MCP For Argo Workflows

MCPAI代理

提供方 pipekit

AI代理 stdio · 本地进程 Token 社区 / 第三方 Claude DesktopClaudeCursor
查看接入方式

为Argo Workflows提供模型上下文协议(MCP)支持,允许AI助手通过标准化工具与工作流系统交互

一句话选型结论

按资料字段整理

MCP For Argo Workflows 属于AI代理类 MCP 服务器,stdio · 本地进程,Token,可直接接入 Claude Desktop、Claude、Cursor,有可直接执行的安装命令。接入前先确认权限范围;涉及写入、删除或付款的操作,建议先在测试环境验证。

分类AI代理 传输方式stdio · 本地进程 鉴权Token 部署方式本地部署
GitHub 星标 5 仓库热度,无公开仓库时显示未标注
工具数 34 暴露给模型的工具数量
资源 / 提示词 0 / 0 资源与提示词模板数量
维护方 社区 / 第三方 核验等级 仅资料核对

工具与能力

AI代理
数量来自来源目录的标注,具体工具清单以官方文档为准
工具数量34暴露给模型可调用的工具个数
资源数量0可读取的资源条目
提示词数量0内置提示词模板数量

能力标签

支持客户端

适用场景

工作流自动化Go本地部署Kubernetes工具AI集成DevOps工具云原生

安装与配置

stdio · 本地进程 Token
客户端在本机拉起子进程,数据不出本机
docker run -v ~/.kube:/root/.kube ghcr.io/pipekit/mcp-for-argo-workflows:latest

这条命令只是入口,具体启动参数请按官方文档补齐,不要直接照搬到别的服务器。

  1. 1
    准备运行环境

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

  2. 2
    安装服务

    复制上面的安装命令执行;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 配置里填好启动命令和参数,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约 34 个工具,随便调一个只读工具确认能返回结果。

典型使用场景

3 类
按分类与标签整理的常见用法,具体以官方文档为准
给代理接外部能力

让代理在任务中途调用搜索、数据库等真实工具。

多步任务编排

把一串操作拆成步骤,由代理按顺序执行。

自动化重复流程

把固定流程交给代理跑,减少手工操作。

选择建议

选之前先看这几条
按条目字段给出的判断,不替你决定用不用

值得选的地方

  • 资料标注 34 个工具,覆盖面较广,能满足多种调用。
  • 有现成的安装命令,不用自己找入口,照着跑就能起服务。
  • 已适配 Claude Desktop、Claude、Cursor,换客户端不用重新研究配置。

先想清楚的地方

  • stdio 方式要求本地装好运行时(如 Node.js),换机器要重新装一遍。
  • 使用前要准备好Token对应的凭据,并按最小权限配置。
  • 版本更新与行为细节以官方仓库为准。

更适合

  • 需要在AI代理场景里让模型直接调用外部能力的人。
  • 已经在用 Claude Desktop、Claude 的用户,接入路径最短。
  • 想先快速试一下、能接受在本地或自有环境跑服务的人。

不太适合

  • 完全不想在本地装环境的人。
  • 不方便管理密钥或第三方授权的人。
  • 需要厂商级 SLA 和技术支持的生产环境。

同类对比

6 个同类
同分类里挑最接近的几条,字段以各自详情页为准
MCP 服务器工具数传输方式部署方式安装命令最后核验
MCP For Argo Workflows当前 34 stdio · 本地进程 本地部署 有 2026-05-17
Filesystem 560c4363 13 未标注 本地部署 无 2026-05-17
Server Everything (everything) 11 stdio · 本地进程 本地部署 有 2026-05-17
Time 7365cb6d 2 SSE · 服务端推送 远程部署 有 2026-05-18
Everything Claude Code 未标注 stdio · 本地进程 本地部署 有 2026-05-17
Openmemory 557e1585 未标注 stdio · 本地进程 本地部署 有 2026-05-17

服务器档案

AI代理
字段来自项目仓库与公开索引,中文说明由本站标注
提供方pipekit上游标注的维护方 pipekit
分类AI代理本站按上游分类展示
连接方式stdio · 本地进程客户端在本机拉起子进程,数据不出本机
鉴权方式Token远程服务建议用最小权限凭据
维护方社区 / 第三方核验等级 仅资料核对
包名 / 运行时未标注 · Docker本地安装时用到的包标识与运行时
部署类型本地部署上游给出的部署形态
最近核验2026-05-17上游最后核验时间

详细介绍

12.4 KB
来自项目仓库与上游目录的原文,未做删改

Argo工作流的MCP

MCP(模型上下文协议)服务器 Argo工作流程,使像Claude这样的人工智能助手能够通过标准化工具与Argo工作流进行交互。

此服务器基于Argo v4,并希望您的信号量、互斥量和时间表是多个列表。
在v3.5或更早版本中使用它可能意味着你需要就此与它争论。

什么是MCP?

这 模型上下文协议 是一个开放标准,允许人工智能助手与外部工具和数据源安全交互。该服务器将Argo工作流操作作为MCP工具公开,使AI助手能够:

  • 提交和管理工作流
  • 监控工作流状态和日志
  • 管理工作流模板和cron工作流
  • 查询和操作工作流档案
  • 可视化工作流程图

特性

连接模式

  • 直接Kubernetes API -使用kubeconfig直接连接到Kubernetes API。最适合本地开发或未部署Argo Server时。
  • Argo服务器 --通过Argo Server连接以获得全功能支持,包括工作流归档操作、大型工作流支持和集中身份验证。

运输方式

  • 标准 (默认)--适用于Claude Desktop和Cursor等本地客户端
  • HTTP/SSE --用于远程客户端连接

支持的MCP客户端

  • 克劳德桌面版
  • 光标
  • 克劳德代码 (克劳德的CLI)
  • 任何兼容MCP的客户端

安装

下载预构建的二进制文件

从下载最新版本 GitHub 发布 页面。```bash

Linux (amd64)

curl -Lo mcp-for-argo-workflows https://github.com/pipekit/mcp-for-argo-workflows/releases/latest/download/mcp-for-argo-workflows-linux-amd64
chmod +x mcp-for-argo-workflows
sudo mv mcp-for-argo-workflows /usr/local/bin/

macOS (Apple Silicon)

curl -Lo mcp-for-argo-workflows https://github.com/pipekit/mcp-for-argo-workflows/releases/latest/download/mcp-for-argo-workflows-darwin-arm64
chmod +x mcp-for-argo-workflows
sudo mv mcp-for-argo-workflows /usr/local/bin/

macOS (Intel)

curl -Lo mcp-for-argo-workflows https://github.com/pipekit/mcp-for-argo-workflows/releases/latest/download/mcp-for-argo-workflows-darwin-amd64
chmod +x mcp-for-argo-workflows
sudo mv mcp-for-argo-workflows /usr/local/bin/


### 从源代码构建```bash
# Clone the repository
git clone https://github.com/pipekit/mcp-for-argo-workflows.git
cd mcp-for-argo-workflows

# Build the binary
make build

# The binary is created at bin/mcp-for-argo-workflows

码头工人```bash

docker pull ghcr.io/pipekit/mcp-for-argo-workflows:latest

Run with kubeconfig mounted

docker run -v ~/.kube:/root/.kube ghcr.io/pipekit/mcp-for-argo-workflows:latest


## 快速开始

### Claude桌面配置

将以下内容添加到您的Claude Desktop配置中(`~/Library/Application Support/Claude/claude_desktop_config.json` 在macOS或 `%APPDATA%\Claude\claude_desktop_config.json` 在Windows上):

**使用Direct Kubernetes API:**```json
{
"mcpServers": {
"argo-workflows": {
"command": "/usr/local/bin/mcp-for-argo-workflows",
"args": ["--namespace", "argo"]
}
}
}

使用Argo服务器:```json
{
"mcpServers": {
"argo-workflows": {
"command": "/usr/local/bin/mcp-for-argo-workflows",
"args": [
"--argo-server", "argo-server.argo:2746",
"--namespace", "argo"
],
"env": {
"ARGO_TOKEN": "Bearer eyJhbGciOiJSUzI1NiIs..."
}
}
}
}


### Claude代码配置

添加到您的克劳德代码设置(`~/.claude.json`):```json
{
"mcpServers": {
"argo-workflows": {
"command": "/usr/local/bin/mcp-for-argo-workflows",
"args": ["--namespace", "argo"]
}
}
}

光标配置

添加到光标设置:```json
{
"mcp.servers": {
"argo-workflows": {
"command": "/usr/local/bin/mcp-for-argo-workflows",
"args": ["--namespace", "argo"]
}
}
}


## 配置

### 配置选项

|环境变量|CLI标志|默认值|描述|
|---------------------|----------|---------|-------------|
| `MCP_TRANSPORT` | `--transport` | `stdio` |MCP传输模式: `stdio` 或 `http` |
| `MCP_HTTP_ADDR` | `--http-addr` | `:8080` |HTTP侦听地址(使用HTTP传输时)|
| `ARGO_SERVER` | `--argo-server` || Argo服务器主机:端口(对于直接K8s API省略)|
| `ARGO_TOKEN` | `--argo-token` ||Argo服务器身份验证的承载令牌|
| `ARGO_NAMESPACE` | `--namespace` | `default` |操作的默认命名空间|
| `KUBECONFIG` | `--kubeconfig` || kubeconfig文件的路径。多个文件可以用操作系统路径列表分隔符连接(`:` 在Unix上, `;` 在Windows上),符合kubectl约定|
| | `--context` ||要使用的Kubeconfig上下文。默认为kubeconfig `current-context` (仅限CLI)|
| `ARGO_SECURE` | `--argo-secure` | `true` |连接Argo服务器时使用TLS|
| `ARGO_INSECURE_SKIP_VERIFY` | `--argo-insecure-skip-verify` | `false` |跳过TLS证书验证|
| `ARGO_HTTP1` | `--argo-http1` | `false` |Argo服务器使用HTTP/1.1(REST)而不是gRPC。当服务器位于不支持gRPC的反向代理(例如nginx ingress)后面时需要|

**优先:** CLI标志>环境变量>默认值

### 示例配置

#### 本地开发(直接K8s API)```bash
# Uses your current kubeconfig context
mcp-for-argo-workflows --namespace argo

# Pin to a specific context (e.g. when KUBECONFIG merges several clusters)
mcp-for-argo-workflows --context eks-internal --namespace argo

# Multiple kubeconfig files, kubectl-style (':' on Unix)
KUBECONFIG=~/.kube/configs/eks.yaml:~/.kube/configs/k3d.yaml \
mcp-for-argo-workflows --context k3d-pipeline-mono --namespace argo

启动时会记录活动上下文和集群,以便您确认
在运行任何工具之前,先将服务器绑定到集群。

具有令牌认证的Argo服务器```bash

export ARGO_TOKEN="Bearer $(kubectl get secret -n argo argo-server-token -o jsonpath='{.data.token}' | base64 -d)"
mcp-for-argo-workflows \
--argo-server argo-server.argo:2746 \
--namespace argo


#### 远程访问的HTTP传输```bash
mcp-for-argo-workflows \
--transport http \
--http-addr :8080 \
--namespace argo

端口转发Argo服务器```bash

In one terminal

kubectl port-forward svc/argo-server -n argo 2746:2746

In another terminal

mcp-for-argo-workflows \
--argo-server localhost:2746 \
--argo-insecure-skip-verify \
--namespace argo


#### 反向代理后面的Argo服务器(例如nginx入口)```bash
mcp-for-argo-workflows \
--argo-server argo-workflows.example.com:443 \
--argo-http1 \
--argo-token "Bearer dummy" \
--namespace argo

可用工具

工作流生命周期

工具 说明
submit_workflow 从YAML清单提交工作流
list_workflows 列出工作流,可选择按状态/标签进行筛选
get_workflow 获取详细的工作流信息
delete_workflow 删除工作流
logs_workflow 获取工作流或pod日志
watch_workflow 流式工作流状态更新
wait_workflow 等待工作流完成
lint_workflow 提交前验证工作流清单

流程控制

工具 说明
suspend_workflow 暂停正在运行的工作流
resume_workflow 恢复暂停的工作流
stop_workflow 停止工作流(允许退出处理程序运行)
terminate_workflow 立即终止工作流
retry_workflow 从失败的步骤重试失败的工作流
resubmit_workflow 从现有工作流创建新工作流

可视化

工具 说明
render_workflow_graph 将工作流渲染为Mermaid、ASCII、DOT或SVG图
render_manifest_graph 无需提交即可从YAML预览工作流结构

工作流模板

工具 说明
list_workflow_templates 在命名空间中列出工作流模板
get_workflow_template 获取工作流模板详细信息
create_workflow_template 从YAML创建工作流模板
delete_workflow_template 删除工作流模板

集群工作流模板

工具 说明
list_cluster_workflow_templates 列出集群范围的工作流模板
get_cluster_workflow_template 获取集群工作流模板详细信息
create_cluster_workflow_template 从YAML创建集群工作流模板
delete_cluster_workflow_template 删除群集工作流模板

CronWorkflows

工具 说明
list_cron_workflows 列出cron工作流(计划工作流)
get_cron_workflow 获取cron工作流详细信息,包括时间表
create_cron_workflow 从YAML创建cron工作流
delete_cron_workflow 删除cron工作流
suspend_cron_workflow 暂停cron工作流的计划
resume_cron_workflow 恢复暂停的cron工作流

存档工作流(仅Argo服务器)

工具 说明
delete_archived_workflow 从存档中删除工作流
resubmit_archived_workflow 重新提交已存档的工作流
retry_archived_workflow 重试失败的存档工作流

> 注: 当通过Argo服务器连接时, list_workflows 和 get_workflow 自动包括存档的工作流。不需要为存档的工作流提供单独的列表/获取工具。

节点操作

工具 说明
get_workflow_node 获取工作流中特定节点的详细信息

用法示例

提交工作流

询问Claude:“将此工作流提交到argo命名空间”```yaml
apiVersion: argoproj.io/v1alpha1
kind: Workflow
metadata:
generateName: hello-world-
spec:
entrypoint: main
templates:
- name: main
container:
image: alpine:latest
command: [echo, "Hello World"]


### 监控工作流

- “列出argo命名空间中所有正在运行的工作流”
- “显示工作流hello-world-bac123的日志”
- “等待工作流hello-world-bc123完成”
- “工作流hello-world-bac123的状态如何?”

### 流程控制

- “暂停工作流数据管道xyz”
- “恢复暂停的工作流”
- “从失败的工作流重试失败的工作流”
- “优雅地停止工作流”

### 可视化工作流程

- “显示工作流复合体dag-123的图表”
- “将此工作流YAML渲染为美人鱼图”
- “给我一个工作流程图的ASCII可视化”

### 管理模板

- “列出argo命名空间中的所有工作流模板”
- “根据此YAML创建工作流模板”
- “删除名为数据管道的工作流模板”

### 使用CronWorkflows

- “显示所有计划的工作流”
- “暂停每日备份cron工作流”
- “cron工作流夜间清理的时间表是什么?”

## 故障排除

### 连接问题

**“创建Argo客户端失败”**

- 验证你的kubeconfig是否有效: `kubectl cluster-info`
- 检查RBAC权限: `kubectl auth can-i list workflows`
- 对于Argo服务器,验证服务器是否可访问: `curl https://argo-server.argo:2746/api/v1/info`

**工作流存在时“未找到工作流”**

- 检查命名空间:工作流是命名空间范围的
- 验证标签选择器是否过滤

### 身份验证问题

**Argo服务器出现“未经授权”错误**

- 确保 `ARGO_TOKEN` 设置正确
- 代币可能会过期;必要时再生
- 检查令牌是否具有所需的RBAC权限

**令牌生成:**```bash
# For service account token
kubectl create token argo-server -n argo

# Or from a secret
kubectl get secret -n argo argo-server-token -o jsonpath='{.data.token}' | base64 -d

TLS问题

“证书验证失败”

对于具有自签名证书的开发/测试:```bash
mcp-for-argo-workflows --argo-insecure-skip-verify


> **警告:** 不要用 `--argo-insecure-skip-verify` 在生产中。

### 反向代理/gRPC问题

**nginx入口后出现“意外的内容类型text/html”或gRPC错误**

当您的Argo服务器位于不支持gRPC的反向代理后面时(例如,没有gRPC后端协议的nginx入口),请使用HTTP/1.1模式:```bash
mcp-for-argo-workflows --argo-http1 --argo-server argo.example.com:443

调试日志记录

服务器记录到stderr。有关详细输出,请检查MCP客户端日志中的stderr或手动运行:```bash
mcp-for-argo-workflows --namespace argo 2>&1 | tee debug.log


## 贡献

欢迎投稿!请随时提交问题和拉取请求。

### 开发设置```bash
# Clone the repository
git clone https://github.com/pipekit/mcp-for-argo-workflows.git
cd mcp-for-argo-workflows

# Install development tools
make tools

# Run all checks (fmt, vet, lint, test)
make all

# Run only tests
make test

# Run only linter
make lint

# Run E2E tests (requires Docker for testcontainers)
make test-e2e

代码风格

  • 遵循标准Go惯例
  • 使用 gofmt 和 goimports 用于格式化
  • 通过 golangci-lint 检查

拉取请求流程

  1. 分叉存储库
  2. 创建要素分支
  3. 通过测试进行更改
  4. 确保 make all 通过
  5. 提交拉取请求

许可证

Apache许可证2.0-请参阅 许可证 了解详情。

常见问题

8 问
答案由本站依据条目字段整理,不引用上游原文
MCP For Argo Workflows 怎么安装?

在客户端按下面的安装命令接入:docker run -v ~/.kube:/root/.kube ghcr.io/pipekit/mcp-for-argo-workflows:latest。装完在客户端配置里引用同一个包或端点。

MCP For Argo Workflows 怎么在 Claude Desktop、Claude、Cursor 里配置?

它的传输方式是stdio · 本地进程,在客户端的 MCP 配置里填好启动命令和参数,保存后完全退出客户端再打开,配置才会生效。

MCP For Argo Workflows 收费吗?

本站不代收费用,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。

MCP For Argo Workflows 需要 API Key 吗?

资料标注需要Token认证,使用前准备好对应凭据,并按最小权限配置。

MCP For Argo Workflows 支持哪些客户端?

资料标注支持 Claude Desktop、Claude、Cursor;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。

MCP For Argo Workflows 能提供哪些能力?

资料显示约 34 个工具;能力标签包括 工作流自动化、云原生、Go、Claude。具体工具清单以官方文档为准。

MCP For Argo Workflows 需要什么运行环境?

运行时为 Docker;属于本地进程,需要在本机装好运行环境。

MCP For Argo Workflows 是本地还是远程?

它是本地进程(stdio),由客户端在本机拉起。传输方式为stdio · 本地进程。

热门专题

按标签挑服务器
全部专题 →

服务器信息以作者仓库与官方文档为准;分类、传输方式与鉴权方式的中文说明为中文整理,最近核验 2026-05-17。