Terraform Cloud MCPサーバー

「Terraform Cloud」MCPサーバーとは？

Terraform Cloud MCPサーバーは、AIアシスタントをTerraform Cloud APIと統合し、開発者が自然な会話を通じてインフラ管理できるModel Context Protocol（MCP）サーバーです。PythonとPydanticモデルで構築されており、Claude、Claude Code CLI、Claude Desktop、Cursor、Copilot Studioなど、あらゆるMCP対応プラットフォームで利用できます。Terraform Cloudの機能をMCPツールとして公開し、AIアシスタントがアカウント情報の照会、ワークスペースやプロジェクトの管理、インフラタスクの自動化などを実行可能にします。この統合により、インフラストラクチャ・アズ・コードのワークフローが効率化され、開発者はクラウド環境とプログラム的かつ会話的にやりとりできるようになります。

プロンプト一覧

リポジトリにはプロンプトテンプレートの記載はありません。

リソース一覧

利用可能なドキュメントに明示的なMCPリソースの記載はありません。

ツール一覧

• アカウント管理：認証済みユーザーやサービスアカウントのアカウント情報取得が可能です。
• ワークスペース管理：Terraform Cloudワークスペースの作成、取得、更新、削除、ロック/アンロックが行えます。
• プロジェクト管理：プロジェクトの作成、一覧、更新、削除、プロジェクトタグの管理、およびワークスペースのプロジェクト間移動をサポートします。

本MCPサーバーのユースケース

• アカウントの概要確認：現在のTerraform Cloudユーザーやサービスアカウントの情報を取得・監視し、アクセス監査や権限管理に役立てます。
• ワークスペースライフサイクル管理：ワークスペースの作成・取得・更新・削除などを会話インターフェース経由で自動化。環境のセットアップや破棄を効率化します。
• ワークスペースのロック/アンロック：同時変更の防止やメンテナンスのためにワークスペースのロックや解除を行い、運用の安全性を高めます。
• プロジェクトの組織化：プロジェクトの作成・更新・削除や、ワークスペースのプロジェクト間移動で、Terraform Cloud内の組織構造を明確に保ちます。
• プロジェクトタグの管理：コスト配分やコンプライアンス、ワークフロー自動化のためのタグ付け戦略を支援します。

セットアップ方法

Windsurf

1. Python 3.12+がインストールされており、Terraform Cloud MCPサーバーにアクセスできることを確認します。

2. Windsurfの設定ファイルを探します。

3. mcpServersオブジェクトにTerraform Cloud MCPサーバーを追加します:

   {
     "mcpServers": {
       "terraform-cloud": {
         "command": "python",
         "args": ["-m", "terraform_cloud_mcp"]
       }
     }
   }
   

4. 設定を保存してWindsurfを再起動してください。

5. サーバーが接続され、認識されているか確認します。

APIキーのセキュリティ確保
機密値は環境変数で設定してください。例：

{
  "env": {
    "TERRAFORM_CLOUD_TOKEN": "your-api-token"
  },
  "inputs": {}
}

Claude

1. Python 3.12+が利用可能であることを確認します。

2. Terraform Cloud MCPリポジトリをダウンロードまたはクローンします。

3. Claudeの設定（CLAUDE.md参照）で以下を追加します:

   {
     "mcpServers": {
       "terraform-cloud": {
         "command": "python",
         "args": ["-m", "terraform_cloud_mcp"]
       }
     }
   }
   

4. 上述の通り環境変数でAPIトークンを設定します。

5. Claudeを再起動し、MCPサーバーがリストされていることを確認します。

Cursor

1. Python 3.12+をインストールし、リポジトリをクローンします。

2. Cursorの設定画面を開きます。

3. MCPサーバーを追加します:

   {
     "mcpServers": {
       "terraform-cloud": {
         "command": "python",
         "args": ["-m", "terraform_cloud_mcp"]
       }
     }
   }
   

4. APIキーの安全な保存には環境変数を使用してください。

5. 保存してCursorを再起動後、統合をテストします。

Cline

1. Terraform Cloud MCPサーバーをダウンロードし、Python 3.12+がインストールされていることを確認します。

2. Clineの設定ファイルを編集し、MCPサーバーを追加します:

   {
     "mcpServers": {
       "terraform-cloud": {
         "command": "python",
         "args": ["-m", "terraform_cloud_mcp"]
       }
     }
   }
   

3. Terraform Cloud APIトークンを環境変数で設定してください。

4. Clineを再起動し、動作を確認します。

注意: APIキーなどの機密情報は必ず環境変数で管理してください。

フロー内でMCPを利用する方法

FlowHuntでのMCP利用

FlowHuntワークフローにMCPサーバーを組み込むには、まずMCPコンポーネントをフローに追加し、AIエージェントに接続します。

MCPコンポーネントをクリックして設定パネルを開き、system MCP configuration欄で次のJSON形式でサーバー情報を入力します:

{
  "terraform-cloud": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

設定後、AIエージェントはMCPのすべての機能や能力にアクセスできるようになります。“terraform-cloud"はあなたのMCPサーバーの実際の名前に、URLもご自身のサーバーURLに差し替えてください。

概要

| Roots対応 | ⛔ | ドキュメントなし | | サンプリング対応 | ⛔ | ドキュメントなし |

総評

公開ドキュメントから判断すると、Terraform Cloud MCPサーバーはインフラ管理ツールと明快なセットアップ手順に特化していますが、リソースやプロンプトテンプレート、RootsやSamplingなどMCPの高度な機能に関する記載はありません。AIアシスタントによるTerraform Cloudワークフロー自動化を目指すチームには最適ですが、よりリッチなMCP連携やドキュメントが今後の課題です。

MCPスコア