k8sgpt 能够赋予每个人的 Kubernetes 超能力，能够用简单的语言扫描 Kubernetes 集群、诊断和分类问题。利用 k8sgpt 的 mcp 服务，可以为 LLM 赋予访问 k8s 集群的可能性。

工作原理图：

安装 k8sgpt

首先安装 k8sgpt 工具：

brew install k8sgpt

配置步骤

1. 配置 k8sgpt

确保你的 kubectl 已经正确配置并能够访问目标 Kubernetes 集群：

# 验证集群连接
kubectl cluster-info

# 初始化 k8sgpt
k8sgpt auth add --backend openai --model gpt-3.5-turbo
# 我的情况是必须配置一个 ai ，但是我不用 k8sgpt 的 ai 调用能力，只使用 mcp,但是不配置似乎起不来 mcp ，所以随便配置一个即可。

2. 启动 k8sgpt MCP 服务器

k8sgpt 提供了 MCP (Model Context Protocol) 服务器功能，允许 AI 助手通过标准化协议访问 Kubernetes 集群信息：

3. 在 Cherry Studio 中配置 MCP

在 Cherry Studio 中添加 k8sgpt MCP 服务器：

1. 打开 Cherry Studio 设置
2. 导航到 MCP 服务器配置
3. 添加新的 MCP 服务器：
   • 名称: k8sgpt
   • 类型：Stdin
   • 命令: k8sgpt

   • 参数：```

     CodeBlock Loading...

     实际使用场景

集群健康检查

通过 Cherry Studio，启动该 mcp 后你可以使用自然语言询问集群状态：

资源分析

故障诊断

示例 MCP Client 配置

可用于 cursor claude code 等：

总结

通过结合 Cherry Studio 和 k8sgpt，我们可以构建一个智能化的 Kubernetes 运维助手，实现：

• 提升效率: 自然语言交互，降低操作复杂度
• 智能诊断: AI 驱动的问题识别和解决方案推荐
• 实时监控: 持续的集群健康状态监控
• 知识沉淀: 问题和解决方案的智能化管理

这种 AI + DevOps 的结合方式，代表了未来运维工作的发展方向，让复杂的 Kubernetes 集群管理变得更加简单和智能。

References

• https://github.com/k8sgpt-ai/k8sgpt
• https://www.v2ex.com/t/1147668