AWS Labs MCP
Pakiet awslabs/mcp — osobne serwery do dokumentacji AWS, wskazówek dotyczących CDK, analizy kosztów i obsługi podstawowych promptów. Uruchamiaj każdy przez uvx i dodawaj tylko te, których używa twój zespół.
DevOps z AI
Wdrożenie na staging jest zielone, ale produkcja zwraca 500, gdy tylko uderzy w nią prawdziwy ruch. Runbook to wiedza plemienna trzech inżynierów, twój stan Terraform rozjechał się z rzeczywistością wiele miesięcy temu, a jedyna osoba, która rozumie wartości Helma, jest na urlopie. DevOps to obszar, w którym drobne błędy kumulują się w awarie — i w którym asystent AI, który potrafi odczytać twoje manifesty, odpytać metryki i naszkicować plan naprawczy, zmienia tempo, w jakim wracasz do działania.
Te przewodniki pokazują, jak używać Cursora, Claude Code i Codeksa w całym cyklu życia wdrożenia: do generowania pipeline’ów i kodu infrastruktury, debugowania awarii klastrów i prowadzenia reakcji na incydenty. Każdy z nich jest zbudowany wokół gotowych do wklejenia promptów oraz trybów awarii, które ogólne poradniki pomijają.
Workflow w tej sekcji
Dział zatytułowany „Workflow w tej sekcji” Pipeline'y CI/CD Generuj i debuguj GitHub Actions, GitLab CI oraz workflow wdrożeniowe — z pułapkami wokół cache'owania, buildów macierzowych i rollbacku.
Konteneryzacja Pisz oszczędne, wieloetapowe Dockerfile'e, debuguj manifesty Kubernetes i niech AI wyjaśni, dlaczego pod jest w CrashLoop.
Infrastruktura jako kod Twórz gotowe do produkcji moduły Terraform i importuj istniejące zasoby, z wbudowanym w pętlę przeglądem bezpieczeństwa i kosztów.
Reakcja na incydenty Triażuj alerty, znajduj pierwotną przyczynę z logów i metryk oraz szkicuj plan naprawczy i postmortem pod presją.
Dostrajanie wydajności Profiluj wolne serwisy, dobieraj limity zasobów i autoskalery do potrzeb oraz waliduj poprawkę, zanim trafi na produkcję.
Gdzie serwery MCP zmieniają workflow
Dział zatytułowany „Gdzie serwery MCP zmieniają workflow”W DevOps różnica między ogólną odpowiedzią a użyteczną sprowadza się do tego, czy asystent widzi twój rzeczywisty stan. Serwery Model Context Protocol (MCP) dają Cursorowi, Claude Code i Codeksowi tylko do odczytu, na żywo, dostęp do twojego łańcucha narzędzi — zamiast wklejać zrzuty logów, pozwalasz agentowi odpytać źródło. Konfiguracja MCP jest identyczna we wszystkich trzech narzędziach — wskaż im tę samą konfigurację serwera.
Kilka, które są dojrzałe i warte podłączenia w 2026 roku:
Datadog MCP
Serwer MCP Datadoga osiągnął ogólną dostępność w marcu 2026 roku. Podczas dochodzenia podaje agentowi logi, metryki i ślady na żywo — w ramach twoich istniejących kontroli dostępu.
Grafana MCP
grafana/mcp-grafana pozwala agentowi przeszukiwać dashboardy, uruchamiać zapytania PromQL/LogQL i pobierać kontekst incydentu bezpośrednio z twojej instancji Grafany.
Terraform MCP
hashicorp/terraform-mcp-server daje agentowi aktualną dokumentację dostawców z Registry i metadane modułów, dzięki czemu generowany HCL celuje w realne argumenty. Wciąż w wersji beta — trzymaj go z dala od ścieżek zapisu na produkcji.
Co dalej
Dział zatytułowany „Co dalej”Wybierz workflow najbliższy temu, co właśnie się pali. Każdy przewodnik otwiera konkretny scenariusz, a kończy gotowymi do wklejenia promptami i sekcją „Gdy to się psuje”. Po szerszą obsługę operacji zajrzyj do powiązanych przewodników poniżej.
Monitoring i observability Instrumentuj serwisy oraz buduj dashboardy i alerty, które wychwytują problemy, zanim zrobią to użytkownicy.
Optymalizacja kosztów Znajduj i ograniczaj marnotrawstwo w chmurze dzięki wspomaganej przez AI analizie użycia i dopasowywaniu rozmiaru zasobów.
Operacje bezpieczeństwa Utwardzaj infrastrukturę i automatyzuj przegląd bezpieczeństwa za pomocą aktualnych, weryfikowalnych zabezpieczeń.
Automatyzacja zgodności Zamień wymagania SOC2, PCI i audytów w testy, które AI pomoże ci utrzymać.