K-Agent框架学习实验室

提供K-Agent框架、Model Context Protocol (MCP)及Kubernetes集成的实践学习环境。

  • by nirgeier
  • Python
  • 本地部署
  • 3 星标
  • 更新于
在 GitHub 查看 nirgeier/AI-K8S-MCP

使用说明

K-Agent实验室

全面的实践实验室,用于学习K-Agent框架、模型上下文协议(MCP)和Kubernetes集成。

🚀 快速开始

# Clone the repository
git clone https://github.com/CodeWizard-IL/Kagent.git
cd Kagent/

# Build and start the labs environment
cd labs-environment
export TARGET_PLATFORM=$(uname -m | sed 's/x86_64/linux\/amd64/g' | sed 's/arm64/linux\/arm64/g')
echo "TARGET_PLATFORM=$TARGET_PLATFORM" > .env
echo "ROOT_FOLDER=$(pwd)/.." >> .env
docker compose up -d

# Start with Lab 000
cd ../Labs/000-setup
bash _demo.sh

📚 实验室概述

实验室 标题 持续时间 状态
000 环境设置 15分钟 ✅
001 MCP基础课程 10分钟 ✅
002 Python MCP服务器 12分钟 🚧
003 TypeScript MCP服务器 15分钟 ✅
004 Kubernetes部署 15分钟 🚧
005 Kubectl工具 12分钟 🚧
006 集群检查器 12分钟 🚧
007 Helm集成 12分钟 🚧
008 PostgreSQL工具 15分钟 🚧
009 配置应用程序和秘密 12分钟 🚧
010 远程MCP服务器 12分钟 🚧
011 谷歌GKE 15分钟 🚧
012 GCP SDK工具 12分钟 🚧
013 安全和RBAC 15分钟 🚧
014 生产部署 15分钟 🚧

总持续时间: 约3小时

🎯 你将学到什么

  • 模型上下文协议(MCP):了解AI工具通信的标准化协议
  • MCP服务器开发:使用TypeScript和Python构建MCP服务器
  • Kubernetes集成:在Kubernetes中部署和管理MCP服务器
  • 工具开发:为kubectl、Helm、数据库和云服务创建自定义工具
  • 云部署:部署到谷歌Kubernetes引擎(GKE)
  • 安全:实施RBAC和秘密管理
  • 生产:可观察性、可扩展性和生产最佳实践

🛠️ 先决条件

必需

  • 码头工人 (Docker桌面、Podman或兼容)
  • kubectl 的 -Kubernetes命令行界面
  • 头盔3 -Kubernetes包管理器
  • Git -版本控制

Kubernetes集群(选择一个)

  • 亲切的 (建议用于当地开发)
  • 迷你
  • Docker桌面Kubernetes
  • 谷歌GKE (用于云部署)

可选的

  • 奥拉玛 -用于AI模型集成(实验室012-013)

📦 项目结构

/
├── Labs/                      # Lab markdown files and exercises
│   ├── 000-setup/
│   ├── 001-mcp-basics/
│   ├── 002-python-server/
│   ├── 003-typescript-server/
│   └── ...
├── labs-environment/          # Unified Docker environment
│   ├── Dockerfile
│   ├── docker-compose.yaml
│   ├── entrypoint.sh
│   └── src/                   # Sample MCP server code
├── _utils/                    # Utility scripts
│   ├── common.sh              # Shared functions
│   └── init-cluster.sh        # Cluster initialization
├── mkdocs/                    # MKdocs configuration
│   ├── 01-mkdocs-site.yml
│   ├── 02-mkdocs-theme.yml
│   ├── ...
│   ├── requirements.txt
│   └── scripts/
│       └── init_site.sh       # Site build script
├── .github/workflows/         # CI/CD workflows
│   ├── 000-setup.yaml
│   ├── ...
│   └── deploy-mkdocs.yml
└── runtime/                   # Generated at runtime
    ├── labs-scripts/
    ├── .ssh/
    └── .kube/

🌐 在线文档

访问完整文档: https://codewizard-il.github.io/Kagent/

在本地构建文档

cd 

# Build and serve
chmod +x mkdocs/scripts/init_site.sh
bash mkdocs/scripts/init_site.sh --serve

# Or manually with Python
python3 -m venv .venv
source .venv/bin/activate
pip install -r mkdocs/requirements.txt
mkdocs serve

🧪 运行实验室

交互模式

# Start the labs environment
cd labs-environment
docker compose up -d

# Connect to the container
docker exec -it kagent-controller bash

# Inside the container, navigate to lab exercises
cd /labs-scripts

自动演示脚本

每个实验室包括 _demo.sh 自动运行所有练习的脚本:

# Run a specific lab
cd Labs/001-mcp-basics
bash _demo.sh

🤝 贡献

欢迎投稿!拜托:

  1. 克隆该仓库
  2. 创建要素分支(git checkout -b feature/amazing-feature)
  3. 提交您的更改(git commit -m 'Add amazing feature')
  4. 推到分支(git push origin feature/amazing-feature)
  5. 打开拉取请求

📝 许可证

此项目根据MIT许可证获得许可-请参阅 许可证 文件以获取详细信息。

🙏 致谢

📧 支持


内置于❤️ K-Agent社区