基准测试：kubectl vs K8s MCP 服务器——52 个故障集群上的 AI 代理对决
来源：dev.to/dovzhikova
📋 概述
所有人都把 AI 代理接入 Kubernetes，默认做法是给代理一个 shell 让它运行 kubectl。但没人测量过这种做法的真实成本。Radar 团队构建了 52 个故障注入场景（崩溃循环、配置错误、资源压力、间接故障），用同一个模型（Claude Sonnet 4.6）对比两种条件：A）代理有 shell + 原生 kubectl，B）代理通过 Radar 的 MCP 服务器连接。MCP 服务器提供了资源图谱和变更时间线——结果：工具调用减少 76%、输入 token 减少 53%、代理时间减半（334s→169s），通过率还小幅提升。
🔑 核心要点
- 52 个故障场景，Claude Sonnet 4.6 统一模型，唯一变量是代理如何"看到"集群。
- MCP 相比原生 kubectl：工具调用减少 76%（45.8→11.1）、时间减半（334s→169s）、token 减少 53%。
- 速度提升并未牺牲准确性：通过率从 77.6% 提升至 80.8%。
- 关键差异：MCP 提供了 资源图谱和变更时间线，而非让代理盲目 grep。
💡 金句
The one with the resource graph and change timeline used 76% fewer tool calls and finished in half the time.
← 返回 Dev.to 首页