Kong Konnect MCP 服务器

“Kong Konnect” MCP 服务器的作用是什么？

Kong Konnect MCP 服务器是一款模型上下文协议（MCP）服务器，使 AI 助手（如 Claude）能够直接与 Kong Konnect 的 API 网关交互。该服务器充当桥梁，让 AI 驱动的工具能够通过自然语言查询和分析网关配置、流量与分析数据。开发者可以利用该服务器，通过标准化的 MCP 工具，检索分析数据、检查 API 网关配置，以及管理控制平面。通过将 Kong Konnect API 等外部数据源集成到 AI 工作流，此 MCP 服务器简化了流量监控、配置审计和 API 服务管理等任务，提升了开发与运维的效率和智能化水平。

提示词列表

• 在仓库文件或 README 中未记录明确的提示词模板。

准备好发展您的业务了吗？

今天开始免费试用，几天内即可看到结果。

申请演示 登录

资源列表

• 在仓库文件或 README 中未记录明确的 MCP 资源。

分析工具

• 查询 API 请求
  通过可自定义的筛选条件（如时间范围、状态码、HTTP 方法、消费者 ID 等）查询和分析 Kong API 网关请求。

• 获取消费者请求
  按消费者 ID 和时间范围筛选，分析特定消费者发起的 API 请求。

配置工具

• (README 或项目文件中有提及其他配置工具，但未详细说明。)

控制平面工具

• (涉及控制平面管理的工具在 README 或项目文件中有提及，但未详细说明。)

本 MCP 服务器的应用场景

• API 分析与报告
  开发与运维团队可利用该服务器获取 API 请求的详细分析，包括按状态码、方法、消费者、服务等多维度筛选，实现全面监控。

• 消费者行为分析
  针对单个消费者的请求和行为进行分析，助力支持、计费或安全审计任务。

• 网关配置审计
  列出并检查服务、路由、消费者和插件，进行 API 网关配置的审计和验证。

• 控制平面管理
  管理和检查控制平面与控制平面组，简化分布式 API 网关的运维管理。

• AI 驱动运维
  让 AI 助手对 API 基础设施进行实时查询和诊断，减少人工操作，加速事件响应。

加入我们的新闻通讯

免费获取最新提示、趋势和优惠。

电子邮件地址

订阅

如何设置

Windsurf

1. 前置条件：确保已安装 Node.js 20+ 及支持 MCP 的客户端。
2. 克隆与安装：

   git clone https://github.com/Kong/mcp-konnect.git
   cd mcp-konnect
   npm install
   npm run build
   

3. 设置环境变量：

   export KONNECT_ACCESS_TOKEN=your_api_key
   export KONNECT_REGION=us
   

4. 在 Windsurf 配置中添加 MCP 服务器：
   编辑您的 Windsurf 配置文件（如 windsurf.json）：

   {
     "mcpServers": {
       "kong-konnect": {
         "command": "npx",
         "args": ["@kong/mcp-konnect@latest"],
         "env": {
           "KONNECT_ACCESS_TOKEN": "${KONNECT_ACCESS_TOKEN}",
           "KONNECT_REGION": "us"
         }
       }
     }
   }
   

5. 重启 Windsurf 并验证。

Claude

1. 前置条件：Node.js 20+，Claude Desktop 或兼容客户端。
2. 克隆、安装与构建：（同上）
3. 设置环境变量：（同上）
4. 编辑 Claude 配置：

   {
     "mcpServers": {
       "kong-konnect": {
         "command": "npx",
         "args": ["@kong/mcp-konnect@latest"],
         "env": {
           "KONNECT_ACCESS_TOKEN": "${KONNECT_ACCESS_TOKEN}",
           "KONNECT_REGION": "us"
         }
       }
     }
   }
   

5. 重启 Claude 并验证。

Cursor

1. 前置条件：Node.js 20+，带有 MCP 能力的 Cursor。
2. 克隆、安装、构建：（同上）
3. 设置环境变量：（同上）
4. 在 Cursor 中配置：

   {
     "mcpServers": {
       "kong-konnect": {
         "command": "npx",
         "args": ["@kong/mcp-konnect@latest"],
         "env": {
           "KONNECT_ACCESS_TOKEN": "${KONNECT_ACCESS_TOKEN}",
           "KONNECT_REGION": "us"
         }
       }
     }
   }
   

5. 重启 Cursor 并验证。

Cline

1. 前置条件：Node.js 20+，支持 MCP 的 Cline。
2. 克隆、安装、构建：（同上）
3. 设置环境变量：（同上）
4. 添加到 Cline 配置：

   {
     "mcpServers": {
       "kong-konnect": {
         "command": "npx",
         "args": ["@kong/mcp-konnect@latest"],
         "env": {
           "KONNECT_ACCESS_TOKEN": "${KONNECT_ACCESS_TOKEN}",
           "KONNECT_REGION": "us"
         }
       }
     }
   }
   

5. 重启并测试连接。

注意：
始终通过环境变量来保护 API 密钥。例如：

{
  "mcpServers": {
    "kong-konnect": {
      "command": "npx",
      "args": ["@kong/mcp-konnect@latest"],
      "env": {
        "KONNECT_ACCESS_TOKEN": "${KONNECT_ACCESS_TOKEN}",
        "KONNECT_REGION": "us"
      },
      "inputs": {
        "KONNECT_ACCESS_TOKEN": "env:KONNECT_ACCESS_TOKEN"
      }
    }
  }
}

如何在流程中使用 MCP

在 FlowHunt 中使用 MCP

要在 FlowHunt 工作流中集成 MCP 服务器，首先将 MCP 组件添加到您的流程中，并将其连接到 AI 智能体：

点击 MCP 组件，打开配置面板。在系统 MCP 配置部分，使用如下 JSON 格式填写您的 MCP 服务器信息：

{
  "kong-konnect": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

配置完成后，AI 智能体即可作为工具使用该 MCP，并访问其所有功能。请记得将 “kong-konnect” 替换为您的实际 MCP 服务器名称，并将 URL 替换为您自己的 MCP 服务器地址。

概览

综上，Kong Konnect MCP 服务器仍在持续完善中，但已经开放了相关的分析和配置工具。不过，资源与提示词文档缺失，且未提及 roots 或采样支持。该项目为开源，活跃度尚可，且有清晰的设置指引。

我们的观点

Kong Konnect MCP 服务器可良好集成于 AI 工作流，支持 API 运维与分析。但提示词与资源缺乏文档，roots 与采样未明确，影响了其完整性。不过，就其领域而言，该 MCP 已具备实用和价值。

评分： 6/10

MCP 评分