Todea-Assistant

MCPAI代理

提供方 GTRekter

AI代理 未标注 无需鉴权 社区 / 第三方

一个基于Kubernetes的原生AI平台,通过自然语言界面管理和诊断Linkerd服务网格,支持多种LLM提供商和分层多代理架构。

一句话选型结论

按资料字段整理

Todea-Assistant 属于AI代理类 MCP 服务器,传输方式未标注,无需鉴权,没有现成安装命令,需按官方文档接入。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 传输方式未标注 鉴权无需鉴权 部署方式未标注
GitHub 星标 0 仓库热度,无公开仓库时显示未标注
工具数 36 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36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

适用场景

Kubernetes管理Python本地部署AI助手服务网格多代理系统自然语言处理

安装与配置

未标注 无需鉴权
上游未给出传输方式
  1. 1
    准备运行环境

    按官方文档确认运行环境(常见为 Node.js 或 Python),装好后再执行安装命令。

  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 36 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 36 个工具,覆盖面较广,能满足多种调用。
  • 资料标注无需鉴权,装好就能连。

先想清楚的地方

  • 没有现成安装命令,需要按官方文档自己填启动命令和参数。
  • 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。
  • 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

  • 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
Todea-Assistant当前 36 未标注 未标注 无 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GTRekter上游标注的维护方 GTRekter
分类AI代理本站按上游分类展示
连接方式未标注上游未给出传输方式
鉴权方式无需鉴权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 · 未标注本地安装时用到的包标识与运行时
部署类型未标注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

9.0 KB
来自项目仓库与上游目录的原文,未做删改

Todea助理

Kubernetes原生AI平台,带有React聊天UI,用于通过自然语言安装、管理和诊断Linkerd服务网格。支持Google Gemini、Azure OpenAI或完全集群内的Ollama运行时——所有提供者都有相同的分层多代理行为。


建筑

服务 路径 端口 角色
网络 web/ 80 React SPA+Express静态服务器
代理中心 servers/agent-hub/ 3100 统一LLM网关——通往谷歌、Azure或Ollama的路由;运行根调度程序代理和所有子代理循环
MCP服务器 servers/mcp/ 3002 FastMCP工具服务器;通过MCP公开所有原始工具并提供服务 GET /agents 使用子代理配置
Helm代理 servers/mcp/helm_agent/ 3400 HTTP包装器 helm 和 kubectl;由MCP服务器调用
OpenSSL代理 servers/mcp/openssl_agent/ 3500 X.509证书生成、检查和验证的HTTP包装器
GitHub代理 servers/mcp/github_agent/ 3600 围绕GitHub REST API的HTTP包装器
Kubernetes代理 servers/mcp/kubernetes_agent/ 3700 HTTP包装器 kubectl
Linkerd代理 servers/mcp/linkerd_agent/ 3800 围绕BEL Helm操作和证书管理的HTTP包装器
对话中心 servers/conversation-hub/ 3300 所有提供商共享对话+消息存储
培训中心 servers/training-hub/ 3500 REST+SSE服务,管理机器学习训练管道
Ollama运行时 (可选) servers/ollama-runtime/ 11434 带有预烤模型的定制Olama图像

多代理层次结构

该系统使用 模型无关的分层代理架构每个提供商(谷歌、Azure、Ollama)都有相同的行为:```
Root Agent (any provider) — pure dispatcher
Sees only 5 virtual tools:
call_kubernetes_agent(task) — pod/log/event diagnostics
call_openssl_agent(task) — cert generate/inspect/verify
call_github_agent(task) — repo file/issue/PR lookups
call_helm_agent(task) — generic Helm/kubectl operations
call_linkerd_agent(task) — BEL install/upgrade/check

Sub-agents (nested loops in agent-hub, any provider):
kubernetes_agent — 9 kubectl tools
openssl_agent — 3 certificate tools
github_agent — 5 GitHub API tools
helm_agent — 8 generic helm/kubectl tools
linkerd_agent — 11 BEL-specific helm/linkerd tools


**它是如何工作的:**

1. 根代理接收用户的消息,并决定呼叫哪个专家。
1. `agent-hub` 拦截 `call_*_agent` 工具调用和运行 `run_sub_agent()` 在 `sub_agent.py`.
1. `sub_agent.py` 从以下位置获取子代理的指令和允许的工具列表 `GET /agents` 然后在MCP服务器上运行与根代理具有相同提供者和模型的非流式代理循环。
1. 子代理循环仅调用其拥有的MCP工具;结果以普通字符串的形式流回根代理。

**关键文件:**

|文件|目的|
|---|---|
| `servers/agent-hub/sub_agent.py` | `run_sub_agent(name, task, provider, model)` --每个提供者嵌套循环|
| `servers/agent-hub/mcp_utils.py` | `_list_mcp_tools()` (根,过滤+虚拟)· `_list_all_mcp_tools()` (次级代理人)|
| `servers/agent-hub/config.py` | `DEFAULT_INSTRUCTION` (根调度程序提示)|
| `servers/mcp/*/config.py` |每个代理人的 `AGENT_CONFIG` dict(名称、说明、工具列表)|
| `servers/mcp/app.py` |FastMCP ASGI+Starlette `GET /agents` 路线|
| `servers/mcp/helm_agent/mcp_tools.py` |通用舵MCP工具(HTTP包装器,而非子流程)|

### 工具所有权

|子代理|MCP工具|
|---|---|
| **Kubernetes** | `get_namespaces`, `get_nodes`, `get_pods`, `get_deployments`, `get_pod_containers`, `get_pod_logs`, `describe_pod`, `get_events`, `diagnose_pod_restarts` |
| **开放式安全套接层** | `generate_certificates`, `inspect_certificate`, `verify_certificate_chain` |
| **GitHub** | `github_get_file`, `github_list_directory`, `github_search_code`, `github_get_issue`, `github_get_pr` |
| **舵** | `helm_generic_repo_add`, `helm_generic_search`, `helm_generic_upgrade_install`, `helm_generic_status`, `helm_generic_list`, `helm_generic_uninstall`, `kubectl_apply`, `kubectl_pods` |
| **Linkerd** | `helm_search_bel_versions`, `helm_repo_add`, `install_gateway_api_crds`, `install_linkerd_control_plane`, `helm_install_linkerd_crds`, `helm_install_linkerd_control_plane`, `helm_upgrade_linkerd`, `helm_configure_linkerd`, `helm_uninstall_linkerd`, `helm_status`, `linkerd_check` |

### 服务地图```
Browser
│
│  HTTP (port 8080 via k3d load balancer)
▼
Ingress (Traefik)
├── /              → todea-web             :80    React SPA + Express
├── /mcp           → todea-mcp             :3002  MCP tool server + /agents
├── /chat          → todea-agent-hub       :3100  Unified hub (Google · Azure · Ollama)
├── /models        → todea-agent-hub       :3100
├── /conversations → todea-agent-hub       :3100
├── /settings      → todea-agent-hub       :3100
└── /healthz       → todea-agent-hub       :3100

Internal only (no dedicated ingress):
todea-helm-agent        :3400  ← called by todea-mcp for all helm/kubectl operations
todea-openssl-agent     :3500  ← called by todea-mcp for certificate operations
todea-github-agent      :3600  ← called by todea-mcp for GitHub API queries
todea-kubernetes-agent  :3700  ← called by todea-mcp for kubectl diagnostics
todea-linkerd-agent     :3800  ← called by todea-mcp for BEL Helm operations
todea-conversation-hub  :3300  ← called by the agent-hub for conversation storage
todea-training-hub      :3500  ← reached via the web pod's proxy at /training-hub

调用图

所有提供程序都遵循相同的模式-区别仅在于调用哪个LLM API。React UI ──► Agent Hub ──► LLM API (Google / Azure / Ollama) │ │ │ Root agent sees 5 virtual tools │ │ │ call_*_agent ──► sub_agent.py (nested loop) │ │ │ sub-agent calls MCP tools │ │ │ ┌─────────────────────┴──────────────────────┐ │ MCP Server :3002 (raw tools via FastMCP) │ │ │ │ │ ┌──────┼──────────────────────────────┐ │ │ Helm Kubernetes OpenSSL GitHub Linkerd │ │ :3400 :3700 :3500 :3600 :3800 │ │ └──► Conversation Hub :3300 (history store)

联接台

呼叫者 被呼叫者 如果被呼叫者宕机,则失败?
Hub(任何提供商) 对话Hub 是--聊天和对话列表不可用
Hub(任何提供商) MCP服务器 否--工具调用已禁用,纯聊天仍然有效
枢纽(谷歌路径) 谷歌API 是-聊天不可用
Hub(Azure路径) Azure OpenAI 是--聊天不可用
Hub(Ollama路径) Ollama运行时 是--聊天不可用
MCP服务器 Helm代理 是--所有Helm/kubectl工具都失败
MCP服务器 OpenSSL代理 否--cert工具失败,所有其他工具仍能工作
MCP服务器 GitHub代理 否——GitHub工具失败,所有其他工具仍能正常工作
MCP服务器 Kubernetes代理 否--kubectl诊断工具失败,所有其他工具仍能正常工作
MCP服务器 Linkerd代理 是--所有Linkerd/BEL安装工具都失败

文档

运营

指南 说明
部署(k3d) k3d集群设置、Helm安装(Gemini、Azure和Ollama路径)、更新、重建单个服务
本地开发 在没有k3d的情况下在本地运行每个服务
代理商和MCP工具 多代理层次结构、工具参考和Linkerd安装顺序
Ollama参考 模型管理、持久性、直播、外部Ollama、工具调用行为

Azure

指南 说明
基础设施 资源组、ACR、AKS集群、GPU点节点池、NVIDIA设备插件
构建和部署 构建映像并将其推送到ACR,创建命名空间和PVC,Helm部署(Gemini和Ollama路径)
培训管道 跑步刮→ 火车→ 通过UI提供服务、更新部署、持续培训CronJob、有用的命令、成本估算

机器学习与培训

指南 说明
训练 训练UI、微调管道和提供自定义Linkerd模型
数据质量 对当前训练数据集的评估——来源、统计数据、关注点和建议
持续训练 计划和事件触发的再培训循环、管道架构、培训策略权衡
源代码之上的RAG 为什么RAG在代码、向量存储选项、分块策略和新的MCP工具设计方面优于训练
模型选择和基础设施 llama3.1:8b vs Qwen2.5-7B-Instruct,AKS vs家用GPU,MLOps工具环境和推荐堆栈

许可证

有关许可条款,请参阅各个目录。

常见问题

5 问
答案由本站依据条目字段整理,不引用上游原文
Todea-Assistant 怎么安装?

资料没有给出安装命令,请到官方仓库或文档按说明接入;这类条目多数是生态应用,或尚未发布可安装包。

Todea-Assistant 怎么在客户端里配置?

它的传输方式未标注,在客户端 MCP 配置里按官方文档填写启动命令和参数,保存后重启客户端生效。

Todea-Assistant 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。

Todea-Assistant 需要 API Key 吗?

资料标注为无需认证,装好就能连;如果实际调用时报鉴权错误,按官方文档补上凭据。

Todea-Assistant 能提供哪些能力?

资料显示约 36 个工具;能力标签包括 Kubernetes管理、Python、自然语言处理、AI代理。具体工具清单以官方文档为准。

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。