描述
Radar 是一个开源的 Kubernetes 用户界面，集成了内置的 MCP 服务器用于 AI 代理，提供 Kubernetes 集群的全面可视性和诊断能力。它允许用户快速识别问题的根本原因，理解潜在的变化，并实施建议的修复。该平台的设计目标是显著快于许多专用的 AI SRE 工具，基准测试显示分析速度提高了 1.6 到 3.6 倍，成本降低了 30% 到 85%。
阅读更多
Radar 的核心功能是促进 AI 调查，AI 代理分析 Kubernetes 集群的实时模型，以确定问题的根本原因。它提供支持诊断的证据并建议修复方案。用户可以通过 MCP 使用自己的代理进行调查，或通过 Radar 的用户界面与代理 CLI，或在触发警报时通过 Radar Cloud 自动进行。这种灵活性使团队能够利用现有的 AI 代理，如 Claude Code、Codex、Cursor、GitHub Copilot、OpenCode 和 Google Antigravity，为有效分析提供必要的集群上下文。
Radar 提供开源版本和 Radar Cloud。开源引擎在 Apache 2.0 许可下提供单集群可视性的基本功能，包括拓扑、资源管理、Helm、镜像文件系统检查、集群审计和本地 AI 代理诊断。Radar Cloud 提供托管或自我管理的选项，增强了这些功能，增加了警报、带有详细证据的 AI 调查、跨整个集群舰队的共享视图和扩展的历史数据保留。
为了保护数据隐私，开源 Radar 在用户的机器上运行调查，数据仅发送到他们选择的模型提供者。Radar Cloud 将调查处理为沙盒作业，具有只读访问权限，对于自我管理的部署，所有集群数据保留在用户的基础设施内，除了 AI 模型交互和每日许可证检查。调查通常是只读的，但通过 MCP 连接自己的代理的用户可以启用写入工具，变更需要明确批准并遵循 RBAC 限制。Radar 旨在简化 Kubernetes 操作，减少故障排除时间，提高整体集群健康和合规性。
- 类别AI DevOps 与云工具
- 定价模式免费增值
- 部署Cloud, Self-Managed, On-Premise
- 平台Kubernetes
Radar的核心功能
Kubernetes 的 AI 根本原因分析
带有 MCP 服务器的开源 Kubernetes 用户界面
用于 AI 代理的 Kubernetes 集群实时模型
基于证据的根本原因识别和建议修复
与各种 AI 代理的集成（Claude Code、Codex、Cursor、GitHub Copilot、OpenCode、Google Antigravity）
三种运行调查的方式：通过用户的代理通过 MCP、Radar 的用户界面或 Radar Cloud 的代理
Kubernetes 问题的警报（Radar Cloud）
每个集群的共享视图（Radar Cloud）
事件和资源变化的历史保留（Radar Cloud）
多集群操作和舰队管理
Argo CD 和 Flux 的 GitOps 可视性
Helm 发布管理和审计
合规审计和 SOC 2 证据导出
与 OpenCost 集成的工作负载级成本归属
气隔部署能力
如何使用 Radar？
安装 Radar OSS：将 Helm 图表部署到您的 Kubernetes 集群或在本地运行原生二进制文件。
连接您的集群：粘贴令牌以将您的 Kubernetes 集群连接到 Radar Cloud。
配置 AI 代理：通过 MCP 或 Radar 的用户界面集成您首选的 AI 代理（例如，Claude Code）。
运行 AI 调查：从 Radar 的用户界面、通过您的代理或通过 Radar Cloud 警报自动启动调查。
审查根本原因：分析 AI 代理提供的识别的根本原因、支持证据和建议修复。
批准并应用修复：如果启用了写入工具，在单独的受控会话中批准并应用修复。
监控集群健康：使用 Radar 的用户界面查看事件时间线、应用拓扑和整个舰队的 GitOps 状态。
Radar的使用案例
- 事件故障排除
- 多集群操作
- GitOps 可视性
- Helm 管理
- 合规审计
- 成本优化
- 值班生产力
- 主动警报
