Helm Chart CLI MCPサーバー

「Helm Chart CLI」MCPサーバーの概要

Helm Chart CLI MCPサーバーは、AIアシスタントとKubernetes用Helmパッケージマネージャーの間を橋渡しします。このMCPサーバーにより、AIアシスタントが自然言語リクエストを通じてHelmと連携し、チャートのインストール、リポジトリ管理、各種Helmコマンドの実行など、よく使われるHelmワークフローを自動化できます。Model Context Protocolを通じてHelmの機能を公開することで、開発者や運用チームはKubernetesアプリケーションのデプロイ管理をより効率的に行えます。チャートの作成やリント、リポジトリ管理、コマンドのオートコンプリートなどのタスクも、プログラムやAI経由で実行でき、開発ワークフローを強化します。

プロンプト一覧

利用可能なドキュメントやコードベースにはプロンプトテンプレートについての記載はありませんでした。

リソース一覧

利用可能なドキュメントやコードベースには明示的なMCPリソースの記載はありませんでした。

ツール一覧

• helm_completion
  各種シェル（bash, fish, powershell, zsh）用のオートコンプリートスクリプトを生成します。
• helm_create
  指定した名前とオプションのスターターテンプレートで新しいHelmチャートを作成します。
• helm_lint
  チャートの整合性を検証するテストを実行します。

このMCPサーバーのユースケース

• チャート自動作成
  開発者は新しいHelmチャートのスキャフォールドをプログラムで依頼でき、Kubernetesアプリのデプロイ準備を効率化します。
• リントによるチャート検証
  AIアシスタントがリントツールを呼び出して自動でチャートを検証し、手動ミスを減らしデプロイの信頼性を向上します。
• シェル用オートコンプリート支援
  HelmコマンドのCLI利用を効率化するシェル別オートコンプリートスクリプトを提供し、開発者の生産性を高めます。
• AIアシスタントとの統合
  AIエージェントがHelm操作を直接管理でき、コンテキスト切り替えを減らした会話型DevOpsを支援します。
• リポジトリ・チャート管理
  （一般的なHelm操作として想定されますが、ツール一覧には明記されていません—記載はドキュメントに限定します。）

セットアップ方法

Windsurf

1. Python 3.8+とHelm CLIがインストールされていることを確認します。
2. リポジトリをクローンします:

   git clone https://github.com/modelcontextprotocol/servers.git
   cd src/helm
   

3. 依存関係をインストールし、起動します:

   uv venv
   source .venv/Scripts/Activate.ps1
   uv pip install -e .
   mcp-server-helm
   

4. MCPサーバーをWindsurfの設定に追加します:

   {
     "mcpServers": {
       "helm-chart-cli": {
         "command": "mcp-server-helm",
         "args": []
       }
     }
   }
   

5. 保存してWindsurfを再起動し、接続を確認します。

APIキーのセキュリティ設定例

{
  "mcpServers": {
    "helm-chart-cli": {
      "command": "mcp-server-helm",
      "args": [],
      "env": {
        "API_KEY": "${HELM_MCP_API_KEY}"
      },
      "inputs": {
        "api_key": "${HELM_MCP_API_KEY}"
      }
    }
  }
}

Claude

1. 前提条件: Python 3.8+とHelm CLIがインストール済みであることを確認します。
2. 上記と同様にクローンおよびセットアップします。
3. Claudeの設定を編集します:

   {
     "mcpServers": {
       "helm-chart-cli": {
         "command": "mcp-server-helm",
         "args": []
       }
     }
   }
   

4. 保存してClaudeを再起動し、サーバー登録を確認します。

Cursor

1. Python 3.8+とHelm CLIをインストールします。
2. 上記と同様にMCPサーバーをクローン、インストール、起動します。
3. Cursorの設定に追加します:

   {
     "mcpServers": {
       "helm-chart-cli": {
         "command": "mcp-server-helm",
         "args": []
       }
     }
   }
   

4. 保存してCursorを再起動し、接続をテストします。

Cline

1. 前提条件を確認し、上記と同様にクローン・セットアップします。
2. Clineの設定にMCPサーバーを追加します:

   {
     "mcpServers": {
       "helm-chart-cli": {
         "command": "mcp-server-helm",
         "args": []
       }
     }
   }
   

3. 保存してClineを再起動し、確認します。

このMCPをフロー内で使う方法

FlowHuntでのMCP利用

MCPサーバーをFlowHuntワークフローに統合するには、まずフローにMCPコンポーネントを追加し、AIエージェントと接続します。

MCPコンポーネントをクリックして設定パネルを開き、システムMCP設定セクションで以下のJSON形式でサーバー情報を入力します。

{
  "helm-chart-cli": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

設定後、AIエージェントはこのMCPをツールとして利用でき、すべての機能にアクセスできます。“helm-chart-cli"は実際のMCPサーバー名に、URLは自身のMCPサーバーURLに置き換えてください。

概要

上記を踏まえ、Helm Chart CLI MCPサーバーは十分なツールサポートと明快なセットアップ手順を提供していますが、明示的なリソース・プロンプトリストやRootsやサンプリングに関するドキュメントは不足しています。ドキュメントは実用的かつ技術者向けの内容です。

MCPスコア

評価:
このMCPサーバー実装は、ツール公開やセットアップに関する実用的でしっかりしたドキュメントを持つ一方、完全なMCPリソース／プロンプトや高度な機能ドキュメントが欠けています。6/10と評価され、実用面では優れていますが、最良の事例ほど機能は揃っていません。