运维操作。即时获取 Pod 日志、容器内执行命令，并获得可操作的诊断建议，保障 Kubernetes 工作负载健康与高性能运行。
- 即时诊断.
- AI 驱动，诊断应用问题、获取事件及日志。
- 实时 Pod 运维.
- 容器内执行命令、获取日志，轻松管理工作负载。
- 实时监控与指标.
- 监控节点/Pod 的 CPU/内存使用，保障资源最佳分配。
MCP 集成
可用的 Kubernetes MCP 集成工具
以下工具包含于 Kubernetes MCP 集成中：
- k8s_get_contexts
列出所有已配置集群的 Kubernetes 上下文。
- k8s_get_namespaces
列出指定 Kubernetes 上下文下的所有命名空间。
- k8s_get_nodes
列出 Kubernetes 集群中所有节点，便于基础架构可见性。
- k8s_get_resources
列出指定类型的资源，如 Pod、Deployment 或 Service。
- k8s_get_resource
获取指定 Kubernetes 资源的详细信息。
- k8s_get_pod_logs
获取指定 Pod 的日志，用于监控与排障。
- k8s_describe
展示 Kubernetes 资源的详细描述信息。
- k8s_apis
列出已连接 Kubernetes 集群的所有可用 API。
- k8s_crds
列出集群中所有自定义资源定义（CRD）。
- k8s_top_nodes
显示集群节点的资源统计（CPU/内存）。
- k8s_top_pods
显示集群内 Pod 的资源使用情况（CPU/内存）。
- k8s_diagnose_application
诊断集群中 Deployment 或应用的故障。
- k8s_rollout_status
获取 Kubernetes 资源发布的当前状态。
- k8s_rollout_history
获取资源发布的版本历史。
- k8s_rollout_undo
发布快速回滚至历史版本。
- k8s_rollout_restart
重启发布，以新配置重新部署工作负载。
- k8s_rollout_pause
暂停正在进行的发布，便于安全干预。
- k8s_rollout_resume
恢复已暂停的发布操作。
- k8s_create_resource
通过 YAML 或 JSON 定义创建新 Kubernetes 资源。
- k8s_apply_resource
应用配置，创建或更新 Kubernetes 资源。
- k8s_patch_resource
对现有资源字段进行补丁和更新。
- k8s_label_resource
为指定 Kubernetes 资源添加或更新标签。
- k8s_annotate_resource
为资源添加或更新注解，实现元数据管理。
- k8s_scale_resource
扩缩容资源（如 Deployment）到期望副本数。
- k8s_autoscale_resource
配置 Pod 水平自动扩缩容（HPA）以实现动态伸缩。
- k8s_update_resources
更新 Deployment 与容器的资源请求及限额。
- k8s_expose_resource
将 Kubernetes 资源暴露为新的 Service。
- k8s_set_resources_for_container
为指定容器设置 CPU/内存限额或请求。
- k8s_cordon_node
将节点标记为不可调度，便于维护操作。
- k8s_uncordon_node
维护完成后将节点重新标记为可调度。
- k8s_drain_node
驱逐节点上的 Pod，为维护做好准备。
- k8s_taint_node
为节点添加污点，控制 Pod 调度。
- k8s_untaint_node
移除节点污点，恢复正常调度。
- k8s_pod_exec
在 Pod 内容器中执行命令，便于排障或运维。
集中与简化多集群 Kubernetes 管理
用一个界面轻松管理、监控并自动化所有 Kubernetes 集群的运维。开发、预发、生产环境一站式流畅切换——立即试用或预约演示！
什么是 Multicluster MCP Server
Multicluster MCP Server 是一款强大的网关，专为让生成式 AI（GenAI）系统可通过 Model Context Protocol（MCP）无缝对接多个 Kubernetes 集群而设计。该服务器让组织可通过集中化界面，全面运维、观测和管理多个集群的 Kubernetes 资源。Multicluster MCP Server 完全兼容 kubectl，大幅简化多集群环境下应用的部署、扩缩容与监控工作流，是运行业务分布式 AI 工作负载或需要统一集群管理团队的必备利器。其开源特性，保证了对开发者与企业场景的易用性与可扩展性。
能力
Multicluster MCP Server 能做什么
借助 Multicluster MCP Server，用户与 AI 系统可高效管理、观测并自动化多个 Kubernetes 集群的运维。该平台统一了网关入口，支持高级部署策略、全面监控及对 GenAI 应用的无缝集成。
- 统一集群管理
- 集中运维与管理多个 Kubernetes 集群的资源。
- 全功能 kubectl 集成
- 使用熟悉的 kubectl 命令和工作流执行高级集群操作。
- 可观测性与指标
- 获取、分析并可视化所有已连接集群的指标、日志与告警。
- GenAI 工作流自动化
- 为分布式生成式 AI 应用简化运维与集成。
- 开源与可扩展
- 免费使用，便于自定义企业或开发者扩展。
AI 智能体如何受益于 Multicluster MCP Server
利用 Multicluster MCP Server，AI 智能体可统一访问多个 Kubernetes 集群，自动化复杂的部署与扩缩容任务，监控应用健康并高效编排分布式 AI 工作流。这大幅降低了运维复杂度，提升资源利用率，加速智能应用在多云与混合环境下的部署进程。