译者 | 核子可乐
审校 | 重楼
如今的AI编程助手表现堪称惊艳：除了生成复杂代码片段，还能按内部规范重构代码，甚至用通俗易懂的语言解释推理过程。但要让AI助手充分发挥价值，最重要的前提就是与现代DevOps工具对接。
模型上下文协议（MCP）正是为此而生。作为连接AI助手与外部工具/数据的通用标准提案，MCP协议自去年11月底发布以来就引发热烈反响。除了得到技术大厂的支持之外，其社区关注度也在持续攀升。
就DevOps领域而言，MCP为AI助手带来的主要助益包括：Git版本控制、持续集成与交付（CI/CD）、基础设施即代码、可观测性、文档检索等。通过将自然语言指令与多步骤后端流程相关联，MCP在实质上实现了“ChatOps 2.0”——即以聊天实现运维。
下面，我们将介绍十款主流DevOps工具及平台中出现的MCP server。
GitHub MCP server
相信每一位开发者对于GitHub都不会陌生，而GitHub的官方MCP server也迅速成为AI智能体与代码仓库交互的主要方式。
GitHub远程MCP server提供多种工具，可支持智能体对代码仓库执行操作、创建或评论问题、开启或合并PR，并可检索协作者、提交记录及安全公告等项目元数据。
其同时提供通过GitHub Actions进行CI/CD管理的接口。例如，用户可调用GitHub Actions工具集中的cancel_workflow_run工具“取消当前运行中的操作”。
GitHub MCP server提供的功能最为丰富，且完美继承了GitHub平台的API。但出于安全考虑，大家也可配置-read-only标记以禁止智能体执行变更操作。
Notion MCP server
尽管其核心功能并非严格意义上的DevOps工具，Notion已成为跨领域团队协作的常见平台。在DevOps团队手中，官方Notion MCP server可帮助智能体呈现相关笔记和流程文档。
例如，我们可以指示智能体调用存储于Notion的内部样式指南或运维手册，或通过Notion API触发指定的命令操作。
大家可通过IDE调用Notion远程MCP server，或通过官方Docker镜像本地构建运行。由于配备可配置的权限范围和token机制，Notion的MCP server风险更低，可安全管理Notion页面与代码片段。
Atlassian Remote MCP server
作为另一款值得关注的MCP server，Atlassian Remote MCP server能将IDE或AI智能体平台与Atlassian Cloud产品（如Jira项目管理工具及Confluence协作平台等）顺畅对接。
Atlassian MCP server可将外部AI工具与Jira对接，实现问题创建、摘要及更新等功能。它还能通过MCP客户端检索或引用Confluence页面，并将相关操作串联为一整套流程。
例如，我们可以要求智能体“根据最新错误报告更新支付应用，对用户提出的问题进行测试”。
目前此server尚处于测试阶段，仅面向Atlassian Cloud客户开放。其支持多种MCP兼容客户端，且采用OAuth 2.1授权机制保障访问安全。
Argo CD MCP server
此服务器由Argo CD开发者Akuity打造。作为广受欢迎的开源CI/CD工具，Argo CD支撑起众多K8s原生GitOps工作流。其MCP server封装了对Argo CD APi的调用，并提供工具确保AI用户可通过自然语言与Argo CD交互。
Akuity MCP server为Argo CD部署与底层K8s对象提供两大核心工具：应用管理工具负责支持智能体检索应用信息、创建/删除应用及执行其他操作；资源管理工具则允许智能体获取特定应用的资源信息、日志及事件，并对特定资源执行操作。
在Argo CD MCP server的帮助下，大家可以通过自然语言实现大量本需要通过Argo CD界面或命令行完成的操作。顺带一提，对于非Argo CD用户——例如Jenkins使用者，目前由社区维护的Jenkins MCP server插件也已正式发布。
Grafana MCP server
作为广受欢迎的数据可视化与监控工具，Grafana已经成为DevOps及站点可靠性团队的核心工具。通过官方Grafana MCP server，智能体可提供预测数据以辅助开发及运维工作流。
Grafana MCP server允许智能体查询仪表板的部分或完整详情，整合来自多个数据源的系统性能指标及健康数据监控结果。此外，它还能获取数据源信息、查询其他监控系统、事件详情等。
这款工具还提供配置选项，可灵活定制智能体权限。此外，Grafana也优化了MCP server的响应结构，大大减少了上下文窗口使用量以降低token成本失控风险。
Terraform MCP server
尽管替代方案不少，HasiCorp的Terraform仍是基础设施即代码领域的领先选项。其官方MCP server为AI智能体生成/管理Terraform配置提供了极具吸引力的方案。
同时集成Terraform Registry API与Terraform Enterprise/HCP服务之后，该server可支持智能体查询模块及提供程序元数据、检查工作区状态，并可在人工审批后方触发运行。它亦可公开运行实例、注册表、提供程序、策略、模块、变量、工作区等Terraform资源。
Terraform MCP server自带AGENTS.md文件，可帮助智能体理解工具作用。截至撰稿时，Terraform MCP仅支持本地使用，暂时不支持远程或托管部署。
对于使用OpenTofu的用户，也可以考虑使用OpenTofu MCP server。其优势包括：支持本地/云端部署，可依托Cloudflare Workers实现全球分布式部署且完全开源。
GitLab MCP server
这是专为GitLab Premium乃至Ultimate版本用户提供的控制与DevOps平台，其可支持AI智能体通过GitLab API安全收集项目信息并执行操作。
GitLab MCP server允许执行总办发状态变更操作，如创建问题或合并请求。其余功能则主要涉及数据检索，如获取问题、合并请求、提交记录、差异对比及管线信息等。
GitLab MCP的说明文档相当完善，包含大量MCP server可识别的自然语言表达示例，同时支持OAuth 2.0动态客户端注册。
Snyk MCP server
开发者安全平台Snyk打造的MCP server，可扫描并修复代码、开源依赖项、基础设施即代码、容器及软件物料清单（SBOM）中的漏洞等。
在AI辅助DevSecOps场景下，Snyk MCP server可帮助智能体自动在CI/CD流程中执行安全扫描，甚至可跨其他MCP server实现协同。例如通过GitHub MCP server获取代码仓库详情，而后再启动Snyk扫描。
Snyk MCP server不提供远程托管功能，仅可本地运行并通过Snyk命令行界面以认证API调用。
AWS MCP servers
云巨头打造的MCP server充分发挥其自身生态优势，以确保AI智能体可与其各AWS服务交互。其中部分MCP server由AWS提供全托管版本，也有一些支持本地运行。
例如，Lambda工具MCP server支持智能体列举并调用Lambda函数；AWS S3 Tables MCP server允许智能体调查S3存储桶或立足CSV文件创建新的S3表；AWS Knowledge MCP server可为智能体提供最新的AWS文档、API参考及架构指南。
当然，微软Azure的用户可以选择Azure DevOps MCP server；阿里云、Cloudflare及谷歌等服务商也有测试自己的MCP server方案。
Pulumi MCP server
人气基础设施即代码工具Pulumi也发布了官方MCP server，允许智能体查询Pulumi组织的注册表（提供云资源与基础设施访问权限）并执行Pulumi命令。
在官方教程中，Pulumi演示了如何利用其MCP server配置Azure K8s Service集群。开发者可向AI助手发出自然语言指令，由AI调用MCP工具以执行Pulumi命令。
MCP也有风险
正如氛围编程并不适用所有项目，MCP也有其相应风险。此类方案可能造成大量冗余甚至重大安全隐患。据企业管理协会（EMA）发布的《DevOps中的AI》显示，62%的IT领导者认为阻碍AI应用的头号要素为安全与隐私风险。
因此在测试重要操作前，建议先使用较低权限测试MCP server，且保证只使用可信大模型及可信MCP客户端。
此外，还须警惕向MCP客户端公开高价值或长期有效的权限。由于AI编程智能体依托的大模型具有不确定性，因此其行为也将难以预测。
最后，相较于社区支持的库，使用本文推荐的官方MCP更具长期保障稳定性与维护的持续可靠性。
早期成功案例
尽管MCP与智能体尚处于发展初期，但随着成功工作流的涌现，业界对其未来发展也表现出谨慎的乐观。
Block公司开发者关系主管Angie Jones指出，通过全面部署MCP兼容Goose智能体，1.2万名员工正在智能体加MCP的帮助下“加快创新步伐、消除现实瓶颈，专注于更具价值的工作内容。”
也有工程师报告称，正使用MCP server优化DevOps相关工作流，如：通过文件系统MCP server访问本地文件、使用Linear MCP server进行问题追踪，借助Chrome DevTools MCP server进行浏览器调试，以及运用Playwright MCP server实现持续测试等。
DevOps长久以来一直是繁琐与高成本的代名词，因此借助MCP实现升级已成必然。期待大家在确保控制安全的前提下，见证这些MCP server如何融入工作并成为效率提升的利器。
原文标题：10 MCP servers for devops，作者：Bill Doerrfeld
