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。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00