介绍

Alauda Build of MCP Lifecycle Operator 基于 Kubernetes SIG Apps MCP Lifecycle Operator 项目。它提供了一个 Kubernetes 原生 API,用于将 Model Context Protocol(MCP)servers 作为普通集群工作负载进行部署和管理。

该 operator 引入了 MCPServer 自定义资源(mcp.x-k8s.io/v1alpha1)。MCPServer 描述了 MCP server 容器镜像、网络端口、MCP 端点路径、环境变量、挂载的配置、运行时资源以及安全设置。controller 会将该声明协调为一个与 MCPServer 同名的 Kubernetes Deployment 和 Service。当前 API 仅支持 ContainerImage 作为 spec.source.type。

Alpha API

上游 MCPServer API 当前为 v1alpha1。字段名称和行为在未来版本中可能会发生变化。

主要特性

  • 声明式 MCP server 生命周期:通过应用 MCPServer 资源来创建、更新、扩缩容和删除 MCP server。
  • 受管 Kubernetes 资源:operator 创建并拥有底层的 Deployment 和 Service,并在 MCPServer 状态中报告它们的名称。
  • 内置服务发现:MCPServer 状态会向其他工作负载公开内部 URL,例如 http://<name>.<namespace>.svc.cluster.local:<port>/mcp。
  • 运行时自定义:可配置命令行参数、环境变量、ConfigMap 和 Secret 挂载、EmptyDir 存储、资源请求和限制、副本数、探针、service account 以及 security context。
  • 感知会话的服务:使用 spec.mcp.stateless 选择生成的 Service 是使用自由负载均衡还是基于客户端 IP 的会话亲和性。

工作原理

  1. 用户在应用命名空间中应用一个 MCPServer 资源。
  2. controller 验证所需的 MCP server 配置。
  3. controller 创建或更新一个同名的 Deployment,用于运行 MCP server 容器镜像。
  4. controller 创建或更新一个同名的 Service,用于在集群内暴露 MCP 端点。
  5. controller 将就绪条件和服务地址写入 MCPServer.status。

使用场景

  • 面向 AI 智能体的 MCP 工具:运行工具 server,为智能体框架暴露实时数据、内部 API 或运维操作。
  • 可复用的平台服务:将 MCP server 打包为 Kubernetes 工作负载,并保持一致的部署、扩缩容和状态行为。
  • 面向智能体的 MLOps 集成:提供可供 Kagenti agents、Llama Stack agents、notebooks 或其他集群内 AI 原生应用使用的 MCP 端点。

为何使用 MCPServer

对于一个由现有应用部署流水线完全管理的单个 MCP server,普通的 Deployment 和 Service 可能已经足够。當 MCP tools 需要在不同命名空间和团队之间共享、发现或重复部署时,MCPServer 会带来额外价值。

主要优势包括:

  • 稳定的 MCP 专用 API:用户可以在一个对象中声明 MCP server 镜像、端口、路径、运行时设置和协议行为。
  • 一致的状态和发现能力:operator 会在 MCPServer 状态中报告 Accepted、Ready、受管资源名称以及集群内部 MCP 地址。其他工具和平台工作流无需解析任意 Kubernetes 清单即可发现 MCP 端点。
  • 协议感知的默认值:诸如 spec.config.path 和 spec.mcp.stateless 之类的 MCP 专用字段,使端点路径和会话亲和性显式化。
  • 为平台集成留出空间:专用的 MCP API 为平台提供了一个统一的集成点,便于未来接入策略、UI、目录、可观测性以及智能体-工具工作流。

文档

上游文档和相关资源: