Skip to main content
Glama
deenesjakoruzh
oaslananka

MCP Infra Lens

by oaslananka
OverviewSchemaSourceRelated ServersScoreDiscussions
TypeScript
Hybrid

mcp-infra-lens

ベースラインを認識するMCPツールを使用して、SSH経由でLinuxのインシデントを解説します。

npm version npm downloads License: MIT Node 20+ MCP SDK Azure Pipelines

デモ

mcp-infra-lens demo

Claudeが「prod-01に何が起きているの？」と尋ねた際の analyze_server の応答例：

{
  "host": "prod-01.internal",
  "health_score": 42,
  "summary": "Found 2 anomalies on prod-01.internal. Most urgent signal: CPU is at 91% (3.4σ above baseline 28.2%). Load is 7.2/6.8/5.1. Top CPU consumer: java (87%).",
  "anomalies": [
    {
      "metric": "cpu",
      "severity": "high",
      "value": 91,
      "z_score": 3.4,
      "explanation": "CPU is at 91% (3.4σ above baseline 28.2%). Load is 7.2/6.8/5.1. Top CPU consumer: java (87%).",
      "recommendation": "Investigate java (PID 18432) and review application logs or scale-out options."
    },
    {
      "metric": "disk:/",
      "severity": "high",
      "value": 91,
      "explanation": "Disk / is 91% full (182GB/200GB).",
      "recommendation": "Run du -sh //* | sort -rh | head -20 and clean logs or temporary files."
    }
  ]
}

機能

mcp-infra-lens はSSH経由でLinuxホストに接続し、ライブインフラストラクチャのスナップショットをキャプチャし、最近記録されたベースラインと比較して、異常を平易な英語で解説します。

  • ターゲットホストを変更することなく、CPU、メモリ、ディスク、ネットワーク、プロセス、OSデータを収集

  • ベースライン、比較、トレンド検索のために、ローカルのメトリクス履歴をSQLiteに記録

  • 十分なベースラインサンプルが存在する場合、CPU異常検知にzスコア分析を使用

  • 単なる生のメトリクス値ではなく、負荷の可能性が高い原因を解説

  • stdio および Streamable HTTP 経由のMCPをサポート

仕組み

flowchart TD
    A["Claude / Cursor / VS Code / Windsurf"] --> B["mcp-infra-lens"]
    B --> C["server-core.ts"]
    C --> D["collector.ts"]
    C --> E["analyzer.ts"]
    C --> F["baseline.ts + db.ts"]
    D --> G["ssh.ts"]
    G --> H["Linux host over SSH"]
    F --> I["SQLite history + baselines"]

analyze_server は、要求された duration_minutes にわたって実際のサンプリング収集を実行し、収集期間中のCPUおよびメモリ負荷を平均化し、結果のスナップショットを永続化してから、選択したベースラインに対して異常検知を実行します。

ツール

ツール

機能

主要パラメータ

analyze_server

サンプリングされたスナップショットを収集、保存し、異常を解説

connection, duration_minutes, include_processes, include_network

snapshot

分析なしで現在の時点のメトリクスをキャプチャして保存

connection

record_baseline

将来の比較のためにラベル付けされた健全な状態のサンプルを保存

connection, label

compare_to_baseline

現在の状態を名前付きベースラインと比較し、差分を解説

connection, baseline_label

get_history

SQLiteから過去のCPU、メモリ、または負荷ポイントを返す

host, metric, hours, label?

クイックスタート

1. npx で実行

npx -y mcp-infra-lens

1.0.1 に固定されている場合は、Node 24のネイティブインストールエラーを回避するために 1.0.2 以降にアップグレードしてください：

npx -y mcp-infra-lens@latest

2. Claude Desktop

公開パッケージ：

{
  "mcpServers": {
    "infra-lens": {
      "command": "npx",
      "args": ["-y", "mcp-infra-lens"],
      "env": {
        "INFRA_LENS_DB": "/Users/you/.mcp-infra-lens/metrics.db"
      }
    }
  }
}

ローカル開発：

{
  "mcpServers": {
    "infra-lens": {
      "command": "node",
      "args": ["/absolute/path/to/mcp-infra-lens/dist/mcp.js"],
      "env": {
        "INFRA_LENS_DB": "/Users/you/.mcp-infra-lens/metrics.db"
      }
    }
  }
}

3. Docker

docker build -t mcp-infra-lens .
docker run --rm -it \
  -v "$HOME/.mcp-infra-lens:/home/appuser/.mcp-infra-lens" \
  mcp-infra-lens

設定

環境変数

デフォルト

説明

INFRA_LENS_DB

~/.mcp-infra-lens/metrics.db

SQLiteデータベースのパス。テストには :memory: を使用

HOST

127.0.0.1

HTTPトランスポートのバインドアドレス

PORT

3000

HTTPトランスポートのポート

ヘルススコア

  • 90-100: 健全、有意な異常は検出されず

  • 70-89: 軽微または局所的な負荷

  • 40-69: 複数の警告または進行中の重大な問題

  • 0-39: 緊急の修復が必要な危機的状態

推奨ワークフロー

  1. 健全な稼働期間中に record_baseline サンプルを記録する。

  2. インシデントや負荷スパイクが発生した際に analyze_server を使用する。

  3. 名前付きベースラインに対してより厳密な差分ビューを確認するために compare_to_baseline を使用する。

  4. トレンドを調査し、デフォルトのスナップショットとラベル付けされたベースラインセッションを分離するために get_history を使用する。

認証

SSH入力スキーマは以下をサポートしています：

  • パスワード認証

  • インライン秘密鍵認証

  • 暗号化された鍵のためのオプションのパスフレーズサポート

認証情報フィールドは、stderr に書き込まれる前に構造化ログから削除されます。

セキュリティに関する注意点

  • SSH収集はターゲットホストに対して読み取り専用です

  • SSH認証情報はSQLiteに保存されません

  • 互換性のためにv1ではホストキー検証が許可されています。本番環境へのデプロイでは、アウトバウンドネットワークアクセスを制限し、後のリリースで厳格なホスト検証を強制することを計画してください

  • HTTPトランスポートには組み込みの認証がありません。ローカル以外へのデプロイでは、ループバックにバインドし、認証されたリバースプロキシの背後に配置してください

報告ポリシーおよび保存データの範囲については SECURITY.md を参照してください。

統合

Claude Desktop

{
  "mcpServers": {
    "infra-lens": {
      "command": "npx",
      "args": ["-y", "mcp-infra-lens"],
      "env": {
        "INFRA_LENS_DB": "/Users/you/.mcp-infra-lens/metrics.db"
      }
    }
  }
}

Cursor IDE

{
  "mcpServers": {
    "infra-lens": {
      "command": "npx",
      "args": ["-y", "mcp-infra-lens"]
    }
  }
}

VS Code (MCP拡張機能)

{
  "inputs": [],
  "servers": {
    "infra-lens": {
      "type": "stdio",
      "command": "npx",
      "args": ["-y", "mcp-infra-lens"]
    }
  }
}

Windsurf

{
  "mcpServers": {
    "infra-lens": {
      "command": "npx",
      "args": ["-y", "mcp-infra-lens"]
    }
  }
}

Docker (HTTPトランスポート)

docker run -d \
  -p 3000:3000 \
  -v $HOME/.mcp-infra-lens:/home/appuser/.mcp-infra-lens \
  ghcr.io/oaslananka/mcp-infra-lens:latest

その後、MCPクライアントが http://localhost:3000 を使用するように設定してください。

Docker

バンドルされているDockerイメージは以下の通りです：

  • TypeScriptプロジェクトを別のステージでビルド

  • 両方のステージでコンテナアーキテクチャ用に better-sqlite3 を再ビルド

  • 非rootユーザー appuser として実行

  • SQLiteデータを /home/appuser/.mcp-infra-lens/metrics.db に保存

貢献

貢献を歓迎します。CONTRIBUTING.md から始めて、以下を使用してください：

  • ツールの例については docs/usage.md

  • コンポーネントマップについては docs/architecture.md

  • ローカル検証および公開チェックについては docs/testing.md

  • npmおよびMCPレジストリのバージョン管理ルールについては RELEASE_POLICY.md

  • リポジトリ固有のAIコーディングガイダンスについては AGENTS.md, CLAUDE.md, GEMINI.md, .github/copilot-instructions.md, および .agent/rules/repository.md

運用 / CIに関する注意点

  • azure-pipelines.yml は標準のCIパイプラインであり、Node 20およびNode 22で Quality ステージを実行し、JUnitおよびCoberturaアーティファクトを発行し、Node 20でDockerベースのSSH e2eカバレッジを実行します

  • .azure/pipelines/publish.yml は手動のnpmリリースパイプラインとして残されています

  • .azure/pipelines/mirror.yml はリポジトリミラーリングワークフロー用に利用可能です

  • ローカルの公開前チェックリストとCIの両方がNode 20で正常に完了した後にのみ公開してください

  • 変更にnpm、MCPレジストリ、またはレジストリのみのプレリリース公開が必要かどうかを判断する際は RELEASE_POLICY.md に従ってください

ライセンス

MIT

Tool Schema Changelog

Recent tool additions, removals, and schema changes observed during successful MCP inspections. Dates show when Glama detected each change.

  1. 5 tool updatesv1.0.1
    • First observedanalyze_server
    • First observedcompare_to_baseline
    • First observedget_history
    • First observedrecord_baseline
    • First observedsnapshot
Install Server
RayrunBuild, deploy, and operate MCP servers without becoming an infrastructure team.ray.runAd

TDQS

B3.4/5.0
Disambiguation4/5

Tools are mostly distinct, though analyze_server and compare_to_baseline both perform explanatory analysis of deviations, which could cause brief hesitation. snapshot vs analyze_server clearly separates raw collection from analysis.

Naming Consistency4/5

Four tools follow a clear verb_noun pattern (analyze_server, get_history, record_baseline, compare_to_baseline). snapshot stands alone without a verb prefix, though it functions as a verb in context—minor deviation but readable.

Tool Count5/5

Five tools is ideal for this focused scope: baseline lifecycle (record, compare), historical retrieval, real-time analysis, and raw capture. Each serves a specific step in the monitoring workflow without bloat.

Completeness4/5

Covers the core monitoring lifecycle: establishing baselines, recording current state, historical lookup, and comparative analysis. Minor gaps exist (no list_baselines or delete_baseline), but agents can work around these.

Resources

Related MCP Connectors

Latest Blog Posts

MCP directory API

We provide all the information about MCP servers via our MCP API.

curl -X GET 'https://glama.ai/api/mcp/v1/servers/oaslananka/mcp-infra-lens'

If you have feedback or need assistance with the MCP directory API, please join our Discord server