Terraform Cloud MCP 服务器

“Terraform Cloud” MCP 服务器的作用是什么？

Terraform Cloud MCP 服务器是一款 Model Context Protocol (MCP) 服务器，可将 AI 助手与 Terraform Cloud API 集成，使开发者能够通过自然对话管理其基础设施。该服务器基于 Python 和 Pydantic 模型构建，兼容所有支持 MCP 的平台，包括 Claude、Claude Code CLI、Claude Desktop、Cursor 和 Copilot Studio。通过将 Terraform Cloud 功能暴露为 MCP 工具，AI 助手可以执行如查询账户详情、管理工作区和项目、自动化基础设施任务等操作。这一集成简化了基础设施即代码的工作流，让开发者能够以编程和对话方式便捷地与云环境交互。

提示模板列表

仓库中未提及任何提示模板。

资源列表

可用文档中未描述明确的 MCP 资源。

工具列表

• 账户管理：支持获取已认证用户或服务账号的账户详情。
• 工作区管理：允许创建、读取、更新、删除和锁定/解锁 Terraform Cloud 工作区。
• 项目管理：支持创建、列出、更新和删除项目；管理项目标签绑定；在项目间移动工作区。

该 MCP 服务器的使用场景

• 账户概览：获取并监控当前 Terraform Cloud 用户或服务账号的详情，有助于访问审计和权限管理。
• 工作区生命周期管理：创建、读取、更新和删除工作区，使团队可通过对话界面自动化环境的搭建和销毁。
• 工作区锁定/解锁：锁定或解锁工作区以防止并发更改或进行维护，提高运维安全性。
• 项目组织管理：创建、更新、删除项目，或在项目间移动工作区，帮助在 Terraform Cloud 内部维护清晰的组织边界。
• 项目标签管理：管理项目标签绑定，支持成本分摊、合规或工作流自动化的标签策略。

如何进行设置

Windsurf

1. 确保已安装 Python 3.12+ 并可访问 Terraform Cloud MCP 服务器。

2. 找到您的 Windsurf 配置文件。

3. 将 Terraform Cloud MCP 服务器添加到您的 mcpServers 对象中：

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

4. 保存配置并重启 Windsurf。

5. 验证服务器已连接且可被发现。

API 密钥安全设置
请使用环境变量存储敏感值。例如：

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

Claude

1. 确保 Python 3.12+ 可用。

2. 下载或克隆 Terraform Cloud MCP 仓库。

3. 在您的 Claude 配置（见 CLAUDE.md）中添加：

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

4. 如上所述，使用环境变量设置您的 API 密钥。

5. 重启 Claude 并确认 MCP 服务器已列出。

Cursor

1. 安装 Python 3.12+ 并克隆仓库。

2. 打开 Cursor 的配置设置。

3. 添加 MCP 服务器：

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

4. 使用环境变量安全存储 API 密钥。

5. 保存并重启 Cursor，然后测试集成效果。

Cline

1. 下载 Terraform Cloud MCP 服务器并确保已安装 Python 3.12+。

2. 编辑 Cline 的配置文件，将 MCP 服务器包含进来：

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

3. 通过环境变量配置您的 Terraform Cloud API 密钥。

4. 重启 Cline 并验证运行状态。

注意： 请始终使用环境变量存储 API 密钥等敏感信息。

如何在流程中使用 MCP

在 FlowHunt 中使用 MCP

要将 MCP 服务器集成到您的 FlowHunt 工作流中，请首先在流程中添加 MCP 组件，并将其连接到您的 AI 代理：

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

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

配置完成后，AI 代理即可作为工具使用此 MCP，并可访问其全部功能。请记得将 “terraform-cloud” 替换为您的 MCP 服务器实际名称，并将 URL 改为您自己的 MCP 服务器地址。

概览

| 支持 Roots | ⛔ | 文档未描述 | | 支持采样 | ⛔ | 文档未描述 |

我们的看法

根据现有文档，Terraform Cloud MCP 服务器提供了专注的基础设施管理工具和清晰的搭建说明，但缺乏资源、提示模板或如 Roots 和采样等高级 MCP 特性的详细描述。它非常适合希望通过 AI 助手自动化 Terraform Cloud 工作流的团队，但若能进一步丰富 MCP 集成和文档会更佳。

MCP 评分