AgentK: detecção inteligente de erros em arquivos de configuração do Kubernetes, uma implementação do Model Context Protocol

Resumo

O crescimento do uso de contêineres e sua orquestração com Kubernetes tem trazido benefícios de escalabilidade e padronização, mas também desafios relacionados a falhas de configuração, responsáveis por grande parte dos incidentes de segurança na plataforma. Nesse cenário, este trabalho apresenta o AgentK, um sistema baseado em Large Language Models (LLM) e no Model Context Protocol (MCP), desenvolvido para a detecção inteligente de erros em arquivos YAML (Ain't Markup Language) do Kubernetes. A pesquisa foi conduzida em ambiente controlado com Minikube e infraestrutura do provedor de nuvem Amazon Web Service (AWS), utilizando arquivos com falhas intencionais. Foram comparados diferentes modelos quanto a custo, tempo de resposta e capacidade de detecção. Os resultados mostraram que o o4-mini obteve 100% de acurácia, mas apresentou limitações de integração; já o gpt-4.1, embora tenha identificado 66,7% das falhas, foi escolhido por oferecer melhor equilíbrio entre custo, que representa cerca de 28,5% menor que o o4-mini , desempenho e compatibilidade arquitetural. A arquitetura final permitiu não apenas detectar, mas também corrigir falhas automaticamente, evidenciando o potencial do AgentK para reforçar a segurança e a robustez de ambientes Kubernetes, especialmente em cenários críticos como cidades inteligentes.