Explora todo el contenido etiquetado con Kubernetes
El servidor MCP k8s-multicluster-mcp proporciona una gestión centralizada y fluida de múltiples clústeres de Kubernetes a través de una API estandarizada, permitiendo operaciones de recursos, cambio de contexto y comparaciones entre clústeres para flujos de trabajo de IA y equipos de desarrolladores.
El Servidor MCP Helm Chart CLI conecta asistentes de IA con el gestor de paquetes Helm para Kubernetes, permitiendo la automatización en lenguaje natural de flujos de trabajo Helm como instalación de charts, gestión de repositorios y ejecución de comandos. Aumenta la productividad de los desarrolladores y agiliza las operaciones de Kubernetes exponiendo las capacidades de Helm a herramientas impulsadas por IA.
El servidor mcp-k8s-go MCP permite que los asistentes de IA interactúen programáticamente con clústeres de Kubernetes a través del Model Context Protocol, automatizando y optimizando los flujos de trabajo DevOps mediante una interfaz estandarizada.
El Servidor MCP Multicluster permite a los sistemas GenAI y herramientas de desarrollo gestionar, monitorizar y orquestar recursos a través de múltiples clústeres de Kubernetes mediante el Model Context Protocol (MCP), habilitando la automatización inteligente y flujos de trabajo DevOps optimizados.
El Servidor MCP de Kubernetes conecta asistentes de IA con clústeres de Kubernetes, permitiendo automatización impulsada por IA, gestión de recursos y flujos DevOps mediante comandos MCP estandarizados.
El Servidor MCP de Kubernetes conecta asistentes de IA con clusters de Kubernetes/OpenShift, permitiendo la gestión programática de recursos, operaciones de pods y automatización DevOps a través de flujos de trabajo en lenguaje natural.
Kubeflow es una plataforma de aprendizaje automático (ML) de código abierto sobre Kubernetes, que simplifica el despliegue, la gestión y la escalabilidad de flujos de trabajo de ML. Ofrece un conjunto de herramientas que cubren todo el ciclo de vida del ML, desde el desarrollo del modelo hasta el despliegue y la monitorización, mejorando la escalabilidad, la reproducibilidad y la utilización de recursos.
