Skip to main content
Glama
deenesjakoruzh
oaslananka

MCP Infra Lens

by oaslananka
OverviewSchemaRelated ServersScoreDiscussions
TypeScript

mcp-infra-lens

通过具备基准感知能力的 MCP 工具解释 SSH Linux 事件。

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

演示

mcp-infra-lens demo

当 Claude 询问“prod-01 有什么问题？”时，analyze_server 的示例响应：

{
  "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."
    }
  ]
}

功能概述

mcp-infra-lens 通过 SSH 连接到 Linux 主机，捕获实时基础设施快照，将其与最近记录的基准进行比较，并用通俗易懂的语言解释异常情况。

  • 在不改变目标主机的情况下收集 CPU、内存、磁盘、网络、进程和操作系统数据

  • 将本地指标历史记录在 SQLite 中，用于基准测试、比较和趋势查询

  • 在存在足够的基准样本后，使用 z-score 分析进行 CPU 异常检测

  • 解释压力产生的可能原因，而不仅仅是原始指标值

  • 支持通过 stdio 和可流式传输的 HTTP 进行 MCP 通信

工作原理

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 现在会在请求的 duration_minutes 内执行实际的采样收集，计算收集窗口内的 CPU 和内存压力平均值，持久化生成的快照，然后针对选定的基准运行异常检测。

工具

工具

功能

关键参数

analyze_server

收集采样快照、存储并解释异常

connection, duration_minutes, include_processes, include_network

snapshot

捕获并存储当前时间点的指标，不进行分析

connection

record_baseline

保存标记的健康状态样本以供将来比较

connection, label

compare_to_baseline

将当前状态与命名基准进行比较并解释差异

connection, baseline_label

get_history

从 SQLite 返回历史 CPU、内存或负载点

host, metric, hours, label?

快速入门

1. 通过 npx 运行

npx -y mcp-infra-lens

2. Claude Desktop

已发布包：

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

本地开发：

{
  "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

配置

环境变量

默认值

描述

INFRA_LENS_DB

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

SQLite 数据库路径。测试时可使用 :memory:

HOST

127.0.0.1

HTTP 传输的绑定地址

PORT

3000

HTTP 传输的端口

健康评分

  • 90-100：健康，未检测到有意义的异常

  • 70-89：轻微或孤立的压力

  • 40-69：存在多个警告或正在进行重大问题

  • 0-39：危急状态，需要紧急补救

推荐工作流程

  1. 在健康运行窗口期间记录 record_baseline 样本。

  2. 在发生事件或负载激增时使用 analyze_server。

  3. 使用 compare_to_baseline 针对命名基准进行更紧密的差异视图查看。

  4. 使用 get_history 检查趋势，并将默认快照与标记的基准会话分开。

身份验证

SSH 输入模式支持：

  • 密码验证

  • 内联私钥验证

  • 加密密钥的可选密码短语支持

凭据字段在写入 stderr 之前会从结构化日志中脱敏。

安全说明

  • SSH 收集在目标主机上是只读的

  • SSH 凭据永远不会存储在 SQLite 中

  • 主机密钥验证在 v1 中是宽松的，以实现兼容性；生产部署应限制出站网络访问，并计划在后续版本中强制执行严格的主机验证

  • HTTP 传输没有内置身份验证；请绑定到回环地址，并在任何非本地部署中将其置于经过身份验证的反向代理之后

请参阅 SECURITY.md 了解报告策略和存储数据范围。

集成

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 扩展)

{
  "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 传输)

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

然后配置您的 MCP 客户端以使用 http://localhost:3000。

Docker

捆绑的 Docker 镜像：

  • 在单独的阶段构建 TypeScript 项目

  • 在两个阶段中都为容器架构重新构建 better-sqlite3

  • 以非 root 用户 appuser 身份运行

  • 将 SQLite 数据存储在 /home/appuser/.mcp-infra-lens/metrics.db 中

贡献

欢迎贡献。请从 CONTRIBUTING.md 开始，然后使用：

运维 / CI 说明

  • azure-pipelines.yml 是规范的 CI 流水线，现在在 Node 20 和 Node 22 上运行 Quality 阶段，发布 JUnit 和 Cobertura 工件，并在 Node 20 上执行基于 Docker 的 SSH 端到端覆盖测试

  • .azure/pipelines/publish.yml 仍然是手动 npm 发布流水线

  • .azure/pipelines/mirror.yml 仍然可用于存储库镜像工作流

  • 仅在本地预发布检查清单和 CI 都在 Node 20 上顺利通过后才发布

  • 在决定更改是否需要 npm、MCP Registry 或仅注册表预发布时，请遵循 RELEASE_POLICY.md

许可证

MIT

Install Server
A
security – no known vulnerabilities
A
license - permissive license
B
quality - B tier

How are these scores calculated?

Resources

Tools

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