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

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 Loading...

CodeBlock Loading...

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：

# 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：

打开 Cherry Studio 设置
导航到 MCP 服务器配置
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：

{
  "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。

Search