Kubernetes MCP Server

Der Kubernetes MCP Server verbindet KI-Assistenten wie Claude Code oder Cursor direkt mit Ihren Kubernetes- und OpenShift-Clustern. Kubernetes ist das verbreitete System, mit dem Container-Anwendungen auf mehreren Rechnern betrieben werden; OpenShift ist eine darauf aufbauende Plattform. Statt jeden Befehl selbst in kubectl zu tippen, bitten Sie den Assistenten, Pods aufzulisten, Logs zu lesen oder einen Fehler einzugrenzen. Das Projekt liegt in der GitHub-Organisation containers, steht laut Repository unter der Apache-2.0-Lizenz, hat rund 2.180 Sterne, ist nicht archiviert und wurde zuletzt am 23. Oktober 2026 aktualisiert. Es handelt sich um ein offenes Projekt, nicht um ein Produkt eines kommerziellen Anbieters; einzelne Betreiber nennt die Projektseite nicht.

Was kann der Kubernetes MCP Server?

Laut Projektseite ist der Server eine in Go geschriebene, native Implementierung, die direkt mit der Kubernetes-API spricht. Er ist also kein Aufsatz auf kubectl oder helm und braucht keine zusätzlichen Programme. Bei den Standardfunktionen können Sie beliebige Ressourcen anlegen, ändern, auflisten, abrufen und löschen. Für Pods gibt es zusätzlich Logs, Ressourcenverbrauch, Befehlsausführung im Container und das Starten neuer Pods. Dazu kommen Namespaces, Events und OpenShift-Projekte. Weitere Funktionen sind in Toolsets gebündelt: helm installiert, listet und entfernt Helm-Releases, tekton steuert Pipelines, und weitere Gruppen decken Istio über Kiali, virtuelle Maschinen mit KubeVirt, Netzwerkflüsse sowie Logs, Metriken und Traces ab. Mehrere Cluster aus Ihrer Kubeconfig-Datei lassen sich über ein Kontextargument ansprechen.

Installation und Anmeldung

Der Server läuft lokal. Sie starten ihn mit npx -y kubernetes-mcp-server@latest oder mit uvx kubernetes-mcp-server@latest; alternativ laden Sie eine fertige Programmdatei für Linux, macOS oder Windows von GitHub herunter. Als Zugang dient die vorhandene Kubeconfig-Datei beziehungsweise die Konfiguration innerhalb des Clusters. Das Projekt beschreibt Anleitungen für Claude Desktop, Claude Code, VS Code, Cursor und Goose. Im HTTP-Betrieb unterstützt der Server laut Projektseite OAuth und OIDC, mit Anleitungen für Keycloak und Microsoft Entra ID.

Toolsets und Nur-Lese-Modus

Besonders nützlich ist die Konfigurierbarkeit. Über die Option toolsets aktivieren Sie nur die Werkzeuggruppen, die Sie brauchen; laut Dokumentation verringert das den Kontext und kann die Werkzeugauswahl verbessern. Standardmäßig sind nur config und core aktiv. Mit read_only = true beschränken Sie den Server auf lesende Aktionen, und mit denied_resources sperren Sie einzelne Ressourcentypen, etwa Secrets. Die Einstellungen setzen Sie per TOML-Datei, Kommandozeile oder Umgebungsvariable; eine Änderung kann ohne Neustart per Signal geladen werden. Optional liefert der Server Telemetrie über OpenTelemetry.

Wofür ist er besonders nützlich?

Er hilft vor allem bei der Fehlersuche und bei wiederkehrenden Betriebsaufgaben: Warum startet ein Pod nicht, was steht in den Logs, welche Ressourcen verbraucht ein Dienst, wie sieht eine Deployment-Konfiguration aus? Gegenüber einem reinen kubectl-Aufruf im Terminal kennt der Assistent die Struktur der Antworten und kann mehrere Abfragen selbständig kombinieren. Gegenüber Cloud-spezifischen Servern ist er unabhängig vom Hosting-Anbieter und funktioniert mit jedem Cluster, den Ihre Kubeconfig erreicht.

Sicherheit: was Sie beachten sollten

Der Server kann je nach Rechten Pods löschen, Ressourcen verändern, Befehle in Containern ausführen und Helm-Releases entfernen. Setzen Sie ihn deshalb zuerst mit read_only = true ein, nutzen Sie ein eigenes ServiceAccount mit knappen Rechten statt Ihres Administratorzugangs und sperren Sie Secrets über denied_resources. Logs und Ressourcen, die der Assistent liest, gelangen in den Kontext des KI-Clients und damit zum Modellanbieter. Die Projektseite beschreibt kein eigenes Schalter-Konzept für zerstörerische Aktionen außer Nur-Lese-Modus und Sperrliste.

Kosten

Das Projekt ist kostenlos und quelloffen; eine Preisseite gibt es nicht. Kosten entstehen nur für die Cluster und das KI-Modell, das Sie verwenden.

Für wen lohnt sich der Kubernetes MCP Server?

Er lohnt sich für Entwicklerinnen, Plattform- und DevOps-Teams, die täglich mit Kubernetes oder OpenShift arbeiten und ihren Assistenten bei Diagnose und Routineaufgaben einbinden wollen. Beginnen Sie mit einem Testcluster, aktivieren Sie den Nur-Lese-Modus und erweitern Sie Rechte und Toolsets erst, wenn Sie das Verhalten kennen.

Node.js mit npx, Python mit uvx oder die heruntergeladene Programmdatei, eine Kubeconfig-Datei mit Zugriff auf einen Kubernetes- oder OpenShift-Cluster sowie ein MCP-Client mit stdio-Unterstützung.

Mit dem Kubernetes MCP Server bedient ein KI-Assistent Ihre Kubernetes- und OpenShift-Cluster. Dieser Ratgeber führt von der Installation bis zur ersten sicheren Aufgabe.

Schritt 1: Voraussetzungen

Sie brauchen Node.js mit npx (oder Python mit uvx), eine Kubeconfig-Datei mit Zugriff auf einen Cluster und einen MCP-Client mit stdio-Unterstützung, etwa Claude Code oder Cursor. Nutzen Sie für den Anfang einen Testcluster.

Schritt 2: Server eintragen

In Claude Code lautet der Befehl claude mcp add kubernetes -- npx -y kubernetes-mcp-server@latest. Prüfen Sie danach mit /mcp, ob der Server verbunden ist. Alternativ laden Sie die Programmdatei von GitHub herunter.

claude mcp add kubernetes -- npx -y kubernetes-mcp-server@latest

Zugang begrenzen

Der Server nutzt Ihre Kubeconfig. Legen Sie besser ein eigenes ServiceAccount mit knappen Rechten an, statt Ihren Administratorzugang zu verwenden; die Projektdokumentation enthält dafür eine Anleitung.

Nur-Lese-Modus und Toolsets

In einer TOML-Konfiguration setzen Sie read_only = true, wählen mit toolsets nur die benötigten Gruppen (standardmäßig config und core) und sperren mit denied_resources etwa Secrets. Erst wenn Sie das Verhalten kennen, erweitern Sie Rechte und Toolsets wie helm.

Schritt 3: Erste Aufgaben

Starten Sie lesend: „Liste die Pods im Namespace shop auf und nenne die, die nicht laufen“ oder „Zeige die letzten Logs von Pod api-1“. Schreibende Aktionen wie Löschen oder Skalieren sollten Sie erst nach einer Prüfung des Plans zulassen.

Die vorhandene Kubeconfig-Datei oder die Konfiguration im Cluster; im HTTP-Betrieb optional OAuth/OIDC (z. B. Keycloak, Microsoft Entra ID).

Zugriff auf die Cluster der Kubeconfig mit den Rechten des verwendeten Kontos: Ressourcen, Pods, Logs, Events, optional Helm, Tekton und weitere Toolsets. Mit read_only und denied_resources lässt sich der Zugriff einschränken.

Abgerufene Ressourcen, Logs und Konfigurationen gelangen in den Kontext des KI-Clients und damit zum Modellanbieter. Der Server läuft lokal; die Projektseite beschreibt Telemetrie über OpenTelemetry als optional.

Löschen oder Ändern von Ressourcen, Ausführen von Befehlen in Containern und Entfernen von Helm-Releases bei zu weiten Rechten, Offenlegung von Secrets und Logs gegenüber dem Modellanbieter sowie Prompt Injection über Log- oder Ressourceninhalte.