Dion Hagan_mcp Server Spinnaker

🚀 Spinnaker 的 MCP 服务器

此包提供了一个模型上下文协议（MCP）服务器实现，用于 Spinnaker 集成。它允许 AI 模型通过标准化的 MCP 接口与 Spinnaker 的部署、管道和应用程序进行交互，为软件交付过程带来智能化的支持。

✨ 主要特性

• AI 集成能力：展示了 Anthropic 新的 AI 模型 Claude 如何直接集成并增强软件交付过程的能力。通过遵循 MCP 标准，Claude 可以访问有关 Spinnaker 应用程序、管道和部署的丰富上下文信息，并使用定义良好的工具主动管理它们。
• 智能决策与优化：AI 模型可以进行智能部署决策、主动问题检测与自动修复、持续流程优化以及上下文维护与更新。
• 多方式配置：支持通过 npm 或 yarn 进行安装，可通过配置选项和环境变量对服务器进行灵活配置。
• 类型导出：导出了用于与服务器交互的 TypeScript 类型，方便开发使用。

🚀 快速开始

安装

使用 npm：

npm install @airjesus/mcp-server-spinnaker

使用 yarn：

yarn add @airjesus/mcp-server-spinnaker

初始化服务器

import { SpinnakerMCPServer } from '@airjesus/mcp-server-spinnaker';

const server = new SpinnakerMCPServer({
gateUrl: 'http://localhost:8081', // 必填：Spinnaker Gate 服务 URL
applications: ['app1', 'app2'], // 可选：要监控的应用列表
environments: ['prod', 'staging'] // 可选：要监控的环境列表
});

server.start(); // 启动 MCP 服务器

💻 使用示例

基础用法

初始化服务器

import { SpinnakerMCPServer } from '@airjesus/mcp-server-spinnaker';

const server = new SpinnakerMCPServer({
gateUrl: 'http://localhost:8081', // 必填：Spinnaker Gate 服务 URL
applications: ['app1', 'app2'], // 可选：要监控的应用列表
environments: ['prod', 'staging'] // 可选：要监控的环境列表
});

server.start(); // 启动 MCP 服务器

高级用法

配置选项

import { SpinnakerMCPServer } from '@airjesus/mcp-server-spinnaker';

const server = new SpinnakerMCPServer({
gateUrl: 'http://localhost:8081', // 必填：Spinnaker Gate 服务 URL
applications: ['app1', 'app2'], // 可选：要监控的应用列表
environments: ['prod', 'staging'], // 可选：要监控的环境列表
port: 3001, // 可选，指定 MCP 服务器运行的端口
refreshInterval: 60 // 可选，指定上下文刷新间隔为 60 秒
});

server.start(); // 启动 MCP 服务器

工具使用

获取应用程序

server.getApplications().then(applications => {
console.log('已获取的应用程序:', applications);
});

获取管道

server.getPipelines('app1').then(pipelines => {
console.log('应用 app1 的管道:', pipelines);
});

📚 详细文档

配置选项

环境变量

服务器可以通过以下环境变量进行配置：

• GATE_URL：Spinnaker Gate 服务 URL，默认为 http://localhost:8081。
• MCP_PORT：MCP 服务器运行的端口，默认为 3000。
• REFRESH_INTERVAL：上下文刷新间隔（秒），默认为 30。

类型

该包导出了用于与服务器交互的 TypeScript 类型：

import type {
SpinnakerApplication,
SpinnakerPipeline,
SpinnakerDeployment,
SpinnakerExecution
} from '@airjesus/mcp-server-spinnaker';

🔧 技术细节

AI 集成的可能性

• 智能部署决策：AI 模型可以分析应用程序和管道的状态，做出何时以及如何进行部署的明智决定。例如，Claude 可以查看测试覆盖率、代码变化量和历史成功率，以确定最佳的部署时间和目标环境。
• 主动问题检测与自动修复：AI 可以持续监控 CI/CD 过程，提前发现潜在问题。想象一下，Claude 检测到新版本依赖项中有已知漏洞并自动创建拉取请求进行更新，或者注意到部署时间过长并主动扩展资源以防止超时。
• 持续流程优化：随着每次部署，AI 可以不断优化交付过程。Claude 可以学习和调整策略以提高效率和可靠性。
• 上下文维护与更新：服务器会自动维护有关 Spinnaker 部署的上下文信息，包括应用程序列表、管道状态、当前部署以及最近的管道执行情况。默认情况下每 30 秒刷新一次上下文。

📄 许可证

MIT License - 有关详细信息，请参阅 LICENSE。

🔗 开发贡献

要为该项目做出贡献：

1. 克隆仓库：git clone https://github.com/airjesus/mcp-server-spinnaker.git
2. 安装依赖项：yarn install
3. 构建项目：yarn build
4. 运行测试：yarn test