Ks AI

MCP运维云端

提供方 Ayushpani

运维云端 stdio · 本地进程 API Key 社区 / 第三方 Claude
查看接入方式

KS-AI是一款生产级的AI助手,通过自然语言理解实现Kubernetes操作,提供实时集群洞察的智能响应。

一句话选型结论

按资料字段整理

Ks AI 属于运维云端类 MCP 服务器,stdio · 本地进程,API Key,可直接接入 Claude,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。

分类运维云端 传输方式stdio · 本地进程 鉴权API Key 部署方式本地部署
GitHub 星标 6 仓库热度,无公开仓库时显示未标注
工具数 未标注 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

运维云端
数量来自来源目录的标注,具体工具清单以官方文档为准
工具数量未标注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

KubernetesPython本地部署AI助手自然语言处理集群管理DevOps工具

安装与配置

stdio · 本地进程 API Key
客户端在本机拉起子进程,数据不出本机
python -m venv venv

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 Python,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

    连接成功后随便调一个只读工具,确认能返回结果,再接入正式流程。

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
云资源查询

查实例、存储、账单等云上资源状态。

部署与发布

把部署、重启、回滚这类操作接进对话。

监控与告警

拉取监控指标,异常时让模型帮你判断。

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

  • 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,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API Key对应的凭据,并按最小权限配置。
  • 资料没标注工具数量,实际能力要装好后确认。
  • 版本更新与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
Ks AI当前 未标注 stdio · 本地进程 本地部署 有 2026-05-17
lobehub 未标注 stdio · 本地进程 本地部署 有 2026-04-11
TrendRadar 未标注 stdio · 本地进程 本地部署 有 2026-04-13
Ui Tars Desktop 8a825770 未标注 stdio · 本地进程 本地部署 有 2026-05-17
ruflo 未标注 stdio · 本地进程 本地部署 有 2026-04-13
FastGPT 未标注 stdio · 本地进程 本地部署 有 2026-04-11

服务器档案

运维云端
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Ayushpani上游标注的维护方 Ayushpani
分类运维云端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API Key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 · Python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

9.5 KB
来自项目仓库与上游目录的原文,未做删改

KS-AI:基于人工智能的Kubernetes操作助手

KS-AI 是一个生产级的人工智能助手,为Kubernetes操作带来自然语言理解。用简单的英语提问,通过实时集群洞察获得智能回复。


为什么选择KS-AI?

传统K8s管理 · 使用KS-AI
kubectl get pods -n app -o wide \ · grep -v Running · “显示应用命名空间中不健康的Pod”
多命令+手动分析 · 单自然语言查询
需要记住kubectl语法 · 只需描述你需要什么
无上下文感知 · 了解集群状态

关键差异

  • 自然语言接口 -不再需要记忆kubectl标志和YAML语法
  • 实时集群感知 -AI查询您的实际集群,而不仅仅是文档
  • 安全生产 -内置护栏可防止未经确认的破坏性操作
  • 多模型回退 -速率限制下Gemini模型之间的自动故障切换
  • 美丽的TUI -带有动画的全功能终端界面

建筑```

┌─────────────────────────────────────────────────────────────────┐
│ KS-AI System │
├─────────────────────────────────────────────────────────────────┤
│ │
│ ┌─────────────┐ ┌─────────────┐ ┌─────────────────────┐ │
│ │ Go TUI │───▶│ FastAPI │───▶│ MCP Server │ │
│ │ (ks-ai) │ │ Backend │ │ (K8s Tools) │ │
│ └─────────────┘ └─────────────┘ └─────────────────────┘ │
│ │ │ │ │
│ │ ▼ ▼ │
│ │ ┌─────────────┐ ┌─────────────────────┐ │
│ │ │ Gemini AI │ │ Kubernetes API │ │
│ │ │ (+ Fallback│ │ (kubectl/client) │ │
│ │ │ Models) │ └─────────────────────┘ │
│ │ └─────────────┘ │
│ │ │
│ └─────────── Server-Sent Events (SSE) ◀──────────────────│
│ (Real-time Streaming) │
└─────────────────────────────────────────────────────────────────┘


______________________________________________________________________

## 特性

### 1.智能终端UI(TUI)

内置于 珍珠奶茶,TUI提供:

- **拆分窗格视图** -左侧为聊天,右侧为命令登录
- **可调整大小的窗格** - `Ctrl+←/→` 调整宽度
- **鼠标支持** -用鼠标滚轮滚动,点击聚焦
- **键盘导航** -完整的vim风格和箭头键支持
- **实时流媒体** -观看AI响应逐个字符显示
- **语法高亮显示** -kubectl命令采用颜色编码
- **动画元素** -行走的猫🐱, 加载旋转器

### 2.MCP服务器(模型上下文协议)

将Kubernetes操作公开为AI可调用工具:

|工具|说明|
|------|-------------|
| `list_namespaces` |获取所有命名空间|
| `list_pods` |列出状态、重启、年龄的Pod|
| `list_deployments` |部署详细信息和副本状态|
| `list_services` |服务类型、端口、选择器|
| `get_pod_logs` |检索容器日志|
| `describe_resource` |详细的资源信息|
| `apply_manifest` |应用YAML配置|
| `delete_resource` |删除资源(确认后)|
| `scale_deployment` |调整副本计数|
| `get_cluster_info` |群集版本和运行状况|

### 3.具有弹性的人工智能后端

- **多模型回退** -在速率限制模型中循环:```
gemini-2.5-pro → gemini-2.0-flash → gemini-2.0-flash-lite → gemini-1.5-flash
  • 自动重试 -智能延迟解析的指数退避
  • 速率限制 -API调用之间的最小时间为500ms
  • 对话历史 -维护上下文(最后20条消息)

4.安全生产

  • 破坏性操作警告 -删除/缩放操作需要确认
  • 命名空间隔离 -默认情况下,操作范围为当前命名空间
  • 审计日志 -所有kubectl命令都记录到文件中
  • 错误恢复 -妥善处理集群连接问题

快速开始

先决条件

  • 转到1.21+ -对于TUI二进制文件
  • Python 3.10+ -用于后端和MCP服务器
  • kubectl 的 -已配置群集访问权限
  • Gemini API密钥 -从 谷歌人工智能工作室

安装```bash

Clone repository

git clone https://github.com/Ayushpani/ks-ai.git
cd ks-ai

Set up Python environment

python -m venv venv
source venv/bin/activate
pip install -r requirements.txt

Configure API key

cp .env.example .env

Edit .env and add your GOOGLE_API_KEY

Build TUI

cd cmd/ks-ai && go build -o ../../ks-ai && cd ../..


### 跑步```bash
# Terminal 1: Start MCP Server
make mcp-server

# Terminal 2: Start Backend
make backend

# Terminal 3: Launch TUI
./ks-ai

或者使用组合命令:```bash
make dev # Starts all services


______________________________________________________________________

## 使用示例

### 基本查询```
> List all pods in default namespace
> Show me deployments that are not fully available
> What services are exposed externally?
> Get logs from the nginx pod

故障排除```

> Why is my pod crashing?
> Show pods with high restart counts
> What's consuming the most memory?
> Are there any pending pods?


### 运营```
> Scale the web deployment to 5 replicas
> Describe the redis service
> Get events from the api namespace
> Show me the YAML for deployment/app

键盘快捷键

关键 行动
Enter 发送消息
Tab 在聊天/日志窗格之间切换
↑/↓ 滚动内容
Ctrl+U/D 向上/向下翻页
Ctrl+←/→ 调整窗格大小
Ctrl+Y 将聊天记录复制到剪贴板
Ctrl+L 清除对话历史记录
F1 切换帮助菜单
Ctrl+C 退出

配置

环境变量

变量 描述 默认值
GOOGLE_API_KEY Gemini API密钥 必需
GEMINI_MODEL 主要型号 gemini-2.5-flash
MCP_SERVER_URL MCP服务器端点 http://localhost:8000/sse
BACKEND_PORT 后端API端口 8080

回退模型

编辑 app/backend/app/services/gemini_service.py:```python
FALLBACK_MODELS = [
'gemini-2.5-pro',
'gemini-2.0-flash',
'gemini-2.0-flash-lite',
'gemini-1.5-flash',
]


______________________________________________________________________

## 项目结构```
ks-ai/
├── cmd/ks-ai/           # Go TUI application
│   └── main.go          # TUI entry point
├── internal/tui/        # TUI components
│   ├── mcp_client.go    # Backend API client
│   └── markdown.go      # Markdown rendering
├── app/
│   ├── backend/         # FastAPI backend
│   │   └── app/
│   │       ├── api/     # REST endpoints
│   │       └── services/# Gemini, Chat services
│   └── frontend/        # React web UI (optional)
├── k8s_mcp_server.py    # MCP server with K8s tools
├── mcp_client.py        # Python MCP client
└── Makefile             # Build commands

为什么这很重要

对于开发者

  • 更快的调试 -无需构建复杂的查询即可获得即时见解
  • 较低的屏障 -新团队成员可以立即操作集群
  • 上下文保留 -AI会记住你的对话,以便后续跟进

适用于SRE/DevOps

  • 事件响应 -在停机期间快速评估集群状态
  • 审计跟踪 -记录所有命令以符合要求
  • 安全护栏 -防止意外损坏

对于团队

  • 知识民主化 -并非每个人都需要成为kubectl专家
  • 一致的操作 -AI遵循最佳实践
  • 按需提供文件 -问“为什么”并得到解释

贡献

欢迎投稿!感兴趣的领域:

  • 其他K8s工具(CRD、Helm等)
  • 支持其他AI提供商(Claude、OpenAI)
  • Web UI改进
  • 多集群支持

许可证

MIT许可证-请参阅 许可证 了解详情。


致谢

  • 珍珠奶茶 -TUI框架
  • 谷歌双子座 -人工智能模型
  • FastMCP -MCP实施
  • Kubernetes Python客户端

内置于❤️ Kubernetes社区

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
Ks AI 怎么安装?

在客户端按下面的安装命令接入:python -m venv venv。装完在客户端配置里引用同一个包或端点。

Ks AI 怎么在 Claude 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。

Ks AI 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。

Ks AI 需要 API Key 吗?

资料标注需要API Key认证,使用前准备好对应凭据,并按最小权限配置。

Ks AI 支持哪些客户端?

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。

Ks AI 能提供哪些能力?

资料显示能力标签包括 集群管理、自然语言处理、Python、Claude。具体工具清单以官方文档为准。

Ks AI 需要什么运行环境?

运行时为 Python;属于本地进程,需要在本机装好运行环境。

Ks AI 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。