การจัดการคลัสเตอร์ Rancher ที่มีความตระหนักเกี่ยวกับ AI สำหรับทีม DevOps และ SRE
rancher-mcp-server ซึ่งพัฒนาโดย Futuretea เชื่อมต่อผู้ช่วย AI กับ Rancher เพื่อให้ทีมสามารถออกคำสั่งการจัดการคลัสเตอร์ด้วยภาษาธรรมชาติ มันช่วยให้ตัวแทนที่ใช้ LLM สามารถสอบถาม Rancher ตรวจสอบงานที่ทำอยู่ ปรับการปรับใช้ และรวบรวมสถานะคลัสเตอร์สำหรับการแก้ไขปัญหา การขยาย และการตรวจสอบผ่านการเรียก API โปรแกรม มันรองรับการเข้าถึงหลายคลัสเตอร์ API ของ Norman และ Steve การรวม Harvester และ Fleet และส่งคืนข้อมูลในรูปแบบ Table, YAML หรือ JSON วิศวกร DevOps, SREs และผู้ดูแลแพลตฟอร์มได้รับเส้นทางที่ตระหนักถึง AI เพื่อรวมการทำงานอัตโนมัติที่ขับเคลื่อนด้วย LLM เข้ากับกระบวนการทำงานของ Rancher.
คุณสามารถใช้มันทำงานอะไรได้บ้าง?
เซิร์ฟเวอร์แมพคำสั่งในภาษาธรรมชาติไปยังการเรียก API ของ Rancher เพื่อให้ตัวแทนสามารถทำงานที่เกี่ยวข้องกับคลัสเตอร์ได้ งานที่ใช้ได้จริงรวมถึง:
- ตรวจสอบภาระงาน, pods, และสถานะการปรับใช้
- ปรับขนาดการปรับใช้และปรับจำนวนสำเนา
- รวบรวมสถานะคลัสเตอร์สำหรับการตรวจสอบและการแก้ไขปัญหา
ความเชื่อถือได้ของผลลัพธ์สำหรับการจัดการคลัสเตอร์เป็นอย่างไร?
ความถูกต้องของผลลัพธ์ขึ้นอยู่กับการตอบสนองของ API ของ Rancher Manager และรูปแบบที่เลือก เซิร์ฟเวอร์จะส่งคืน Table, YAML หรือ JSON เพื่อช่วยให้โมเดลวิเคราะห์ผลลัพธ์ และคำถามจะถูกให้บริการผ่านจุดสิ้นสุดของ Norman และ Steve การตอบสนองสะท้อนมุมมอง API แบบสด ดังนั้นคำแนะนำที่สร้างขึ้นควรได้รับการตรวจสอบโดยผู้ปฏิบัติก่อนที่จะนำไปใช้การเปลี่ยนแปลงที่มีผลต่อระบบการผลิต
มันต้องการข้อมูลนำเข้าและสภาพแวดล้อมอะไรบ้าง?
การใช้เซิร์ฟเวอร์ต้องการไคลเอนต์ที่เข้ากันได้กับ MCP เช่น Claude Desktop และอินสแตนซ์ Rancher Manager ที่สามารถเข้าถึงได้พร้อมกับโทเค็น API bearer ที่ถูกต้อง การดำเนินการเขียนด้วย Go และมุ่งเป้าไปที่ API ของ Rancher Manager v2.x รวมถึง Norman (v3) และ Steve และยอมรับคำขอที่เกี่ยวข้องกับ Harvester HCI และ Fleet GitOps เมื่อบริการเหล่านั้นมีอยู่
มันเหมาะกับการทำงานของ SRE ด้วยการเชื่อมต่อที่กำหนดเองน้อยที่สุดหรือไม่?
เซิร์ฟเวอร์เปิดเผยจุดเข้าถึง API ของ Rancher เดียวสำหรับการควบคุมหลายคลัสเตอร์ ซึ่งสามารถลดการเชื่อมต่อที่กำหนดเองระหว่างตัวแทนและคลัสเตอร์ มันเหมาะสำหรับทีมแพลตฟอร์ม ที่จัดการข้อมูลประจำตัวอยู่แล้วและเรียกใช้ไคลเอนต์ที่รองรับ MCP และโครงการแสดงให้เห็นถึงการมีส่วนร่วมในชุมชน Rancher และ MCP ทีมควรรวมประตูตรวจสอบและนโยบายการเข้าถึงเพื่อให้คำแนะนำอัตโนมัติอยู่ภายใต้การดูแลของมนุษย์
เหมาะสมที่สุดสำหรับทีมแพลตฟอร์มที่เตรียมพร้อมในการควบคุมการทำงานอัตโนมัติแบบเอเจนต์
เหมาะสำหรับวิศวกร DevOps, SREs, และผู้ดูแลแพลตฟอร์มที่ต้องการนำการทำงานอัตโนมัติแบบเอเจนต์เข้าสู่การดำเนินงาน การออกแบบของเซิร์ฟเวอร์สอดคล้องกับการทำงานที่ขับเคลื่อนด้วยโมเดลและการนำไปใช้ในชุมชน ถือว่าผลลัพธ์ของมันเป็นขั้นตอนที่แนะนำซึ่งต้องการการตรวจสอบจากผู้ปฏิบัติงาน เริ่มการทดลองในคลัสเตอร์สเตจและต้องการการอนุมัติจากมนุษย์ก่อนที่จะเผยแพร่การเปลี่ยนแปลงไปยังการผลิต และบังคับใช้เกตการตรวจสอบและการควบคุมข้อมูลประจำตัวระหว่างการเปิดตัว.
