AI提效之使用 cherry-studio + k8sgpt 实现 AI 巡检 k8s

2025 年 07 月 29 日

850 次浏览

2283字数

[`k8sgpt`](https://github.com/k8sgpt-ai/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：

```mermaid
sequenceDiagram
    actor U as User
    participant CS as Cherry Studio
    participant KG as k8sgpt
    participant K as K8s API Server
    U->>+CS: Add k8sgpt MCP server
    CS->>+KG: Check k8sgpt
    KG-->>-CS: k8sgpt is work
    CS-->>-U: Success to Add MCP

U->>+CS: Ask some Question about K8s cluster
    CS->>+KG: Get someinfo throuth MCP
    KG->>+K: Get Cluster Info By API
    K-->>-KG: Return Cluster info
    KG-->>-CS: Return Info About K8s
    CS-->>CS: Handle Info
    CS-->>-U: Return Answer about K8s cluster

```

## 安装 k8sgpt

首先安装 k8sgpt 工具：

```bash
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：

```bash
# 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：

```bash
# 启动 MCP 服务器
k8sgpt serve --mcp
```

### 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：```
```
serve
--mcp
```
    
## 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：

```
"请检查当前集群的整体健康状况"
"有哪些 Pod 处于异常状态？"
"最近有什么报错信息吗？"
```

### 资源分析

```
"分析一下集群的资源使用情况"
"哪些节点的资源使用率比较高？"
"有没有资源分配不合理的工作负载？"
```

### 故障诊断

```
"namespace default 下的应用为什么起不来？"
"帮我分析一下这个 deployment 的问题"
"为什么服务无法访问？"
```

## 示例  MCP Client 配置
可用于 `cursor` `claude code` 等：
```json
{
  "mcpServers": {
    "k8sgpt": {
      "command": "k8sgpt",
      "args": [
        "serve",
        "--mcp"
      ]
    }
  }
}
```

## 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>

最后修改：2025 年 07 月 29 日