本プロジェクトは、Model Context Protocol (MCP) と Google Gemini AI を使用して Google Cloud Platform (GCP) のログを診断するためのツールを提供します。
diagnose.py: MCPツール経由で取得したGCPログをGemini AIで分析するスクリプトです。問題を診断し、根本原因を特定し、修正案を提示します。
log_mcp_server.py: GCP Cloud Loggingからログを取得するためのツールを提供するMCPサーバーです。
Related MCP server: GCP Billing and Monitoring MCP Server
Python 3.8以上
Cloud Loggingに対する適切な権限を持つGoogle Cloudプロジェクト
Gemini APIキー
プロジェクトファイルをクローンまたはダウンロードします。
依存関係をインストールします:
pip install -r requirements.txt.env ファイルに環境変数を設定します:
GEMINI_API_KEY=your_gemini_api_key_hereGoogle Cloudの認証情報が設定されていることを確認してください（例: gcloud auth application-default login を使用）。
診断を実行します:
python diagnose.pydiagnose.py スクリプトは、Cloud Runから過去2時間のERRORおよびCRITICALログを取得し、診断を提供するように構成されています。スクリプト内のクエリを変更したり、他のリソースタイプ用に拡張したりすることが可能です。
python-dotenv: 環境変数の読み込み用
google-generativeai: Gemini AIとの対話用
fastmcp: MCPクライアントおよびサーバー機能用
google-cloud-logging: GCP Cloud Loggingへのアクセス用
[該当する場合はライセンス情報を追加してください]
This server cannot be deployed
Query application logs, traces, and metrics from your AI coding assistant via Foam's MCP server.
MCP-native AI SRE: ask what's broken in production, get a reviewed GitHub fix PR.
The Google GKE MCP server is a managed Model Context Protocol server that provides AI applications with tools to manage Google Kubernetes Engine (GKE) clusters and Kubernetes resources. It exposes a structured, discoverable interface that allows AI agents to interact with GKE and Kubernetes APIs, enabling them to inspect cluster configurations, retrieve Kubernetes resource YAMLs, monitor operations like cluster upgrades, diagnose issues, and optimize costs—all without needing to parse text output or use complex kubectl commands.
Remote MCP for Gemini upgrade evals, prompt regressions, output diffs, and eval receipts.
