Inspektor Gadget MCP Server は、モデルコンテキストプロトコル (MCP) を介して LLM で Inspektor Gadget の低レベルのカーネルの保守性をブリッジします。 これは、DNS トレース、TCP コネクション、プロセスの実行、ファイルアクティビティ、syscalls など、AI エージェントが理由を上回ることができる実用的なインテリジェンスに変え、data-driven root 原因解析を有効にします IDE や AI チャット インターフェイスから直接。

##特徴

• AI搭載の根本原因解析 — LLMは、複数のガジェット間で低レベルのカーネルデータを相関し、自信を持って問題を特定し、エビデンスと推測を交換します。 -フルガジェットのライフサイクル管理 — 自分のAIチャットを離れることなく、インスペクターガジェットツールから結果をデプロイ、実行、停止、および取得します。
• フォアグラウンド&背景モード — フォアグラウンドでガジェットを実行して、迅速なデバッグや継続的な保守性のためのバックグラウンドで、準備ができたら結果を取得します。 -Dynamicツール登録 — 各ガジェットは独自のMCPツール([gadget_trace_dns])、パラメータ、フィールドの説明、およびガジェットメタデータから自動的に生成されるフィルタリングになります.

Inspektor Gadget MCP Server

The Inspektor Gadget MCP Server bridges Inspektor Gadget’s low-level kernel observability with LLMs through the Model Context Protocol (MCP). It turns raw eBPF-powered telemetry—DNS traces, TCP connections, process executions, file activity, syscalls, and more—into actionable intelligence that AI agents can reason over, enabling data-driven root cause analysis directly from your IDE or AI chat interface.

flowchart LR
    User["👤 User(IDE / Chat)"]
    LLM["🤖 LLM"]
    MCP["⚙️ IG MCP Server"]
    IG["🔍 Inspektor Gadget"]
    Kernel["🐧 Linux Kernel(eBPF)"]
    K8s["☸️ KubernetesCluster"]

    User -- prompt --> LLM
    LLM -- MCP tool calls --> MCP
    MCP -- run gadgets --> IG
    IG -- eBPF hooks --> Kernel
    Kernel -. telemetry .-> IG
    IG -. enriched data .-> MCP
    MCP -. structured JSON .-> LLM
    LLM -- analysis & RCA --> User
    IG -- metadata --> K8s

Features

• AI-powered root cause analysis — LLMs correlate low-level kernel data across multiple gadgets to pinpoint issues with confidence, replacing guesswork with evidence.
• Full gadget lifecycle management — Deploy, run, stop, and retrieve results from Inspektor Gadget tools without ever leaving your AI chat.
• Foreground & background modes — Run gadgets in foreground for quick debugging or in background for continuous observability, then retrieve results when ready.
• Dynamic tool registration — Each gadget becomes its own MCP tool (e.g., gadget_trace_dns, gadget_trace_tcp), with parameters, field descriptions, and filtering automatically generated from gadget metadata.
• Read-only mode — Restrict the server to non-destructive operations for safe production use.
• Flexible deployment — Run as a local binary (stdio), Docker container, or deploy directly into your Kubernetes cluster (HTTP transport).

Background

The observability gap