快速接入

先看主来源和安装命令，再打开仓库或文档；下面只保留这个条目的关键接入事实。

详细介绍

k8s计算mcp

Kubernetes计算数学MCP服务器

Go版本许可证

______________________________________________________________________

概述

k8s-compute-mcp 是一个用Go编写的本地MCP（模型上下文协议）服务器，充当LLM客户端（Gemini CLI、Claude Desktop、Cursor）和Kubernetes集群之间的桥梁。它使LLM能够使用专门的运算符将繁重的数学和财务计算卸载到集群中。

主要特点

MPI作业提交 -通过Kubeflow MPI运算符提交分布式MPI工作负载（Python/C++）
蒙特卡罗模拟 -使用带有自动输出隔离的JobSet运行并行蒙特卡洛批处理
结果聚合 -提交减速器作业以聚合计算结果
状态监控 -实时查询作业/工作量状态
工件访问 -直接从共享存储读取计算结果
可观测性 -Prometheus指标、结构化日志记录、健康/准备状态探测
可靠性 -使用指数回退、输入验证和代码大小限制重试
E2E测试 -具有KIND集群生命周期的Ginkgo/Gomega框架
安全 -gosec扫描、Trivy容器分析、SBOM生成
发布 -具有多平台二进制文件和容器映像的GoReleaser

______________________________________________________________________

建筑

┌─────────────────────────────────────────────────────────────────────┐
│                    MCP Client (Gemini/Claude/Cursor)                 │
└────────────────────────────┬────────────────────────────────────────┘
                             │ stdio / SSE
                             ▼
┌─────────────────────────────────────────────────────────────────────┐
│                    k8s-compute-mcp Server                            │
│       MCP Protocol → Tool Handlers → K8s Client                      │
└────────────────────────────┬────────────────────────────────────────┘
                             │ client-go
                             ▼
┌─────────────────────────────────────────────────────────────────────┐
│                    Kubernetes Cluster                                │
│  ┌─────────────┐  ┌─────────────┐  ┌─────────────┐  ┌─────────────┐ │
│  │   Kueue     │  │ MPI Operator│  │   JobSet    │  │  Shared PVC │ │
│  │  (Queuing)  │  │ (Kubeflow)  │  │ Controller  │  │  /mnt/data  │ │
│  └─────────────┘  └─────────────┘  └─────────────┘  └─────────────┘ │
└─────────────────────────────────────────────────────────────────────┘

目标集群要求

库贝内特斯1.28+
Kueue -工作量排队
MPI操作员（v2beta1）-分布式MPI工作负载
作业集控制器（v1alpha2）-并行作业集
共用PVC ReadWriteMany 访问模式安装在 /mnt/data

______________________________________________________________________

可用工具

工具	说明	K8s资源
`submit_mpi_job`	提交MPI工作负载（Python/C++）	`kubeflow.org/v2beta1 MPIJob`
`submit_monte_carlo_batch`	提交并行蒙特卡洛模拟	`jobset.x-k8s.io/v1alpha2 JobSet`
`submit_reducer`	提交结果聚合作业	`batch/v1 Job`
`check_status`	查询作业/工作量状态	各种
`read_artifact_head`	读取结果文件的前N行	PVC访问

工具示例

提交MPI作业：

{
  "tool": "submit_mpi_job",
  "arguments": {
    "code": "from mpi4py import MPI\n...",
    "language": "python",
    "nodes": 4
  }
}

提交蒙特卡洛批次：

{
  "tool": "submit_monte_carlo_batch",
  "arguments": {
    "script": "import random\n...",
    "replicas": 100
  }
}

______________________________________________________________________

快速开始

先决条件

转到1.25+
使用必需的运算符访问Kubernetes集群
kubectl 配置了群集访问权限

从源代码构建

git clone https://github.com/ArangoGutierrez/k8s-compute-mcp.git
cd k8s-compute-mcp
make build

跑

# Stdio mode (for MCP clients)
./bin/server

# Test with example
cat examples/submit_mpi.json | ./bin/server

配置Claude桌面

添加到您的Claude Desktop配置中：

{
  "mcpServers": {
    "k8s-compute": {
      "command": "/path/to/k8s-compute-mcp/bin/server"
    }
  }
}

______________________________________________________________________

安装

使用Go

go install github.com/ArangoGutierrez/k8s-compute-mcp/cmd/server@latest

容器图像

docker pull ghcr.io/arangogutierrez/k8s-compute-mcp:latest

Helm 图表

helm install k8s-compute-mcp \
  oci://ghcr.io/arangogutierrez/charts/k8s-compute-mcp \
  --namespace compute-mcp --create-namespace

______________________________________________________________________

配置

服务器使用本地kubeconfig(~/.kube/config)用于集群访问。

环境变量	描述	默认值
`KUBECONFIG`	kubeconfig文件的路径	`~/.kube/config`
`KUBE_CONTEXT`	要使用的Kubernetes上下文	当前上下文
`MCP_LOG_LEVEL`	日志详细程度（调试、信息、警告、错误）	`info`
`PVC_MOUNT_PATH`	共享存储装载路径	`/mnt/data`
`KUEUE_QUEUE`	默认Kueue队列名称	`default-queue`

______________________________________________________________________

发展

构建

make build      # Build binary
make test       # Run tests
make lint       # Run linter
make image      # Build container image
make test-e2e   # Run E2E tests (requires kind, helm, kubectl)

项目结构

k8s-compute-mcp/
├── cmd/server/              # Main entry point
├── internal/
│   ├── k8s/                 # Kubernetes client, manifests, retry, status
│   │   ├── client.go        # client-go setup (out-of-cluster)
│   │   ├── mpijob.go        # MPIJob manifest builder
│   │   ├── jobset.go        # JobSet manifest builder
│   │   ├── job.go           # Batch Job manifest builder
│   │   ├── reader.go        # Ephemeral pod artifact reader
│   │   ├── retry.go         # Exponential backoff with jitter
│   │   └── status.go        # Job phase extraction
│   ├── mcp/                 # MCP protocol handling
│   │   ├── server.go        # Server setup & tool registration
│   │   ├── handlers.go      # Tool handlers
│   │   ├── tools.go         # Tool definitions & schemas
│   │   ├── health.go        # /healthz, /readyz, /metrics endpoints
│   │   └── metrics.go       # Prometheus instrumentation
│   └── info/                # Build version info
├── pkg/prompts/             # MCP prompt templates
├── deployment/
│   ├── Dockerfile           # Multi-stage production image
│   ├── Dockerfile.goreleaser # GoReleaser-optimized image
│   └── helm/                # Helm chart
├── test/e2e/                # E2E tests (Ginkgo + KIND)
└── .github/workflows/       # CI, E2E, release, security

______________________________________________________________________

用例

1.蒙特卡洛期权定价

User: "Price a European call option using Monte Carlo with 10M simulations"

LLM → k8s-compute-mcp → submit_monte_carlo_batch(replicas=100)
     → Each replica runs 100K simulations
     → submit_reducer aggregates results
     → read_artifact_head returns final price

2.分布式矩阵运算

User: "Multiply these two large matrices using MPI"

LLM → k8s-compute-mcp → submit_mpi_job(nodes=8, code="...")
     → MPI job distributes matrix blocks
     → check_status monitors progress
     → read_artifact_head returns result

3.参数扫描

User: "Run sensitivity analysis across 500 parameter combinations"

LLM → k8s-compute-mcp → submit_monte_carlo_batch(replicas=500)
     → JOB_COMPLETION_INDEX isolates each run
     → Results collected in /mnt/data/results/{index}/

______________________________________________________________________

可观测性

服务器公开一个HTTP端点（默认 :8081)对于健康检查和指标：

端点	描述
`/healthz`	活体探针（始终返回200）
`/readyz`	准备就绪探针（检查K8s连接）
`/metrics`	普罗米修斯指标

普罗米修斯指标

度量	类型	描述
`mcp_tool_requests_total`	计数器	按工具名称和状态列出的工具调用总数
`mcp_tool_errors_total`	计数器	按工具名称和错误类型列出的工具错误
`mcp_tool_duration_seconds`	柱状图	工具调用延迟分布
`mcp_active_jobs`	仪表	当前跟踪的活动工单

可靠性

使用回退重试：暂时性K8s API错误（429，5xx，超时）通过指数退避和抖动重试
输入验证：代码大小限制，工具边界处的参数验证
结构化日志记录：klog/v2，带有指向stderr的键值对（stdout保留给MCP协议）

______________________________________________________________________

项目状态

当前阶段： 所有核心阶段完成

阶段	状态	描述
第一阶段	完成	存储库设置、K8s客户端、MCP框架
第二阶段	完成	实施并测试了所有5个核心工具
第三阶段	完成	Dockerfile、Helm chart、CI/CD、安全性、可观察性

包含什么

5个MCP工具：submit_mpi_job、submit_monte_carlobatch、submit_reducer、check_status、read_artifact_head
生产部署：多级Dockerfile，带有RBAC/探针/指标的Helm图
CI/CD：对每个PR、GoReleaser发布、安全扫描（gosec+Trivy）进行Lint/test/vet
E2E测试：具有KIND集群生命周期的Ginkgo框架（每晚）
可观测性：Prometheus指标、结构化日志记录、健康/就绪端点
可靠性：使用指数回退、输入验证、代码大小上限重试

看问题为了未来的增强。

______________________________________________________________________

贡献

我们欢迎捐款！请参阅贡献.md 作为指导方针。

快速贡献指南

分叉并克隆存储库
创建要素分支： git checkout -b feat/my-feature
进行更改，添加测试
运行检查： make lint && make test
向DCO承诺： git commit -s -S -m "feat(scope): description"
带有标签和里程碑的公开公关

______________________________________________________________________

许可证

Apache许可证2.0-请参阅许可证了解详情。

______________________________________________________________________

联系

维护人员： @阿兰戈古铁雷斯\ 问题：

______________________________________________________________________

把我们放在GitHub上——这很有帮助！

目录标签

KubernetesClaude云端部署Go本地部署MPI作业提交蒙特卡洛模拟结果聚合分布式计算

支持客户端

Claude DesktopClaudeCursor

接入字段

传输方式（transport，传输协议）

未说明

鉴权方式（authType，认证方式）

none

工具数量（toolCount，工具数）

5

资源数量（resourceCount，资源数）

0

提示词数量（promptCount，提示词数）

0

权限和风险

未说明none部署方式未说明

接入前请确认传输方式、认证方式和部署位置，并根据实际工具能力限制访问范围。

安装前确认

不要直接授予不必要的文件、网络或账号权限；先核对安装命令和配置内容。

仍需确认：installCommand

来源信息

MCP World

mcpworld.com

/detail/e98ab5bbaec102d164cf04ced8ed5bab

一个本地MCP服务器，作为LLM客户端与Kubernetes集群之间的桥梁，支持将繁重的数学和金融计算卸载到集群上运行。

继续浏览同类 MCP

更多运维云端 MCP（13,854）返回 MCP 目录

上一个 MCP

K8 S A Iassistant

AI驱动的Kubernetes管理插件，用于Rancher UI，提供Kubernetes工具和AI聊天功能。

下一个 MCP

K8s Deploy

用于在Kubernetes上部署RAG管道和MCP服务器的工具，支持本地kind环境和生产EKS环境。

K8s Compute MCP

快速接入

详细介绍

k8s计算mcp

概述

主要特点

建筑

目标集群要求

可用工具

工具示例

快速开始

先决条件

从源代码构建

跑

配置Claude桌面

安装

使用Go

容器图像

Helm 图表

配置

发展

构建

项目结构

用例

1.蒙特卡洛期权定价

2.分布式矩阵运算

3.参数扫描

可观测性

普罗米修斯指标

可靠性

项目状态

包含什么

贡献

快速贡献指南

相关项目

许可证

联系

目录标签

接入字段

权限和风险

来源信息

继续浏览同类 MCP