Faultline

Faultline 是一个基于 MCP 原生的 AI 事件响应系统，旨在调查生产事故、从运维系统中收集证据、识别可能的根本原因、推荐修复方案并验证恢复情况。

概述

现代生产事故通常要求工程师跨日志、指标、部署、源代码和运维文档关联信号。Faultline 探索 AI 代理如何通过标准化的 MCP 工具执行这种调查，同时保持可观测、可测试且安全运行。

该项目设计为本地优先系统，可以在不依赖付费 AI API 或云基础设施的情况下运行，同时保留向可扩展部署演进的清晰路径。

Related MCP server: AIOps MCP

核心目标

• 使用自主 AI 代理调查类生产事故。

• 使用模型上下文协议（MCP）将运维能力暴露为结构化工具。

• 从日志、指标、源代码变更、部署和运行手册中收集并关联证据。

• 生成有证据支撑的根本原因假设，而非无依据的答案。

• 支持受控修复，对破坏性操作进行验证和人工审批。

• 通过自动化评估和回归测试衡量代理质量。

• 提供对代理决策、工具使用、延迟、失败和结果的可见性。

• 保持零成本的本地开发和评估路径，基础设施组件可替换。

规划能力

事故调查

• 事故接收与标准化

• 跨运维来源的证据收集

• 根本原因假设生成

• 基于证据的诊断

• 恢复验证

MCP 工具

• 指标检查

• 日志搜索与分析

• Git 历史与部署检查

• 运行手册检索

• 事故状态管理

• 受控修复操作

AI 评估

Faultline 将包含一个专门的评估框架，用于衡量：

• 根本原因准确性

• 证据正确性

• 工具选择质量

• 工具使用效率

• 诊断完整性

• 修复准确性

• 代理轨迹质量

评估结果将用于对提示词、模型、检索策略和代理变更进行回归测试。

可靠性与安全性

• 结构化工具输入和输出

• 超时与重试

• 失败处理与回退

• 身份验证与授权

• 审计日志

• 高风险操作的人工审批

• 速率限制与受控执行

架构方向

Incident
   |
   v
AI Agent
   |
   v
MCP Tool Layer
   |
   +----------------+----------------+----------------+
   |                |                |
   v                v                v
Metrics           Logs           Git / Deployments
   |                |                |
   +----------------+----------------+
                    |
                    v
             Evidence Engine
                    |
                    v
              Root Cause
                    |
                    v
            Remediation Plan
                    |
             Human Approval
                    |
                    v
            Recovery Verification
                    |
                    v
                  Evals

本地优先设计

初始实现旨在使用开源组件在本地运行，例如：

• Python

• MCP SDK

• Ollama 和本地托管的开源模型

• FastAPI

• SQLite 或 PostgreSQL

• Prometheus

• Loki

• Docker

系统将保持模型、存储和基础设施组件的可替换性，以便同一架构日后可以支持托管模型、分布式工作节点、托管数据库和云可观测性平台。

项目状态

Faultline 处于初始架构和实施阶段。第一个里程碑是完整的垂直切片：一个可复现的类生产事故、基于 MCP 的证据收集、代理诊断以及结果的自动化评估。

许可证

许可证待添加。