argocd-mcp 的安装和配置教程
项目基础介绍
argocd-mcp 是一个实现了模型上下文协议(Model Context Protocol, MCP)的服务器,专门为 Argo CD 设计。它允许 AI 助手通过自然语言与 Argo CD 应用进行交互。此项目支持与 Visual Studio Code 和其他 MCP 客户端的无缝集成,通过标准输入输出(stdio)和 HTTP 流传输协议进行通信。该项目主要由 TypeScript 语言编写。
项目使用的关键技术和框架
本项目主要使用了以下技术和框架:
- Node.js:运行环境,用于执行后端服务。
- TypeScript:静态类型语言的超集,为 JavaScript 提供了类型系统和对 ES6 的支持。
- Model Context Protocol (MCP):允许客户端与 AI 助手进行交互的协议。
- Argo CD API:与 Argo CD 进行交互的接口。
安装和配置准备工作
在开始安装 argocd-mcp 之前,请确保您的系统中已经安装以下必要的软件:
- Node.js(推荐版本 v18 或更高)
pnpm包管理器(用于开发)- Argo CD 实例以及 API 访问权限
- Argo CD API 令牌(查看文档获取指令)
安装步骤
以下是详细的安装步骤:
-
克隆项目仓库
使用 Git 命令克隆项目仓库到本地:
git clone https://github.com/akuity/argocd-mcp.git cd argocd-mcp -
安装项目依赖
在项目根目录下,使用
pnpm安装项目依赖:pnpm install -
启动开发服务器
运行以下命令启动开发服务器,并开启热重载功能:
pnpm run dev -
配置 MCP 服务器
根据您使用的客户端(如 Cursor、VSCode 或 Claude Desktop),在项目根目录下创建相应的配置文件,并设置 Argo CD 的基础 URL 和 API 令牌。
-
对于 Cursor,创建
cursor/mcp.json文件:{ "mcpServers": { "argocd-mcp": { "command": "npx", "args": ["argocd-mcp@latest", "stdio"], "env": { "ARGOCD_BASE_URL": "<argocd_url>", "ARGOCD_API_TOKEN": "<argocd_token>" } } } } -
对于 VSCode,创建
.vscode/mcp.json文件:{ "servers": { "argocd-mcp-stdio": { "type": "stdio", "command": "npx", "args": ["argocd-mcp@latest", "stdio"], "env": { "ARGOCD_BASE_URL": "<argocd_url>", "ARGOCD_API_TOKEN": "<argocd_token>" } } } } -
对于 Claude Desktop,创建
claude_desktop_config.json文件:{ "mcpServers": { "argocd-mcp": { "command": "npx", "args": ["argocd-mcp@latest", "stdio"], "env": { "ARGOCD_BASE_URL": "<argocd_url>", "ARGOCD_API_TOKEN": "<argocd_token>" } } } }
替换
<argocd_url>和<argocd_token>为您的 Argo CD 实例的 URL 和 API 令牌。 -
-
使用自签名证书
如果您的 Argo CD 实例使用自签名证书或来自私有证书颁发机构的证书,您可能需要在配置中添加以下环境变量以禁用 TLS 证书验证:
"NODE_TLS_REJECT_UNAUTHORIZED": "0"注意:禁用 SSL 验证会降低安全性。仅在开发环境中使用此设置,或者当您了解安全影响时使用。
按照上述步骤操作后,您应该能够成功安装并配置 argocd-mcp,开始与 Argo CD 进行交互。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00