Cloud и DevOps

Docker MCP

alisaitteke

2

Docker MCP Server управляет Docker через AI-ассистентов. Вы отдаёте команды на естественном языке — сервер запускает контейнеры, скачивает образы, управляет сетями и томами. Сервер не требует установки. Он запускается через npx и сам находит Docker-сокет на Windows, Linux и macOS. Деструктивные операции, вроде удаления контейнеров, требуют двухэтапного подтверждения.

nexus

addozhang

21

Nexus MCP Server подключает AI-ассистентов к Sonatype Nexus Repository Manager. Сервер ищет артефакты Maven, пакеты Python (PyPI) и Docker-образы. Все команды только на чтение — сервер ничего не удаляет и не меняет. Работает с OSS и Pro версиями Nexus 3.x. Сервер работает через официальный REST API Nexus (/service/rest/v1). Подключите его к своему MCP-клиенту — и запрашивайте артефакты простыми текстовыми командами. Никакого ручного поиска в веб-интерфейсе или curl-запросов.

VMware AVI

zw008

21

MCP-сервер для управления балансировщиками нагрузки VMware AVI (NSX Advanced Load Balancer) и оператором AKO в среде Kubernetes. 29 инструментов MCP разбиты на 10 категорий. Автоматизируйте сетевую инфраструктуру для DevOps-инженеров и администраторов платформ. Работайте в двух режимах: управление классическим контроллером AVI и выполнение операций AKO в кластерах K8s. Один запрос заменяет ручное переключение между веб-консолью AVI, kubectl и AKO CLI. Сервер создан инженером VMware, но это не официальный продукт компании. Исходный код открыт и доступен для доработок. Сервер входит в экосистему инструментов для VMware: vmware-aiops, vmware-monitor, vmware-nsx. Каждый инструмент заточен под свою задачу, вместе они покрывают полный цикл управления виртуальной инфраструктурой.

MCP K8s Ro

your-ko

1

mcp-k8s-ro — это MCP-сервер на Go для безопасного чтения данных из Kubernetes. Он работает в режиме «только чтение»: может выполнять get, describe, logs и top, но не умеет создавать, обновлять или удалять ресурсы. Если модель попытается изменить кластер, сервер просто предложит выполнить эквивалентную команду kubectl вручную. Это особенно ценно для ночных дежурств — никакой промпт не приведёт к случайной мутации. Сервер маскирует значения Secret и другие чувствительные поля перед отправкой модели. Даже при инъекции промпта секреты не утекут. Кроме того, он экономит токены: возвращает только значимые поля вроде имени, статуса, количества перезапусков, а не полный API-ответ. В каждый ответ добавляется имя активного контекста и кластера — модель всегда знает, к какому кластеру обращается.

K8scortex MCP

apatilgtn

11

K8sCortex MCP-сервер — это программный интерфейс для управления Kubernetes через естественный язык. Сервер включает 75 инструментов, разделённых по доменам: workloads, деплои, конфигурация, наблюдаемость, jobs, сети, GitOps, администрирование кластера и общее чтение. Каждый инструмент имеет единый интерфейс и подчиняется централизованным правилам безопасности. Сервер поддерживает облачные кластеры GKE, AKS, EKS, а также локальные minikube и Rancher Desktop. При подключении вы регистрируете кластеры и обращаетесь к любому из них в запросе — достаточно указать его имя. Аутентификация и аудит уже встроены.

Devflow MCP

cocaxcode

1

DevFlow MCP — интеграционный сервер для Jira и GitHub или GitLab. AI-ассистент управляет рабочим процессом: от создания задачи до слияния PR. Сервер автоматически определяет версию Jira (Cloud или Server) и тип git-провайдера. Все учётные данные хранятся локально и никуда не передаются. Проекты привязываются к директориям. Перешли в папку с проектом — сервер сам подхватил нужный контекст. Можно настраивать несколько проектов с разными Jira-инстансами, токенами и соглашениями о ветках. Вы описываете задачу своими словами — AI сам выбирает нужные инструменты.

kubeleash

kubeleash

1

kubeleash — это MCP-сервер для Kubernetes, который добавляет слой безопасного доступа для AI-агентов. Вы подключаете его к любому kubeconfig, даже с правами cluster-admin, но фактически агент сможет выполнять только те операции, которые разрешены в локальном файле политики. Политики работают по принципу RBAC и учитывают текущий контекст (kube context). Деструктивные действия (удаление ресурсов, изменение критичных настроек) блокируются на стороне сервера, до отправки запроса в кластер. Это защищает продакшены от случайных или намеренных деструктивных команд со стороны AI-ассистентов. Сервер полезен командам DevOps и разработчикам, которые хотят дать AI-агентам доступ к Kubernetes, но не готовы рисковать безопасностью. kubeleash работает как локальный MCP-сервер и совместим с любым клиентом, поддерживающим протокол MCP: Claude Desktop, VS Code, Cursor и другие.

Cloudprice

Albaker-Group

1

Cloudprice — MCP-сервер для FinOps. Он даёт AI-ассистентам прямой доступ к актуальным ценам четырёх основных облачных провайдеров: AWS, Azure, Google Cloud и Oracle Cloud. Вместо того чтобы вручную собирать ставки из консолей и сводить их в таблицы, вы просто формулируете запрос: «сравни стоимость egress», «рассчитай reserved instance break-even», «помоги выбрать регион для дешёвого GPU». Ассистент сам обращается к структурированным данным через сервер. Сервер покрывает полный стек FinOps-задач: от оценки стоимости базовых инстансов до генерации отчётов для финансового директора. Он учитывает скидочные программы (Reserved Instances, Savings Plans, Committed Use Discounts), умеет считать углеродный след и автоматически выявляет аномалии в ценообразовании. Инструмент предназначен для платформенных инженеров, DevOps и финансовых аналитиков, которые хотят принимать решения на основе данных, а не догадок. Cloudprice включает 25 инструментов для анализа и сравнения цен. Сервер распространяется с открытым исходным кодом, не требует внешних API-ключей и использует публичные прайс-листы облачных провайдеров.

localstack

giovanemartins

1

MCP-сервер для работы AI-ассистентов с локальными AWS-сервисами через LocalStack. Вы даёте ассистенту команду — он выполняет операции с S3, SQS, Lambda и другими сервисами на вашем локальном экземпляре LocalStack. Никакого реального AWS не нужно. Подходит для разработки, тестирования и отладки приложений, использующих облачную инфраструктуру. Все запросы направляются к LocalStack по адресу http://localhost:4566. Вы можете изменить эндпоинт или регион через переменные окружения. Сервер поддерживает стандартный протокол MCP и совместим с любыми MCP-клиентами. Сервер автоматически регистрирует инструменты для каждого AWS-сервиса, доступного в LocalStack. Вы получаете единый интерфейс для управления бакетами, очередями, функциями и другими ресурсами.

AppsAI MCP Server

appsai-inc

11

AppsAI MCP Server — связующее звено между AI-ассистентами (вроде Claude, Cursor, Windsurf) и облачной платформой AppsAI. Он автоматизирует создание full-stack приложений: от генерации кода до деплоя в облако. Вы описываете задачу на естественном языке, а AI собирает проект на Next.js и React с Tailwind CSS и shadcn/ui. Бэкенд вы выбираете из нескольких фреймворков: Express, Fastify, Hono, Supabase Edge Functions, Firebase Cloud Functions или Serverless Framework. Данные хранятся в MongoDB Atlas. Инфраструктура разворачивается на AWS (S3, CloudFormation, EC2, Lambda). Сервер даёт доступ к более чем 150 готовым инструментам — для каждого этапа разработки и эксплуатации.

K8gentS — Kubernetes RCA MCP Server

JDoornink

1

K8gentS — диагностический агент для Kubernetes. Он подключает языковую модель (Google Gemini) к событиям кластера в реальном времени. Основная сложность проекта — не в интеграции с Kubernetes, а в доверии к недетерминированной системе. Традиционная observability строится на гарантиях: одинаковые запросы дают одинаковые ответы. LLM нарушает этот контракт. Один и тот же сбой может объясняться тремя разными способами. K8gentS не пытается сделать LLM предсказуемым. Он строит жесткие границы вокруг процесса диагностики: Результат: вы используете сильные стороны LLM — анализ и логику, но не даёте нейросети доступ к kubectl apply. Цель проекта — сократить MTTR на диагностируемых отказах без потери контроля.

NEXUS AI

nexusrun

1

NEXUS AI — платформа для развёртывания full-stack приложений целиком. Вы даёте промпт или ссылку на репозиторий, а AI-агент сам поднимает сервер, базу данных, очередь задач и файловое хранилище. Всё это сразу работает на реальной инфраструктуре с публичным HTTPS-адресом. Проблема, которую решает сервис: современные AI-генераторы кода (Claude Code, Cursor, v0, Replit) отлично пишут код, но не умеют настраивать окружение для продакшена. Чтобы запустить код, нужна база данных, кэш, хранилище, воркеры и бэкапы. 59 инструментов MCP в NEXUS AI дают агенту полный контроль над инфраструктурой. Вы просто описываете задачу — агент сам вызывает нужные инструменты и разворачивает стек.