OPS MCP Server

# ops-mcp-server [](README_zh.md) `ops-mcp-server`：一个面向AI时代的智能运维平台，融合了大语言模型（LLMs）与MCP架构，实现智能监控、异常检测以及人与IT基础设施的自然交互，同时具备企业级安全性与可扩展性。 --- ## 📖 目录 - [项目概览](#项目概览) - [核心功能](#核心功能) - [演示视频](#演示视频) - [安装指南](#安装指南) - [部署说明](#部署说明) - [本地MCP服务器配置](#本地mcp服务器配置) - [交互式客户端使用](#交互式客户端使用) - [许可证](#许可证) - [注意事项](#注意事项) --- ## 🚀 项目概览 `ops-mcp-server` 是一个面向AI时代的IT运维管理解决方案。通过无缝集成模型上下文协议（MCP）与大语言模型（LLMs），实现智能化运维体验。借助LLMs的强大能力与MCP的分布式架构，它将传统IT运维转型为AI驱动的模式，支持自动服务器监控、智能异常检测和上下文感知故障排查。系统在运维人员与复杂IT基础设施之间架起桥梁，支持自然语言交互，从日常维护到复杂故障诊断，同时保障企业级的安全性与可扩展性。 --- ## 🌟 核心功能 ### 🖥️ 服务器监控 - 实时CPU、内存、磁盘检测 - 系统负载与进程监控 - 服务与网络接口检查 - 日志分析与配置备份 - 安全漏洞扫描（如SSH登录、防火墙状态） - 详细操作系统信息获取 ### 📦 容器管理（Docker） - 容器、镜像与卷管理 - 容器资源使用情况监控 - 日志检索与健康检查 ### 🌐 网络设备管理 - 支持多厂商设备（Cisco、华为、H3C等） - 交换机端口、VLAN、路由器路由检查 - ACL安全配置分析 - 光模块与设备性能监控 ### ➕ 附加能力 - 可扩展的插件架构 - 跨设备批量操作 - 工具列表与描述性命令支持 --- ## 🎬 演示视频 ### 📌 项目演示 _在 Cherry Studio 上_  ### 📌 交互式客户端演示 _在终端上_  --- ## ⚙️ 安装指南 确保安装了 **Python 3.10+**。本项目使用 [`uv`](https://github.com/astral-sh/uv) 进行依赖与环境管理。 ### 1. 安装 UV ```bash curl -LsSf https://astral.sh/uv/install.sh | sh ``` ### 2. 设置虚拟环境 ```bash uv venv .venv # 激活环境 source .venv/bin/activate # Linux/macOS .\.venv\Scripts\activate # Windows ``` ### 3. 安装依赖 ```bash uv pip install -r requirements.txt ``` > 依赖项通过 `pyproject.toml` 管理。 --- ## 🚧 部署说明 ### 📡 SSE远程部署（UV） ```bash cd server_monitor_sse # 安装依赖 pip install -r requirements.txt # 启动服务 cd .. uv run server_monitor_sse --transport sse --port 8000 ``` ### 🐳 SSE远程部署（Docker Compose） 确保已安装 Docker 和 Docker Compose。 ```bash cd server_monitor_sse docker compose up -d # 查看状态 docker compose ps # 查看日志 docker compose logs -f ``` --- ## 🛠️ 本地MCP服务器配置（Stdio模式） 在你的MCP配置中添加如下内容： ```json { "ops-mcp-server": { "command": "uv", "args": [ "--directory", "YOUR_PROJECT_PATH_HERE", "run", "server_monitor.py" ], "env": {}, "disabled": true, "autoApprove": ["list_available_tools"] }, "network_tools": { "command": "uv", "args": [ "--directory", "YOUR_PROJECT_PATH_HERE", "run", "network_tools.py" ], "env": {}, "disabled": false, "autoApprove": [] } } ``` > **注意**：请将 `YOUR_PROJECT_PATH_HERE` 替换为你的实际项目路径。 --- ## 💬 交互式客户端使用 项目提供交互式客户端（`client.py`），支持通过自然语言与MCP服务交互。 ### 1. 安装客户端依赖 ```bash uv pip install openai rich ``` ### 2. 配置客户端 在 `client.py` 中进行如下配置： ```python # 初始化OpenAI客户端 self.client = AsyncOpenAI( base_url="https://your-api-endpoint", api_key="YOUR_API_KEY" ) # 设置模型 self.model = "your-preferred-model" ``` ### 3. 运行客户端 ```bash uv run client.py [path/to/server.py] ``` 示例： ```bash uv run client.py ./server_monitor.py ``` ### 客户端支持命令 - `help` - 显示帮助信息 - `quit` - 退出客户端 - `clear` - 清空会话记录 - `model <name>` - 切换使用的模型 --- ## 📄 许可证 本项目基于 [MIT License](LICENSE) 开源许可协议发布。 --- ## 📌 注意事项 - 请确保远程SSH访问配置正确。 - 根据实际部署环境调整工具参数。 - 本项目处于积极开发中，欢迎反馈与贡献。 ---