aks-mcp

Azure/aks-mcp 是微软 Azure 官方开源的 Model Context Protocol（MCP）服务器，它在 AI 编程助手与 Azure Kubernetes Service（AKS）之间架起一座桥梁，让 Claude、Cursor、GitHub Copilot 等 AI 工具能够直接操控生产级 Kubernetes 集群——用自然语言就能查询集群状态、排查节点故障、执行扩缩容操作。

想象一下这样的场景：深夜生产环境报警，工程师不用记住一长串 kubectl 命令，只需对 AI 说"帮我看看哪个节点 CPU 使用率超过 80% 并列出最近 1 小时的错误日志"，aks-mcp 会自动调用 Azure CLI 和 kubectl，将结果整理后返回。微软内部已将此工具链集成到 Azure SDK 生态中，成为 AKS 日常运维的 AI 原生入口。

背景：AI 编程助手遇上 Kubernetes 的"最后一公里"问题

Kubernetes 早已是企业容器编排的事实标准，但它的复杂性也让无数开发者望而生畏。kubectl 命令行陡峭的学习曲线、Azure Portal 界面操作的繁琐、以及云厂商专有 API 的差异，使得"问 AI 帮我调 Kubernetes"这件事长期停留在"理论上可行"的阶段——因为大多数 AI 编程助手根本不认识 kubectl，也不知道如何与 Azure API 正确对话。

微软 Azure 团队在 2025 年初启动了 aks-mcp 项目，目的是解决这个"最后一公里"问题：通过实现 Model Context Protocol（Anthropic 提出的 AI 工具互操作标准），让 AI 助手以一种标准化、安全、受控的方式，操作真实的 AKS 集群资源。项目由 Azure 官方容器服务团队维护，上游依赖 @azure/mcp-kubernetes 和 mark3labs/mcp-go（Go 语言 MCP 协议实现），在 GitHub 上获得了 134 颗星和 39 个 Fork。

核心功能：统一的工具集，一切皆可"对话"

aks-mcp 提供两大类工具——Azure 统一操作和 Kubernetes 原生操作，每类工具都支持细粒度的权限分级（readonly / readwrite / admin）。

**Azure CLI 统一操作（call_az）**是默认工具，支持执行任意 Azure CLI 命令。只需传入完整的 CLI 指令，例如 az aks list --resource-group myRG，aks-mcp 就会在认证上下文中执行并返回 JSON 结果。这意味着理论上所有 Azure CLI 支持的功能都可以通过 AI 对话来驱动，从查询虚拟机列表到操作 Fleet 多集群，不一而足。

**Kubernetes 操作（call_kubectl）**同样采用统一接口，执行原生 kubectl 命令。对于节点管理，系统内置了 collect_aks_node_logs 工具，可以从 VMSS 节点收集 kubelet、containerd、kernel、syslog 四类日志，支持时间范围过滤和关键词搜索——这对生产环境的故障排查尤为实用。

**诊断探测器（aks_detector）**是一个亮点功能。它封装了 Azure App Lens 的诊断能力，AI 可以按类别（如"节点健康"、"身份安全"、"连接性"）执行诊断探测器，直接返回结构化的诊断报告，而不需要运维人员手动翻查日志。

Fleet 管理工具则面向多集群场景，支持 Azure Fleet 的创建、扩缩容、凭据管理，以及 Kubernetes ClusterResourcePlacement CRD 操作，为企业级 AKS 联邦管理提供了 AI 交互接口。

架构设计：安全优先的 MCP 服务器

aks-mcp 的架构严格遵循"最小权限原则"。工具执行权限分三级：

• readonly（默认）：仅允许读操作，防止误删生产资源
• readwrite：允许创建、更新、删除操作，适合开发/测试环境
• admin：允许执行 kubectl get-credentials 等高危命令，仅限隔离环境

认证机制是架构中最考量的部分。AKS-MCP 支持 5 种认证方式的自动回退：

1. Service Principal（环境变量 AZURE_CLIENT_ID/SECRET/TENANT_ID）
2. Workload Identity（联邦令牌，适合 Kubernetes Pod 场景）
3. 用户分配的托管标识
4. 系统分配的托管标识
5. 已存在的 Azure CLI 会话

每种认证方式都通过 az account show 进行验证，确保连接的有效性。值得注意的是，Workload Identity 的联邦令牌路径被严格校验——必须是 /var/run/secrets/azure/tokens/azure-identity-token，这防止了令牌路径注入攻击。

项目代码结构清晰，采用 Go 1.25 的 modern module 模式，按功能划分为 auth（认证）、k8s（Kubernetes 操作）、azureclient（Azure SDK 封装）、tools（工具定义）、telemetry（OpenTelemetry 追踪）等 internal 包，依赖 Azure 官方 SDK 而非 kubectl CLI，保证了类型安全和版本兼容。

部署方式：Docker 与 Helm 双轨并行

部署极为灵活。项目提供多阶段构建 Dockerfile，从 golang:1.25-alpine 构建二进制，最终镜像基于 alpine:3.23，镜像大小控制在合理范围内。运行时自动安装 kubectl、kubelogin 和 Helm，无需额外准备。

对于 Kubernetes 生产环境，项目提供了完整的 Helm Chart，支持通过 values.yaml 配置镜像仓库、副本数、认证方式。Chart 中内置了 Workload Identity 集成——配置 AZURE_CLIENT_ID 和 AZURE_TENANT_ID 后，Pod 以 OIDC Token 的方式自动获取 Azure 凭据，全程无需管理密钥。

硬件需求极低：不要求 GPU，仅需 512MB 内存和 200MB 磁盘。部署前提是机器上已安装 Azure CLI，Kubernetes 集群则由 aks-mcp 远程操作，不需要部署在集群内部。

局限与风险

工具功能强大，但使用门槛并不低。运维人员必须理解 AKS 资源模型、Azure 订阅结构，以及 MCP 协议的基本工作原理。此外，连接字符串（AKS 资源 ID）的获取仍需手动操作，AI 无法凭空"猜测"集群 ID。另外，该项目由微软 Azure 官方维护，对其他云厂商（如 GCP、AWS）的支持不在路线图内，适用场景有明确边界。

行业意义：从"kubectl 会话"到"AI 运营对话"

aks-mcp 代表了一种新兴趋势：AI 原生的云运维接口。传统的云管平台强调图形界面和流程审批，而 MCP 化的工具链让 AI 编程助手成为真正的"运维搭档"。它不替代 IaC（Terraform/Pulumi），而是在日常调试、巡检、故障响应等高频低风险场景中大幅降低认知负担。随着 Claude Code、Cursor 等工具的普及，这类 MCP 服务器有望成为每个云工程师工具箱中的标配装备。