Kubectl MCP Tool

kubectl-mcp-server

Control your entire Kubernetes infrastructure through natural language conversations with AI.

Talk to your clusters like you talk to a DevOps expert. Debug crashed pods, optimize costs, deploy applications, audit security, manage Helm charts, and visualize dashboards, all through natural language.

Part of CNCF Landscape, Next to Terraform

______________________________________________________________________

安装

npx快速入门（推荐-零安装）

# Run directly without installation - works instantly!
npx -y kubectl-mcp-server

# Or install globally for faster startup
npm install -g kubectl-mcp-server

或者用pip（Python）安装

# Standard installation
pip install kubectl-mcp-server

# With interactive UI dashboards (recommended)
pip install kubectl-mcp-server[ui]

______________________________________________________________________

📑 目录

• 你能做什么？
• 为什么选择kubectl mcp服务器？
• 现场演示
• 安装

- npx快速入门 - 使用pip安装 - 码头工人

• 入门指南
• 使用AI助手快速设置
• 所有支持的AI助手
• 完整功能集
• 使用CLI
• 高级配置
• 可选功能

- 交互式仪表板 - 浏览器自动化

• 企业
• 整合与生态系统
• 集群内部署
• 多集群支持
• 建筑
• 代理技能
• 开发与测试
• 贡献
• 支持与社区

______________________________________________________________________

你能做什么？

只需用自然语言询问您的AI助手：

💬 “为什么我的吊舱要坠毁？”

• 通过日志、事件和资源分析进行即时崩溃诊断
• 确定根本原因并提出可操作的建议

💬 “部署一个包含3个副本的Redis集群”

• 使用最佳实践创建部署
• 配置服务、持久存储和运行状况检查

💬 “显示哪些Pod在浪费资源”

• 人工智能驱动的成本优化分析
• 具有潜在节约的资源建议

💬 “哪些服务无法访问数据库？”

• 使用DNS解析进行网络连接诊断
• 从入口到Pod的服务链跟踪

💬 “审核所有命名空间的安全性”

• RBAC权限分析
• 秘密安全扫描和pod安全策略

💬 “显示集群仪表板”

• 带有实时指标的交互式HTML仪表板
• 事件和资源使用的可视化时间线

253强大的工具 | 8个工作流提示 | 8数据资源 | 与所有主要的人工智能助手协同工作

为什么选择kubectl mcp服务器？

• 🚀 停止上下文切换 -直接从您的AI助手对话中管理Kubernetes
• 🧠 人工智能驱动的诊断 -获得智能故障排除，而不仅仅是原始数据
• 💰 内置成本优化 -识别浪费并获得可行的节约建议
• 🔒 企业就绪 -OAuth 2.1认证、RBAC验证、非破坏性模式、秘密屏蔽
• ⚡ 零学习曲线 -自然语言，而不是记忆kubectl命令
• 🌐 通用兼容性 -可与Claude、Cursor、Windsurf、Copilot和15多种其他AI工具配合使用
• 📊 视觉洞察力 -基于web的工具的交互式仪表板和浏览器自动化
• ☸️ 生产级 -与kMCP集群部署，216项测试通过，主动维护

从调试崩溃的Pod到优化集群成本，kubectl mcp服务器是您的AI驱动的DevOps伴侣。

现场演示

克劳德桌面版

Claude MCP

光标AI

Cursor MCP

帆板运动

Windsurf MCP

安装

npx快速入门（推荐-零安装）

# Run directly without installation - works instantly!
npx -y kubectl-mcp-server

# Or install globally for faster startup
npm install -g kubectl-mcp-server

或者用pip（Python）安装

# Standard installation
pip install kubectl-mcp-server

# With interactive UI dashboards (recommended)
pip install kubectl-mcp-server[ui]

从GitHub版本安装

# Install specific version directly from GitHub release (replace {VERSION} with desired version)
pip install https://github.com/rohitg00/kubectl-mcp-server/releases/download/v{VERSION}/kubectl_mcp_server-{VERSION}-py3-none-any.whl

# Example: Install v1.19.0
pip install https://github.com/rohitg00/kubectl-mcp-server/releases/download/v1.19.0/kubectl_mcp_server-1.19.0-py3-none-any.whl

# Or install latest from git
pip install git+https://github.com/rohitg00/kubectl-mcp-server.git

先决条件

• Python 3.9+ （用于管道安装）
• Node.js 14+ （用于npx安装）
• kubectl 的 已安装并配置
• 访问Kubernetes集群

码头工人

# Pull from Docker Hub
docker pull rohitghumare64/kubectl-mcp-server:latest

# Or pull from GitHub Container Registry
docker pull ghcr.io/rohitg00/kubectl-mcp-server:latest

# Run with stdio transport
docker run -i -v $HOME/.kube:/root/.kube:ro rohitghumare64/kubectl-mcp-server:latest

# Run with HTTP transport
docker run -p 8000:8000 -v $HOME/.kube:/root/.kube:ro rohitghumare64/kubectl-mcp-server:latest --transport sse

入门指南

1.测试服务器（可选）

在与您的AI助手集成之前，请验证安装：

# Check if kubectl is configured
kubectl cluster-info

# Test the MCP server directly
kubectl-mcp-server info

# List all available tools
kubectl-mcp-server tools

# Try calling a tool
kubectl-mcp-server call get_pods '{"namespace": "kube-system"}'

2.连接到您的AI助手

选择您最喜欢的AI助手并添加配置：

使用AI助手快速设置

克劳德桌面版

添加 ~/Library/Application Support/Claude/claude_desktop_config.json:

{
  "mcpServers": {
    "kubernetes": {
      "command": "npx",
      "args": ["-y", "kubectl-mcp-server"]
    }
  }
}

光标AI

添加 ~/.cursor/mcp.json:

{
  "mcpServers": {
    "kubernetes": {
      "command": "npx",
      "args": ["-y", "kubectl-mcp-server"]
    }
  }
}

帆板运动

添加 ~/.config/windsurf/mcp.json:

{
  "mcpServers": {
    "kubernetes": {
      "command": "npx",
      "args": ["-y", "kubectl-mcp-server"]
    }
  }
}

使用Python代替npx

{
  "mcpServers": {
    "kubernetes": {
      "command": "python",
      "args": ["-m", "kubectl_mcp_tool.mcp_server"],
      "env": {
        "KUBECONFIG": "/path/to/.kube/config"
      }
    }
  }
}

3.重新启动您的AI助手

添加配置后，重新启动AI助手 （GitHub复制品、克劳德代码、克劳德桌面、光标等） 加载MCP服务器。

4.尝试这些命令

与您的AI助手开始对话，并尝试以下操作：

故障排除：

"Show me all pods in the kube-system namespace"
"Why is the nginx-deployment pod crashing?"
"Diagnose network connectivity issues in the default namespace"

部署：

"Create a deployment for nginx with 3 replicas"
"Scale my frontend deployment to 5 replicas"
"Roll back the api-server deployment to the previous version"

成本与优化：

"Which pods are using the most resources?"
"Show me idle resources that are wasting money"
"Analyze cost optimization opportunities in the production namespace"

安全：

"Audit RBAC permissions in all namespaces"
"Check for insecure secrets and configurations"
"Show me pods running with privileged access"

赫尔姆：

"List all Helm releases in the cluster"
"Install Redis from the Bitnami chart repository"
"Show me the values for my nginx-ingress Helm release"

多集群：

"List all available Kubernetes contexts"
"Switch to the production cluster context"
"Show me cluster information and version"

MCP客户端兼容性

与无缝协作 所有兼容MCP的AI助手:

所有支持的AI助手

克劳德代码

添加 ~/.config/claude-code/mcp.json:

{
  "mcpServers": {
    "kubernetes": {
      "command": "npx",
      "args": ["-y", "kubectl-mcp-server"]
    }
  }
}

GitHub副本（VS代码）

添加到VS代码 settings.json:

{
  "mcp": {
    "servers": {
      "kubernetes": {
        "command": "npx",
        "args": ["-y", "kubectl-mcp-server"]
      }
    }
  }
}

鹅

添加 ~/.config/goose/config.yaml:

extensions:
  kubernetes:
    command: npx
    args:
      - -y
      - kubectl-mcp-server

Gemini CLI

添加 ~/.gemini/settings.json:

{
  "mcpServers": {
    "kubernetes": {
      "command": "npx",
      "args": ["-y", "kubectl-mcp-server"]
    }
  }
}

Roo代码/Kilo代码

添加 ~/.config/roo-code/mcp.json 或 ~/.config/kilo-code/mcp.json:

{
  "mcpServers": {
    "kubernetes": {
      "command": "npx",
      "args": ["-y", "kubectl-mcp-server"]
    }
  }
}

完整功能集

253个用于完整Kubernetes管理的MCP工具

MCP资源

将Kubernetes数据作为可浏览资源访问：

MCP提示

常见Kubernetes操作的预构建工作流提示：

关键能力

• 🤖 253强大的工具 -从Pod到安全的完整Kubernetes管理
• 🎯 8个AI工作流提示 -为常见操作预先构建的工作流程
• 📊 8 MCP资源 -可浏览的Kubernetes数据暴露
• 🎨 6个交互式仪表板 -用于可视化集群管理的HTML UI工具
• 🌐 26浏览器工具 -支持云提供商的Web自动化
• 🔄 107生态系统工具 -GitOps、证书管理器、策略、备份、KEDA、Cilium、推出、CAPI、KubeVirt、Istio、vCluster
• ⚡ 多运输 -stdio、SSE、HTTP、可流式传输HTTP
• 🔐 安全第一 -无损模式、秘密屏蔽、RBAC验证
• 🏥 高级诊断 -人工智能故障排除和成本优化
• ☸️ 多集群 -通过每个工具中的上下文参数定位任何集群
• 🎡 全头盔v3 -完整的图表生命周期管理
• 🔧 强大的CLI -Shell友好的工具发现和直接调用
• 🐳 云原生 -使用kMCP或kagent在集群中部署

使用CLI

内置的CLI允许您在没有AI助手的情况下探索和测试工具：

# List all tools with descriptions
kubectl-mcp-server tools -d

# Search for pod-related tools
kubectl-mcp-server grep "*pod*"

# Show specific tool schema
kubectl-mcp-server tools get_pods

# Call a tool directly
kubectl-mcp-server call get_pods '{"namespace": "kube-system"}'

# Pipe JSON from stdin
echo '{"namespace": "default"}' | kubectl-mcp-server call get_pods

# Check dependencies
kubectl-mcp-server doctor

# Show/switch Kubernetes context
kubectl-mcp-server context
kubectl-mcp-server context minikube

# List resources and prompts
kubectl-mcp-server resources
kubectl-mcp-server prompts

# Show server info
kubectl-mcp-server info

CLI功能

• 结构化错误：带有建议的可操作错误消息
• 彩色输出：人类可读，JSON模式用于脚本编写(--json)
• NO_COLOR支持：尊重 NO_COLOR 环境变量
• Stdin支持：将JSON参数传输到命令

高级配置

运输方式

服务器支持多种传输协议：

# stdio (default) - Best for Claude Desktop, Cursor, Windsurf
kubectl-mcp-server
# or: python -m kubectl_mcp_tool.mcp_server

# SSE - Server-Sent Events for web clients
kubectl-mcp-server --transport sse --port 8000

# HTTP - Standard HTTP for REST clients
kubectl-mcp-server --transport http --port 8000

# streamable-http - For agentgateway integration
kubectl-mcp-server --transport streamable-http --port 8000

运输选项：

• --transport：从中选择 stdio, sse, http, streamable-http （默认值： stdio)
• --host：绑定地址（默认值： 0.0.0.0)
• --port：网络传输端口（默认值： 8000)
• --disable-destructive （或 --non-destructive)：阻止破坏性操作（允许创建/更新、阻止删除）
• --read-only：阻止所有写入操作

环境变量

核心设置：

身份验证（企业）：

浏览器自动化（可选）：

可选：交互式仪表板（6个UI工具）

获得漂亮的HTML仪表板，用于可视化集群管理。

安装：

# Install with UI support
pip install kubectl-mcp-server[ui]

6仪表板工具：

• 📊 show_pods_dashboard_ui -实时吊舱状态表
• 📝 show_pod_logs_ui -带搜索功能的交互式日志查看器
• 🎯 show_cluster_overview_ui -完整的集群仪表板
• ⚡ show_events_timeline_ui -带有过滤功能的事件时间线
• 📄 show_resource_yaml_ui -带语法高亮显示的YAML查看器
• 📸 render_k8s_dashboard_screenshot -将仪表板导出为PNG

特征：

• 🎨 为终端优化的黑暗主题（Catppuccin）
• 🔄 对于不兼容的客户端，可以优雅地回退到JSON
• 🖼️ 屏幕截图渲染，实现通用兼容性
• 🚀 零外部依赖

使用：Goose、LibreChat、Nanobot（完整的HTML用户界面）|克劳德桌面、光标、其他（JSON+截图）

可选：浏览器自动化（26个工具）

通过以下方式自动化基于web的Kubernetes操作 代理浏览器 整合。

快速设置：

# Install agent-browser
npm install -g agent-browser
agent-browser install

# Enable browser tools
export MCP_BROWSER_ENABLED=true
kubectl-mcp-server

您可以做什么：

• 🌐 通过Ingress URL测试部署的应用程序
• 📸 屏幕截图Grafana、ArgoCD或任何K8s仪表板
• ☁️ 自动化云控制台操作（EKS、GKE、AKS）
• 🏥 健康检查web应用程序
• 📄 将监控仪表板导出为PDF
• 🔐 使用持久会话测试身份验证流

26可用工具: browser_open, browser_screenshot, browser_click, browser_fill, browser_test_ingress, browser_screenshot_grafana, browser_health_check，以及 19更多

高级功能:

• 云提供商：浏览器基础、浏览器使用
• 持久浏览器配置文件
• 远程CDP连接
• 会话管理

可选：kubectl mcp应用程序（8个交互式UI仪表板）

一个独立的npm包，使用MCP-ext-apps SDK为Kubernetes管理提供美观、交互式的UI仪表板。

安装：

# Via npm
npm install -g kubectl-mcp-app

# Or via npx (no install)
npx kubectl-mcp-app

Claude桌面配置：

{
  "mcpServers": {
    "kubectl-app": {
      "command": "npx",
      "args": ["kubectl-mcp-app"]
    }
  }
}

8交互式UI工具：

特征：

• 🎨 暗/亮主题支持
• 📊 实时数据可视化
• 🖱️ 交互操作（缩放、重新启动、删除）
• 🔗 与kubectl mcp服务器无缝集成

更多信息：参见 kubectl mcp应用程序/README.md 获取完整文档。

企业版：OAuth 2.1身份验证

使用OAuth 2.1身份验证（RFC 9728）保护您的MCP服务器。

export MCP_AUTH_ENABLED=true
export MCP_AUTH_ISSUER=https://your-idp.example.com
export MCP_AUTH_AUDIENCE=kubectl-mcp-server
kubectl-mcp-server --transport http --port 8000

支持的身份提供者：Okta、Auth0、Keycloak、微软Entra ID、谷歌OAuth和任何符合OIDC的提供商。

用例：多租户环境、合规要求、审计日志记录。

整合与生态系统

Docker MCP工具包

适用于 :

docker mcp server add kubectl-mcp-server mcp/kubectl-mcp-server:latest
docker mcp server configure kubectl-mcp-server --volume "$HOME/.kube:/root/.kube:ro"
docker mcp server enable kubectl-mcp-server
docker mcp client connect claude

代理注册表

从集中式安装 代理注册表:

# Install arctl CLI
curl -fsSL https://raw.githubusercontent.com/agentregistry-dev/agentregistry/main/scripts/install.sh | bash

# Install kubectl-mcp-server
arctl mcp install io.github.rohitg00/kubectl-mcp-server

可通过：PyPI(uvx)，npm(npx（OCI）docker.io/rohitghumare64/kubectl-mcp-server)

代理网关

通过路由到多个MCP服务器 代理网关:

# Start with streamable-http
kubectl-mcp-server --transport streamable-http --port 8000

# Configure gateway
cat > gateway.yaml <<EOF
binds:
- port: 3000
  listeners:
  - routes:
    - backends:
      - mcp:
          targets:
          - name: kubectl-mcp-server
            mcp:
              host: http://localhost:8000/mcp
EOF

# Start gateway
agentgateway --config gateway.yaml

将客户端连接到 http://localhost:3000/mcp 统一访问所有253个工具。

集群内部署

选项1:kMCP（推荐）

使用部署 kMCP -MCP服务器的控制平面：

# Install kMCP
curl -fsSL https://raw.githubusercontent.com/kagent-dev/kmcp/refs/heads/main/scripts/get-kmcp.sh | bash
kmcp install

# Deploy kubectl-mcp-server (easiest)
kmcp deploy package --deployment-name kubectl-mcp-server \
   --manager npx --args kubectl-mcp-server

# Or with Docker image
kmcp deploy --file deploy/kmcp/kmcp.yaml --image rohitghumare64/kubectl-mcp-server:latest

看 kMCP快速启动 了解详情。

选项2：标准Kubernetes

使用kubectl/kustomize进行部署：

# Using kustomize (recommended)
kubectl apply -k deploy/kubernetes/

# Or individual manifests
kubectl apply -f deploy/kubernetes/namespace.yaml
kubectl apply -f deploy/kubernetes/rbac.yaml
kubectl apply -f deploy/kubernetes/deployment.yaml
kubectl apply -f deploy/kubernetes/service.yaml

# Access via port-forward
kubectl port-forward -n kubectl-mcp svc/kubectl-mcp-server 8000:8000

看 部署/ 所有清单和配置选项的目录。

选项3:kagent（人工智能代理框架）

与集成 凯根特 -CNCF Kubernetes原生AI代理框架：

# Install kagent
brew install kagent
kagent install --profile demo

# Register as ToolServer
kubectl apply -f deploy/kagent/toolserver-stdio.yaml

# Open dashboard
kagent dashboard

您的AI代理现在可以访问所有253个Kubernetes工具。看 kagent快速入门.

建筑

┌─────────────────┐     ┌──────────────────┐     ┌─────────────────┐
│   AI Assistant  │────▶│   MCP Server     │────▶│  Kubernetes API │
│ (Claude/Cursor) │◀────│ (kubectl-mcp)    │◀────│    (kubectl)    │
└─────────────────┘     └──────────────────┘     └─────────────────┘

MCP服务器实现 模型上下文协议，将自然语言请求转换为kubectl操作。

模块化结构

kubectl_mcp_tool/
├── mcp_server.py          # Main server (FastMCP, transports)
├── tools/                  # 253 MCP tools organized by category
│   ├── pods.py            # Pod management & diagnostics
│   ├── deployments.py     # Deployments, StatefulSets, DaemonSets
│   ├── core.py            # Namespaces, ConfigMaps, Secrets
│   ├── cluster.py         # Context/cluster management
│   ├── networking.py      # Services, Ingress, NetworkPolicies
│   ├── storage.py         # PVCs, StorageClasses, PVs
│   ├── security.py        # RBAC, ServiceAccounts, PodSecurity
│   ├── helm.py            # Complete Helm v3 operations
│   ├── operations.py      # kubectl apply/patch/describe/etc
│   ├── diagnostics.py     # Metrics, namespace comparison
│   ├── cost.py            # Resource optimization & cost analysis
│   ├── ui.py              # MCP-UI interactive dashboards
│   ├── gitops.py          # GitOps (Flux/ArgoCD)
│   ├── certs.py           # Cert-Manager
│   ├── policy.py          # Policy (Kyverno/Gatekeeper)
│   ├── backup.py          # Backup (Velero)
│   ├── keda.py            # KEDA autoscaling
│   ├── cilium.py          # Cilium/Hubble network observability
│   ├── rollouts.py        # Argo Rollouts/Flagger
│   ├── capi.py            # Cluster API
│   ├── kubevirt.py        # KubeVirt VMs
│   ├── kiali.py           # Istio/Kiali service mesh
│   └── vind.py            # vCluster (virtual clusters)
├── resources/              # 8 MCP Resources for data exposure
├── prompts/                # 8 MCP Prompts for workflows
└── cli/                    # CLI interface

代理技能（人工智能编码代理的25项技能）

使用我们的Kubernetes专业知识扩展您的AI编码代理 代理技能 图书馆。技能提供了代理可以按需加载的专业知识和工作流程。

快速安装

# Copy all skills to Claude
cp -r kubernetes-skills/claude/* ~/.claude/skills/

# Or install specific skills
cp -r kubernetes-skills/claude/k8s-helm ~/.claude/skills/

可用技能（25）

转换为其他代理

使用 SkillKit 将技能转换为您首选的AI代理格式：

npm install -g skillkit

# Convert to Cursor format
skillkit translate kubernetes-skills/claude --to cursor --output .cursor/rules/

# Convert to Codex format
skillkit translate kubernetes-skills/claude --to codex --output ./

支持的代理： Claude、Cursor、Codex、Gemini CLI、GitHub Copilot、Goose、Windsurf、Roo、Amp等。

看 kubernetes技能/README.md 获取完整文档。

多集群支持

通过自然语言无缝管理多个Kubernetes集群。 每个工具 支持可选 context 参数，用于在不切换上下文的情况下针对任何集群。

上下文参数（v1.15.0）

大多数kubectl支持的工具都接受可选 context 参数以针对特定集群。 注意：vCluster（vind）和kind工具通过其本地CLI运行，不接受 context 参数。

与您的AI助手交谈：

"List pods in the production cluster"
"Get deployments from staging context"
"Show logs from the api-pod in the dev cluster"
"Compare namespaces between production and staging clusters"

带上下文的直接工具调用：

# Target a specific cluster context
kubectl-mcp-server call get_pods '{"namespace": "default", "context": "production"}'

# Get deployments from staging
kubectl-mcp-server call get_deployments '{"namespace": "app", "context": "staging"}'

# Install Helm chart to production cluster
kubectl-mcp-server call install_helm_chart '{"name": "redis", "chart": "bitnami/redis", "namespace": "cache", "context": "production"}'

# Compare resources across clusters
kubectl-mcp-server call compare_namespaces '{"namespace1": "prod-ns", "namespace2": "staging-ns", "context": "production"}'

上下文管理

与您的AI助手交谈：

"List all available Kubernetes contexts"
"Switch to the production cluster"
"Show me details about the staging context"
"What's the current cluster I'm connected to?"

或者直接使用CLI：

kubectl-mcp-server context                    # Show current context
kubectl-mcp-server context production         # Switch context
kubectl-mcp-server call list_contexts_tool    # List all contexts via MCP

运作原理

• 如果 context 如果省略，该工具将使用您当前的kubectl上下文
• 如果 context 如果指定了，则该工具直接针对该集群
• 响应包括 "context": "production" 或 "context": "current" 为清晰起见
• 适用于所有kubeconfig设置和方面 KUBECONFIG 环境变量
• 无需为跨集群操作切换上下文

开发与测试

设置开发环境

# Clone the repository
git clone https://github.com/rohitg00/kubectl-mcp-server.git
cd kubectl-mcp-server

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

# Install development dependencies
pip install -r requirements-dev.txt

运行测试

# Run all tests
pytest tests/ -v

# Run specific test file
pytest tests/test_tools.py -v

# Run with coverage
pytest tests/ --cov=kubectl_mcp_tool --cov-report=html

# Run only unit tests
pytest tests/ -v -m unit

测试结构

tests/
├── __init__.py          # Test package
├── conftest.py          # Shared fixtures and mocks
├── test_tools.py        # Unit tests for 253 MCP tools
├── test_resources.py    # Tests for 8 MCP Resources
├── test_prompts.py      # Tests for 8 MCP Prompts
└── test_server.py       # Server initialization tests

234项测试涵盖：工具注册、资源暴露、提示生成、服务器初始化、非破坏性模式、秘密屏蔽、错误处理、传输方法、CLI命令、浏览器自动化和生态系统工具。

代码质量

# Format code
black kubectl_mcp_tool tests

# Sort imports
isort kubectl_mcp_tool tests

# Lint
flake8 kubectl_mcp_tool tests

# Type checking
mypy kubectl_mcp_tool

贡献

我们❤️ 贡献！无论是错误报告、功能请求、文档改进还是代码贡献。

贡献方式：

• 🐛 通过以下方式报告错误
• 💡 建议功能或改进
• 📝 改进文档
• 🔧 提交拉取请求
• ⭐ 如果你觉得这个项目有用，就给它标上星号！

开发设置：参见 开发与测试 上面的部分。

在提交PR之前：

1. 运行测试： pytest tests/ -v
2. 格式代码： black kubectl_mcp_tool tests
3. 检查绒毛： flake8 kubectl_mcp_tool tests

支持与社区

• 📖 文档
• 💬
• 🐛 问题追踪
• 🎯 功能需求
• 🌟 代理注册表配置文件

许可证

MIT许可证-请参阅 许可证 了解详情。

链接和资源

软件包存储库：

• 🐍 PyPI包
• 📦
• 🐳

项目：

• 🔧
• 🐛 问题追踪
• 📋 更新日志

生态系统：

• 📚 模型上下文协议
• ☸️ Kubernetes文档

______________________________________________________________________

制作❤️ 面向Kubernetes和AI社区

如果 kubectl mcp服务器 让你的DevOps生活更轻松，给它一个⭐ 上 !