Cloud Native Architecture MCP Server

云原生架构MCP服务器

MCP（模型上下文协议）服务器，提供为云原生基础设施生成架构图的工具：

• Kubernetes 集群图
• 亚马逊云服务 基础设施图
• 谷歌云平台 基础设施图

使用 图表 库以编程方式创建专业的可视化架构图。

特性

• 三种专用工具 适用于不同的云平台
• 可视化图表生成 使用适当的云提供商图标
• 集群/VPC分组 支持组织组件
• 连接映射 组件之间
• 以图像形式返回图表 直接在MCP响应中

安装

来自PyPI（推荐）

pip install cloud-native-architecture-mcp

或与 uvx 对于按需执行：

uvx cloud-native-architecture-mcp

来源

git clone https://github.com/yourusername/cloud-native-architecture-mcp-server
cd cloud-native-architecture-mcp-server
pip install -e .

先决条件

此程序包需要 Graphviz 要安装在您的系统上：

macOS：

brew install graphviz

Ubuntu/Debian：

sudo apt-get install graphviz

窗户： 下载自 graphviz.org

与MCP客户端一起使用

克劳德桌面

添加到您的 claude_desktop_config.json:

{
  "mcpServers": {
    "cloud-architecture": {
      "command": "uvx",
      "args": ["cloud-native-architecture-mcp"]
    }
  }
}

代理网关

添加到AgentGateway配置中：

mcp_servers:
  - name: cloud-architecture
    stdio:
      cmd: uvx
      args: ["cloud-native-architecture-mcp"]

可用工具

1.构建kubernetes图

构建Kubernetes架构图，支持：

• 部署、状态集、守护集、作业、Pod
• 服务，入口
• PVC、PV、存储类
• 配置地图，秘密
• HPA（水平吊舱自动缩放器）
• 命名空间群集

输入示例：

{
  "name": "microservices-app",
  "components": [
    {"type": "deployment", "name": "api-server", "replicas": 3},
    {"type": "service", "name": "api-svc"},
    {"type": "ingress", "name": "main-ingress"},
    {"type": "deployment", "name": "worker", "replicas": 2},
    {"type": "pvc", "name": "shared-storage"}
  ],
  "clusters": [
    {
      "name": "Production Namespace",
      "components": ["api-server", "api-svc", "worker"]
    }
  ],
  "connections": [
    {"from": "main-ingress", "to": "api-svc", "label": "HTTPS"},
    {"from": "api-svc", "to": "api-server"},
    {"from": "api-server", "to": "shared-storage"}
  ]
}

2.构建aws图

构建AWS基础架构图，支持：

• 计算：EC2、ECS、EKS、Lambda
• 数据库：RDS、DynamoDB、ElastiCache、Redshift
• 存储：S3、EBS、EFS
• 网络：ALB、NLB、ELB、CloudFront、Route53、VPC
• 集成：SQS、SNS、EventBridge
• VPC分组

输入示例：

{
  "name": "webapp-infrastructure",
  "components": [
    {"type": "route53", "name": "dns"},
    {"type": "alb", "name": "load-balancer"},
    {"type": "ec2", "name": "web-server"},
    {"type": "rds", "name": "postgres-db"},
    {"type": "s3", "name": "assets-bucket"},
    {"type": "elasticache", "name": "redis-cache"}
  ],
  "vpcs": [
    {
      "name": "Production VPC",
      "components": ["web-server", "postgres-db", "redis-cache", "load-balancer"]
    }
  ],
  "connections": [
    {"from": "dns", "to": "load-balancer"},
    {"from": "load-balancer", "to": "web-server"},
    {"from": "web-server", "to": "postgres-db"},
    {"from": "web-server", "to": "redis-cache"},
    {"from": "web-server", "to": "assets-bucket"}
  ]
}

3.构建gcp图

构建GCP基础设施图，支持：

• 计算：GCE、GKE、云函数
• 数据库：云SQL、Firestore、BigTable、Spanner
• 存储：GCS，持久磁盘
• 网络：负载均衡、云DNS、VPC
• 分析：BigQuery、数据流、发布/订阅
• VPC/网络分组

输入示例：

{
  "name": "data-processing-pipeline",
  "components": [
    {"type": "gcs", "name": "input-bucket"},
    {"type": "functions", "name": "process-files"},
    {"type": "pubsub", "name": "events"},
    {"type": "dataflow", "name": "etl-pipeline"},
    {"type": "bigquery", "name": "data-warehouse"}
  ],
  "connections": [
    {"from": "input-bucket", "to": "process-files", "label": "trigger"},
    {"from": "process-files", "to": "events"},
    {"from": "events", "to": "etl-pipeline"},
    {"from": "etl-pipeline", "to": "data-warehouse"}
  ]
}

发展

设置开发环境

# Clone the repository
git clone https://github.com/yourusername/cloud-native-architecture-mcp-server
cd cloud-native-architecture-mcp-server

# Create virtual environment
python -m venv venv
source venv/bin/activate  # On Windows: venv\Scripts\activate

# Install in development mode with dev dependencies
pip install -e ".[dev]"

本地测试

您可以直接测试MCP服务器：

# Run the server
python -m cloud_native_architecture_mcp.server

或者与MCP Inspector等MCP客户端一起使用：

npx @modelcontextprotocol/inspector uvx cloud-native-architecture-mcp

发布到PyPI

先决条件

1. 在以下位置创建帐户：

- PyPI （生产） - TestPyPI （测试）

1. 安装构建工具：

pip install build twine

构建和发布

1. 构建包：

python -m build

1. 首先在TestPyPI上进行测试：

twine upload --repository testpypi dist/*

1. 从TestPyPI安装以验证：

pip install --index-url https://test.pypi.org/simple/ cloud-native-architecture-mcp

1. 发布到PyPI：

twine upload dist/*

1. 验证安装：

pip install cloud-native-architecture-mcp

建筑

cloud-native-architecture-mcp-server/
├── src/
│   └── cloud_native_architecture_mcp/
│       ├── __init__.py
│       └── server.py          # Main MCP server implementation
├── pyproject.toml             # Package configuration
├── README.md
└── LICENSE

运作原理

1. MCP客户端 （Claude Desktop、AgentGateway等）调用三个工具之一
2. MCP服务器 接收组件配置（JSON）
3. 图表库 使用Graphviz生成架构图
4. 服务器返回 图为base64编码的PNG图像
5. 客户端显示 用户的可视化图表

贡献

欢迎投稿！请随时提交拉取请求。

许可证

MIT许可证-请参阅 许可证 详细信息文件

教育

资源

• MCP文件
• 图表文档
• PyPI出版指南

支持

有关问题、疑问或贡献，请访问 .

为什么有这么多JSON？

MCP通过JSON-RPC协议进行通信。MCP服务器中的所有工具、参数和响应都以JSON格式传输。如果JSON不存在，MCP客户端将不知道要发送什么参数以及工具实际做什么。JSON-RPC是MCP通信协议