slack-mcp-client
让 AI 通过 Slack 真正操控 K8s/GitHub/文件系统等真实系统的 MCP 协议落地标
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
让 AI 通过 Slack 真正操控 K8s/GitHub/文件系统等真实系统的 MCP 协议落地标
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
在企业协作中，Slack 早已成为事实上的「数字办公室」。但 AI 助手入驻 Slack 后，大多数情况下只能「动动嘴皮子」——回答问题、写文案、分析数据，却始终无法真正触碰你的基础设施。你可以问 AI「帮我看看 K8s 集群里有几个 Pod 在报警」，但 AI 只能摊手：「我做不到。」
Slack MCP Client 打破了这个僵局。它是一个生产级别的 Slack 机器人，同时也是一个 Model Context Protocol（MCP）客户端。把它部署起来后，你在 Slack 里 @它 的任何对话，AI 都能通过 MCP 协议连接真实的工具系统——文件系统、Kubernetes 集群、Git 仓库、数据库、SaaS API——真正把「嘴」变成「手」。
一个真实的使用场景：DevOps 工程师在 Slack channel 里发一条消息「帮我查一下 production 集群最近 1 小时的 CPU 使用率」，MCP Client 将这条消息转发给配置好的监控 MCP Server，Server 查询 Prometheus，返回结果，AI 整理成易读的格式，回复到 Slack。全程不需要打开任何监控面板，不需要复制粘贴。
Model Context Protocol（MCP）是 Anthropic 在 2024 年底开源的 AI 上下文协议标准，旨在为 AI 模型提供一种通用方式访问外部工具和数据。类似 USB 接口之于硬件设备——无论你用哪种 USB 设备，插入电脑就能用。MCP 协议的愿景是：无论你用哪个 AI 模型、哪个 MCP Server，两端只要遵循同一协议，就能无缝协作。
tuannvm/slack-mcp-client 正是 MCP 生态中的「桥接层」。它同时扮演两个角色：
这种「双向桥接」设计，使它成为 MCP 生态与 Slack 办公生态的连接枢纽。项目最早于 2024 年发布，目前 GitHub 171 stars，Go 语言开发，生产可用。
项目不绑定任何特定 AI 模型。它内置了 OpenAI（GPT-4.1、GPT-4o）、Anthropic Claude（4.5 系列）和 Ollama（支持 Llama 3.3、Qwen、Mistral、DeepSeek 等本地模型）的抽象工厂模式。通过配置文件切换提供商，无需改动代码。
对国内用户而言，Ollama 支持意味着可以连接本地部署的国产大模型（如 Qwen、DeepSeek），数据完全不经过第三方 API，在数据合规敏感的场景下尤其有价值。
启用 useAgent: true 配置后，项目会使用 LangChain 构建多步推理 Agent。面对复杂任务（如「先查集群状态，再查日志，再决定是否重启」）时，Agent 能够进行多轮工具调用、结果整合和决策，而不是单次请求-响应。这将 AI 从「问答机器」提升为「自动化助手」。
通过 mcp-servers.json 配置文件，用户可以自由挂载任意 MCP Server。项目内置支持：
每个 MCP Server 的工具都可以通过 allowList 和 blockList 做细粒度权限控制，在团队场景下平衡功能与安全。
MCP Client 与 Server 之间的通信支持三种协议：SSE（HTTP 长连接，适合 Web 场景）、stdio（本地进程通信）、HTTP（RESTful，适合微服务）。这种灵活性使项目既可以在单机 docker-compose 环境运行，也可以嵌入 Kubernetes 集群中的微服务网络。
项目的代码结构清晰，体现了典型的 Go 后端工程规范：
cmd/main.go # 程序入口，生命周期管理
internal/
app/ # 应用生命周期、信号处理（graceful shutdown）
config/ # 配置加载、JSON Schema 验证
handlers/ # HTTP 处理器：LLM-MCP 桥接、Server 注册
llm/ # LLM 工厂模式：OpenAI/Anthropic/Ollama
mcp/ # MCP 协议客户端（mark3labs/mcp-go）
monitoring/ # Prometheus 指标暴露
observability/ # 链路追踪：OpenTelemetry + OTLP + Langfuse
rag/ # RAG 提供者工厂：OpenAI/Redis/SQLite
slack/ # Slack Bot 事件处理、格式化、Agent callback
common/ # 错误封装、HTTP client、日志
关键依赖：mark3labs/mcp-go（v0.43.1）实现 MCP 协议；slack-go/slack（v0.16.0）封装 Slack API；tmc/langchaingo（v0.1.14）支持 Agent 模式；openai/openai-go（v1.8.2）连接 OpenAI；prometheus/client_golang（v1.23.0）提供监控埋点；go.opentelemetry.io/* 提供分布式追踪。
配置层使用 JSON Schema 做严格的配置校验，在程序启动阶段就能捕获无效配置，而不是运行时才暴雷——这是一个对生产环境非常友好的设计。
克隆项目后，准备 .env 文件填入 Slack Token 和 LLM API Key，编辑 mcp-servers.json 配置需要的 MCP Server，执行：
docker-compose up -d
整个服务在 10 分钟内启动，通过 Slack @mention 即可触发 AI 协作。零门槛，不需要懂 Kubernetes。
项目提供了完整的 Helm Chart，包含 Deployment、ConfigMap、Secret、NetworkPolicy、ServiceAccount + ClusterRoleBinding 等全套 Kubernetes 原生资源。对于已在使用 Kubernetes 的团队，这是最符合 GitOps 规范的部署方式。
Go 项目天然支持静态编译，Makefile 提供 make build 产出零依赖二进制。下载对应平台的 release 二进制，配置环境变量后直接运行即可。适合嵌入式或资源受限环境。
有利方面：项目支持 Ollama 本地模型部署，数据完全不外流；支持细粒度 MCP Server 工具权限控制（allowList/blockList）；Helm Chart 提供网络策略隔离。
需要注意：Slack Bot Token 和 App Token 需要妥善保管，建议使用 K8s Secret 或 Vault 管理；MCP Server 对文件系统和 K8s 集群的访问权限取决于配置，生产环境应遵循最小权限原则。
go vet + gofmt 检查，make check 一键全量验证Slack MCP Client 代表的，是 AI 从「对话生成」向「工具调用执行」演进的实际落地。随着 MCP 协议被 OpenAI、Anthropic、Google 等主流厂商陆续采纳（MCP 已成为某种意义上的行业标准），围绕 MCP 的桥接工具将成为 AI Agent 落地的关键基础设施层。
这类桥接工具的价值在于：它不改变 Slack（你已有的协作平台），也不改变 AI 模型（你已有的智能内核），而是在它们之间建立标准化的「工具管道」。企业不需要推翻现有工作流，就能让 AI 真正「动手干活」。
总结：Slack MCP Client 是一个设计精良、生产就绪的 MCP 生态桥接工具。它以 Slack 为前端界面，以 MCP 协议为工具总线，为 AI 助手打通文件系统、K8s 集群、Git 仓库等真实系统，实现从「动嘴」到「动手」的跨越。对于已在使用 Slack 的团队，它是引入 AI Agent 到生产工作流的最短路径之一。