Troubleshoot MCP Server

MCP运维云端

提供方 chris-sanders

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

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。

一句话选型结论

按资料字段整理

Troubleshoot MCP Server 属于运维云端类 MCP 服务器,stdio · 本地进程,Token,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Token 部署方式本地部署
GitHub 星标 1 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

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

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
uv run python -m troubleshoot_mcp_server

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Token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
Troubleshoot MCP Server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chris-sanders上游标注的维护方 chris-sanders
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 · 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

10.1 KB
来自项目仓库与上游目录的原文,未做删改

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
  • 🔐 安全认证基于令牌的包访问认证
  • ⚡(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:```bash
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```bash
# 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_MODE · false
启用单包模式 · PRESERVE_BUNDLES · false
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```bash

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
1. 确保已安装 Python 3.13```bash
# 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):```bash
    export SBCTL_TOKEN=your-token

4. 设置您的身份验证令牌:```bash
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```bash
    ./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```bash
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

  • 如需查看完整文档,请参阅:用户指南
  • 安装、配置和使用说明API 参考文档
  • 详细API文档开发者指南
  • 开发者信息Podman 指南
  • 容器设置与配置系统架构
  • 整体系统设计故障排除指南
  • 常见问题的解决方案发布流程

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

// Response (simplified)
{
"content": "Listed files in /kubernetes/pods non-recursively:\njson\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:\njson\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```bash
# 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```bash

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:```bash
# 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

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
Troubleshoot MCP Server 怎么安装?

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

Troubleshoot MCP Server 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。

Troubleshoot MCP Server 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。

Troubleshoot MCP Server 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。

Troubleshoot MCP Server 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。

Troubleshoot MCP Server 能提供哪些能力?

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

Troubleshoot MCP Server 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。

Troubleshoot MCP Server 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。