Kubeshark MCP Server

Serveur MCP Kubeshark

Kubeshark Le serveur MCP (Model Context Protocol) permet aux assistants IA comme Claude Desktop, Cursor et d’autres clients compatibles MCP d’interroger le trafic réseau Kubernetes en temps réel.

Compétences IA

Le MCP fournit les outils — les compétences IA apprennent aux agents à les utiliser. Les compétences transforment les capacités brutes du MCP en flux de travail spécifiques au domaine, comme l’analyse des causes racines, le filtrage du trafic et l’investigation forensique. Consultez le README des compétences pour l’installation et l’utilisation.

Compétence	Description
network-rca	Analyse des causes racines réseau — investigation rétrospective basée sur des instantanés avec routes PCAP et de dissection
kfl	Expert en filtres KFL2 — écrire, déboguer et optimiser les requêtes de trafic sur tous les protocoles pris en charge

Fonctionnalités

• Analyse du trafic API L7 : Interroger les transactions HTTP, gRPC, Redis, Kafka, DNS
• Flux réseau L4 : Visualiser les flux TCP/UDP avec des statistiques de trafic
• Gestion du cluster : Démarrer/arrêter les déploiements Kubeshark (avec contrôles de sécurité)
• Instantanés PCAP : Créer et exporter des captures réseau
• Invites intégrées : Invites préconfigurées pour les tâches d’analyse courantes

Installation

1. Installer la CLI Kubeshark

# macOS
brew install kubeshark

# Linux
sh <(curl -Ls https://kubeshark.com/install)

# Windows (PowerShell)
choco install kubeshark

Ou téléchargez depuis les Releases GitHub.

2. Configurer Claude Desktop

Ajoutez à votre configuration Claude Desktop :

macOS : ~/Library/Application Support/Claude/claude_desktop_config.json Windows : %APPDATA%\Claude\claude_desktop_config.json

Par défaut (nécessite un accès kubectl / contexte kube)

{
  "mcpServers": {
    "kubeshark": {
      "command": "kubeshark",
      "args": ["mcp"]
    }
  }
}

Avec un chemin de kubeconfig explicite :

{
  "mcpServers": {
    "kubeshark": {
      "command": "kubeshark",
      "args": ["mcp", "--kubeconfig", "/path/to/.kube/config"]
    }
  }
}

Mode URL (kubectl non requis)

Utilisez ce mode lorsque la machine n’a pas d’accès kubectl ou de contexte kube. Connectez-vous directement à un déploiement Kubeshark existant :

{
  "mcpServers": {
    "kubeshark": {
      "command": "kubeshark",
      "args": ["mcp", "--url", "https://kubeshark.example.com"]
    }
  }
}

Avec opérations destructrices

{
  "mcpServers": {
    "kubeshark": {
      "command": "kubeshark",
      "args": ["mcp", "--allow-destructive", "--kubeconfig", "/path/to/.kube/config"]
    }
  }
}

3. Générer la configuration

Utilisez la CLI pour générer la configuration :

kubeshark mcp --mcp-config --url https://kubeshark.example.com

Outils disponibles

Analyse du trafic (tous les modes)

Outil	Description
list_workloads	Lister les pods, services, espaces de noms avec le trafic observé
list_api_calls	Interroger les transactions API L7 avec filtrage KFL
get_api_call	Obtenir des informations détaillées sur un appel API spécifique
get_api_stats	Obtenir des statistiques API agrégées
list_l4_flows	Lister les flux réseau L4 (TCP/UDP)
get_l4_flow_summary	Obtenir un résumé de la connectivité L4
list_snapshots	Lister tous les instantanés PCAP
create_snapshot	Créer un nouvel instantané PCAP
get_dissection_status	Vérifier l’état d’analyse du protocole L7
enable_dissection	Activer la dissection du protocole L7
disable_dissection	Désactiver la dissection du protocole L7

Gestion du cluster (mode proxy uniquement)

Outil	Description	Requiert
check_kubeshark_status	Vérifier si Kubeshark est en cours d’exécution	-
start_kubeshark	Déployer Kubeshark sur le cluster	--allow-destructive
stop_kubeshark	Supprimer Kubeshark du cluster	--allow-destructive

Invites disponibles

Invite	Description
analyze_traffic	Analyser les modèles de trafic API et identifier les problèmes
find_errors	Trouver et résumer les erreurs et échecs API
trace_request	Tracer le chemin d’une requête à travers les microservices
show_topology	Afficher la topologie de communication des services
latency_analysis	Analyser les modèles de latence et identifier les points de terminaison lents
security_audit	Auditer le trafic pour détecter les problèmes de sécurité
compare_traffic	Comparer les modèles de trafic entre deux périodes
debug_connection	Déboguer les problèmes de connectivité entre les services

Exemples de conversations

User: Show me all HTTP 500 errors in the last hour

Claude: I'll query the API traffic for 500 errors.
[Calling list_api_calls with kfl="http and response.status == 500"]

Found 12 HTTP 500 errors:
1. POST /api/checkout -> payment-service (500)
   Time: 10:23:45 | Latency: 2340ms
...

User: What services are communicating with the database?

Claude: Let me check the L4 flows to the database.
[Calling list_l4_flows with dst_filter="postgres"]

Found 5 services connecting to postgres:5432:
- orders-service: 456KB transferred
- users-service: 123KB transferred
...

Options CLI

Option	Description
--url	URL directe vers le Hub Kubeshark
--kubeconfig	Chemin vers le fichier kubeconfig
--allow-destructive	Activer les opérations de démarrage/arrêt
--list-tools	Lister les outils disponibles et quitter
--mcp-config	Afficher la configuration JSON de Claude Desktop

KFL (Kubeshark Filter Language)

Interroger le trafic en utilisant la syntaxe KFL :

# HTTP requests to a specific path
http and request.path == "/api/users"

# Errors only
response.status >= 400

# Specific source pod
src.pod.name == "frontend-.*"

# Multiple conditions
http and src.namespace == "default" and response.status == 500

Registre MCP

Kubeshark est publié sur le Registre MCP automatiquement à chaque version.

Le server.json dans ce répertoire est un fichier de référence. Les métadonnées réelles du registre (version, hachages SHA256) sont générées automatiquement lors du workflow de publication. Voir .github/workflows/release.yml pour plus de détails.

Liens

• Documentation
• GitHub
• Site Web
• Registre MCP

Licence

Apache-2.0