Metoro MCP Server — это MCP-сервер, соединяющий AI-ассистентов напрямую с Kubernetes-кластерами через платформу наблюдаемости Metoro, и позволяющий моделям исследовать логи, метрики, трейсы и события инфраструктуры для автоматического расследования инцидентов без ручного переключения между дашбордами.
Ключевые особенности:
Прямой доступ к телеметрии Kubernetes: AI-ассистент может извлекать временные ряды метрик (CPU, память, сеть), читать логи конкретных подов и сервисов, а также анализировать распределенные трейсы для отслеживания запросов между микросервисами.
Создание и управление алертами: Модель способна не только читать данные, но и создавать новые алерты прямо из диалога, настраивая пороговые значения и условия срабатывания без касания веб-интерфейса Metoro.
Динамическое исследование топологии: Инструменты list_pods, list_services, list_namespaces и list_nodes позволяют AI сначала изучить структуру кластера, чтобы затем точечно запрашивать данные по конкретным объектам, снижая объем передаваемой телеметрии.
Глубокая аналитика на базе eBPF: Платформа Metoro собирает телеметрию без изменения кода приложений, и MCP-сервер передает эту “бесшовную” наблюдаемость напрямую в LLM для поиска аномалий.
Готовый демо-кластер для тестирования: Для ознакомления не требуется собственная учетная запись — публичный демо-токен открывает доступ к живому кластеру с реальными данными, позволяя начать использование мгновенно.
Для кого: Ориентирован на SRE-инженеров, DevOps-специалистов и разработчиков, управляющих Kubernetes-кластерами и желающих взаимодействовать с инфраструктурой через текстовый диалог с AI (Claude Desktop). Подходит для команд, которые уже используют или планируют использовать Metoro как платформу наблюдаемости.
Сценарии использования:
Расследование инцидентов без панелей управления: инженер спрашивает Claude “почему pod payment-service перезагружался вчера в 15:00”, и модель сама извлекает логи, метрики и события по времени сбоя.
Проактивный поиск проблем: AI периодически опрашивает get_timeseries_data и get_logs, сравнивает текущие показатели с нормой и предупреждает об отклонениях до того, как сработает штатный алерт.
Настройка мониторинга голосом: создание алерта на повышенное потребление CPU для нового деплоя одной фразой в чате, без заполнения форм в веб-интерфейсе.
Аудит топологии кластера: обход всех неймспейсов, подов и сервисов через list_* инструменты для документирования или поиска неиспользуемых ресурсов.
Цены и доступность: Сам MCP-сервер имеет открытый исходный код (MIT License), распространяется через GitHub и написан на Go. Для работы требуется либо платный аккаунт Metoro с API-токеном, либо использование бесплатного демо-кластера с публичным токеном, позволяющим тестировать функциональность на “песочнице”.
