Visita https://aistudio.google.com/ y obtén una clave API. Actualmente, gemini-2.0-pro-exp-02-05 LLM está disponible totalmente gratis. También hay otros modelos disponibles a un precio muy económico.
Related MCP server: mcp-kubernetes-server
Goose es un agente de IA de código abierto que potencia el desarrollo de software automatizando las tareas de programación. Usaremos Codename Goose, ya que cuenta con un cliente MCP integrado. Instale Codename Goose siguiendo los pasos aquí: https://block.github.io/goose/docs/getting-started/installation . Configure la variable de entorno GOOGLE_API_KEY para que Goose sepa usar la API de Gemini. Aprenda a configurar con goose configure e iniciar una sesión con goose session .
Para obtener más información sobre MCP, consulte la documentación: https://modelcontextprotocol.io/introduction y, en concreto, el SDK de Python: https://github.com/modelcontextprotocol/python-sdk . Clone este repositorio y pruébelo con mcp dev server.py . Tenga en cuenta que este proyecto utiliza el gestor de paquetes uv en lugar de pip. Para obtener más información sobre uv , consulte la documentación: https://github.com/astral-sh/uv . Este proyecto utiliza el cliente de Python para Kubernetes: https://github.com/kubernetes-client/python .
Instale minikube siguiendo estas instrucciones: https://minikube.sigs.k8s.io/docs/start/?arch=%2Flinux%2Fx86-64%2Fstable%2Fbinary+download . Asegúrese de que la configuración del clúster se proporcione al servidor MCP. Consulte KubernetesManager y config.load_kube_config() para comprender cómo se carga la configuración.
Agregue el servidor MCP como una extensión leyendo los siguientes documentos: https://block.github.io/goose/docs/getting-started/using-extensions Inicie una nueva sesión de Goose usando el comando goose session --with-builtin developer --with-extension "uvx kube-mcp"
Intente dar un comando en Goose y haga que interactúe con Minikube usando el servidor MCP
This server cannot be deployed
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.
A comprehensive Model Context Protocol (MCP) server that enables AI assistants to interact with yo…
MCP server for AI agents to plan, verify, and deploy Cloudflare-native apps.
MCP server for building and testing AI agents with multi-model experimentation and insights.