Token导航 LogoToken导航

MCP Server · 运维云端

Troubleshoot MCP Server

一个用于AI模型与Kubernetes支持包交互的协议服务器,提供包管理、文件浏览和kubectl命令执行功能,适用于Kubernetes集群故障排查场景。

stdio官方级别未说明来源级核验工具 0
集群管理PythonClaude

快速开始

作者 / 组织
chris-sanders
提供方
chris-sanders
运行时
Python

工具数量

0

来源目录标注

资源数量

0

来源目录标注

提示词数量

0

来源目录标注

GitHub Star

1

仓库热度

收录来源

2 个

MCP World

选型结论

Troubleshoot MCP Server 属于运维云端类 MCP Server,公开资料标注 0 个工具,通过stdio 本地进程接入,适配 Claude,有可以直接复制的安装命令;接入前要先准备 访问 Token。

分类

运维云端

传输方式

stdio

认证方式

访问 Token

部署方式

公开资料未说明

安装与配置

安装命令

uv run python -m troubleshoot_mcp_server

公开命令不是通用的启动方式,拼不出可靠配置示例;请在客户端 MCP 配置里按官方文档填写 command 和 args。

上手步骤

  1. 1

    准备运行环境

    stdio 服务在本地起进程,需要先装好 Python,再按安装命令拉取依赖。

  2. 2

    安装服务

    复制下面的安装命令执行;命令里带占位符的位置换成自己的密钥或路径。

  3. 3

    写入客户端配置

    在客户端的 MCP 配置里填启动命令和参数,保存后完全退出客户端再打开,让新配置生效。

  4. 4

    验证是否可用

    连接成功后客户端会列出 0 个工具,随便调一个只读工具确认能返回结果。

接入前确认

不要直接授予不必要的文件、网络或账号权限;先核对安装命令和配置内容。

详细介绍

Kubernetes支持的MCP服务器软件包

一个模型上下文协议(MCP)服务器,用于人工智能模型与Kubernetes支持包进行交互。该服务器使人工智能模型能够通过探索由(系统)生成的支持包来分析和排查Kubernetes集群的问题 故障排除 工具。

特点/功能

  • 🚀 包管理初始化并管理 Kubernetes 支持包
  • 🎮 表示游戏(Game)的符号,常用于网络交流中表达与游戏相关的内容或情绪。 命令执行针对软件包的API服务器运行kubectl命令
  • 📁 代表文件夹的图标,可翻译为“文件夹”。 文件资源管理器在软件包内导航和搜索文件
  • 🔐 安全认证基于令牌的包访问认证
  • 🐳 这个表情符号通常表示一只哭泣的鲸鱼,可以翻译为“哭泣的鲸鱼”或根据语境简化为“鲸鱼哭脸”。在中文网络交流中,它常被用来表达悲伤、委屈或无奈的情绪。 集装箱支撑作为容器化应用程序运行
  • ⚡(闪电符号,无具体文字含义,可表示快速、能量、电等概念) 单捆模式无状态操作,适用于临时/无服务器部署

单包模式(无状态操作)

对于无状态/临时部署(临时工作流、无服务器函数、按请求分配容器的架构),启用 单捆绑模式:

export MCP_SINGLE_BUNDLE_MODE=true
export PRESERVE_BUNDLES=true
export MCP_BUNDLE_STORAGE=/persistent-storage/bundles

什么是单捆绑模式?

单包模式通过将磁盘上包的存在视为真实来源,消除了内存中对包状态的跟踪。这实现了:

  • 自动恢复程序包当服务器启动时,它会自动激活保存在磁盘上的插件包
  • 无状态服务器重启每次服务器重启时,都会自动使用已持久化的包,而无需重新初始化
  • 单包不变性一次只能存在一个数据包,以避免状态混乱
  • 无缝时间/无服务器集成与短生命周期的服务器实例完美配合

使用模式

# Activity 1: Initialize bundle
# Server starts → downloads bundle → exits
initialize_bundle(url="https://example.com/bundle.tar.gz")

# Activity 2: Use bundle (new server instance)
# Server starts → auto-activates bundle from disk → succeeds
list_files(path="/kubernetes/pods")

# Activity 3: Run kubectl (another new server instance)
# Server starts → auto-activates bundle → succeeds
kubectl(command="get pods")

何时使用单捆绑模式

✅ 使用时机:

  • 在时间工作流中运行,其中每个活动都会启动一个新的服务器
  • 在无服务器/lambda环境中部署具有短期生命周期的函数
  • 使用每请求容器架构
  • 服务器实例经常重启

❌(这个符号在中文中通常表示“错误”或“取消”,但具体含义可能根据上下文有所不同) 请勿在以下情况下使用:

  • 你需要同时处理多个数据包
  • 运行长期存活的服务器实例(默认模式即可)
  • 绑定状态可以在内存中保持

配置详情

环境变量默认值描述
(内容未提供)(未指定)(未指定)MCP_SINGLE_BUNDLE_MODEfalse
启用单包模式PRESERVE_BUNDLESfalse
清理后保留磁盘上的包文件MCP_BUNDLE_STORAGE

| temp dir | 持久化包存储目录 |注 PRESERVE_BUNDLES=true :

必须设置为单包模式,以确保包在服务器重启后仍然存在。

快速入门

使用 Podman

# Build the image (uses melange/apko instead of Containerfile)
./scripts/build.sh

# Run the server
podman run -i --rm \
  -v "/path/to/bundles:/data/bundles" \
  -e SBCTL_TOKEN="your-token" \
  troubleshoot-mcp-server-dev:latest

开始使用的最简单方法是使用 Podman: 查看 Podman 文档

以获取全面的容器配置详情。

  1. 手动安装
  2. 确保已安装 Python 3.13
# Automatically creates and sets up environment with best available Python
./scripts/setup_env.sh

# OR create manually with UV
uv venv -p python3.13 .venv
uv pip install -e ".[dev]"  # For development with testing tools
  1. 设置包含紫外线的环境(推荐):
export SBCTL_TOKEN=your-token
  1. 设置您的身份验证令牌:
uv run python -m troubleshoot_mcp_server

使用UV运行服务器:

容器镜像变体

此项目提供了两种不同的容器镜像版本: troubleshoot-mcp-server-dev:latest

  • 发展形象:目的
  • 本地开发和测试由……建造/建成 ./scripts/build.sh :
  • (默认)用法
  • 当从源代码构建或在本地进行开发时示例
  ./scripts/build.sh
  podman run -i --rm troubleshoot-mcp-server-dev:latest

: troubleshoot-mcp-server:latest

  • 生产图像:目的
  • 官方发布和生产部署由……建造/建成 IMAGE_NAME=troubleshoot-mcp-server ./scripts/build.sh
  • 带有(某种工具/技术的)CI/CD(持续集成/持续交付)流水线使用方法
  • 在生产环境中或使用官方发布版本时示例
  IMAGE_NAME=troubleshoot-mcp-server ./scripts/build.sh
  podman run -i --rm troubleshoot-mcp-server:latest

:

为何有两个变体? -dev 该

  • 后缀可防止本地开发镜像与官方生产发布版本之间的冲突。这使用户能够:
  • 使用官方容器发布版本,避免本地构建的干扰
  • 在本地开发和测试,避免覆盖生产环境镜像

保持开发环境和生产环境之间的清晰分离

文档

如何创建新版本 这个(或“它”) 例子

该目录包含供开发人员参考的配置。这些文件不应被修改。

工具

MCP服务器为AI模型提供以下工具:

  • initialize_bundle包管理

初始化一个支持包以供使用

  • kubectlKubectl 命令

对软件包执行 kubectl 命令

  • list_files文件操作
  • read_file列出文件和目录
  • grep_files读取文件内容

在文件中搜索模式

示例用法

// Request to list files
{
  "name": "list_files",
  "input": {
    "path": "/kubernetes/pods",
    "recursive": false
  }
}

// Response (simplified)
{
  "content": "Listed files in /kubernetes/pods non-recursively:\n```json\n[\n  {\n    \"name\": \"kube-system\",\n    \"path\": \"/kubernetes/pods/kube-system\",\n    \"type\": \"directory\",\n    \"size\": null,\n    \"modified\": \"2025-04-10T12:30:45Z\"\n  },\n  {\n    \"name\": \"pod-definition.yaml\",\n    \"path\": \"/kubernetes/pods/pod-definition.yaml\",\n    \"type\": \"file\",\n    \"size\": 1254,\n    \"modified\": \"2025-04-10T12:30:45Z\"\n  }\n]\n```\nDirectory metadata:\n```json\n{\n  \"path\": \"/kubernetes/pods\",\n  \"recursive\": false,\n  \"total_files\": 1,\n  \"total_dirs\": 1\n}\n```"
}

AI模型可以使用MCP协议与服务器进行交互:

├── docs/                      # Documentation
│   ├── CLAUDE.md              # AI assistant instructions
│   ├── PODMAN.md              # Podman configuration guide
│   ├── README.md              # Project overview (this file)
│   ├── docs/                  # Detailed documentation
│   │   ├── agentic/           # AI agent documentation
│   │   ├── components/        # Component design docs
│   │   └── examples/          # Example prompts and usage
│   └── tasks/                 # Development tasks
│       ├── completed/         # Completed tasks
│       ├── started/           # Tasks in progress
│       └── ready/             # Tasks ready to implement
├── examples/                  # Example configurations (for reference only)
│   └── mcp-servers/           # MCP server example configs
├── scripts/                   # Utility scripts
│   ├── build.sh               # Podman build script
│   └── run.sh                 # Podman run script
├── src/                       # Source code
│   └── troubleshoot_mcp_server/
│       ├── __init__.py
│       ├── __main__.py        # Entry point
│       ├── bundle.py          # Bundle management
│       ├── cli.py             # CLI interface
│       ├── config.py          # Configuration management
│       ├── files.py           # File operations
│       ├── kubectl.py         # Kubectl command execution
│       ├── lifecycle.py       # Bundle lifecycle management
│       └── server.py          # MCP server implementation
└── tests/                     # Test files
    ├── e2e/                   # End-to-end tests
    ├── fixtures/              # Test fixtures
    ├── functional/            # Functional tests (MCP protocol validation)
    ├── integration/           # Integration tests
    ├── unit/                  # Unit tests
    └── util/                  # Test utilities

项目结构

发展

安装

# Clone the repository
git clone https://github.com/your-username/troubleshoot-mcp-server.git
cd troubleshoot-mcp-server

# Set up the development environment using UV
./scripts/setup_env.sh

# Or manually with UV
uv venv -p python3.13 .venv
uv pip install -e ".[dev]"

为了开发,以可编辑模式安装包含开发依赖项的包: 如需关于依赖管理的详细指南,请参阅我们的依赖管理指南

。

代码风格

# Format code with Ruff
uv run ruff format .

# Lint code with Ruff
uv run ruff check .

代码格式化是使用 Ruff 完成的:

# Run all tests
uv run pytest

# Run with verbose output
uv run pytest -v

# Run a specific test type using markers
uv run pytest -m unit
uv run pytest -m integration
uv run pytest -m functional  # MCP protocol validation
uv run pytest -m e2e

# Run tests with detailed warnings
uv run pytest -W all

# Run tests with warnings as errors
uv run pytest -W error

# Or use the helper script
./scripts/run_tests.sh unit
./scripts/run_tests.sh integration

测试

  • 要求
  • kubectl Python 3.13
  • sbctl 命令行工具
  • 用于包管理的命令行工具 SBCTL_TOKEN 用于身份验证的令牌(设置为 REPLICATED 或者

环境变量)

所有依赖项均包含在Podman容器中,因此这是推荐的部署方法。

做出贡献 欢迎投稿!请参阅 开发者指南

关于如何参与的详细信息。

许可证 这个项目采用Apache License 2.0授权——详见 许可证

工具与能力

工具数量

0

资源数量

0

提示词数量

0

能力标签

Kubernetes诊断Python本地部署AI运维集群管理容器工具支持包分析

支持客户端

Claude

数量来自来源目录的标注,具体工具清单以官方文档为准。

典型使用场景

看服务状态

查询容器、日志和监控指标,定位异常。

执行部署变更

在权限范围内触发发布、回滚和环境切换。

核对资源用量

汇总用量,找出闲置和超额的部分。

选择建议

值得选的地方

  • 只提供 0 个工具,职责集中,接入后不容易误操作。
  • 有现成的安装命令,不用自己找入口,照着跑就能起服务。
  • 公开说明写得比较完整,接入前能看清能力边界。

先想清楚的地方

  • stdio 方式要求本地装好 Python,换机器要重新装一遍。
  • 需要自备访问 Token,没有凭据没法直接试。
  • 第三方目录整理,版本更新和行为细节以官方仓库为准。

更适合

  • 需要在运维云端场景里让模型直接调用外部能力的人。
  • 已经在用 Claude 的用户,接入路径最短。
  • 想先快速试一下、能接受在本地跑服务的人。

不太适合

  • 完全不想在本地装环境的人。
  • 暂时拿不到访问 Token的人。
  • 需要厂商级 SLA 和技术支持的生产环境。

同类对比

5 个同类
MCP Server工具数传输方式安装命令收录来源最后核验
Troubleshoot MCP Server

MCP World · 本页

0stdio有2 个2026-05-17
Ui Tars Desktop 8a825770

MCP World

0stdio有1 个2026-05-17
Elie222 MCP

MCP World

0未说明未标注1 个2026-05-17
Arizeai Phoenix MCP

MCP World

0stdio有3 个2026-05-17
Unity MCP 87ee506e

MCP World

42HTTP有2 个2026-05-17

按同分类和工具数量挑出最接近的几条,字段以各自详情页为准。

常见问题

5 条

Troubleshoot MCP Server 怎么安装?

公开资料给出的安装命令是 uv run python -m troubleshoot_mcp_server,运行环境为 Python。装完后按客户端要求写进 MCP 配置,重启客户端生效。

Troubleshoot MCP Server 怎么在 Claude Desktop、Cursor 里配置?

它是stdio 本地进程,客户端配置里要写启动命令和参数,运行环境是 Python;保存后完全退出客户端再打开,配置才会生效。

Troubleshoot MCP Server 收费吗?

本站只整理公开资料,不代收费用,也没有标注具体价格。是否收费取决于服务本身和背后的接口额度,正式使用前按官方说明确认。

Troubleshoot MCP Server 需要 API Key 吗?

公开资料标注的认证方式是访问 Token,也就是要先拿到凭据才能连上;凭据只填在自己本地的配置里,不要写进公开仓库。

Troubleshoot MCP Server 支持哪些客户端?

公开资料标注支持 Claude;其他客户端只要能配置 MCP Server,也能用同样的命令或地址接入。

来源信息

继续浏览同类 MCP