pyATS MCP Server

Cisco pyATS и Genie уже умеют разговаривать с сетью — парсить show-команды, применять конфигурацию, изучать состояние функций, запускать декларативные тесты. Чего у них не было — так это способа для ИИ-агента управлять всем этим напрямую. Этот сервер закрывает этот пробел: он оборачивает pyATS/Genie в набор структурированных, защищённых MCP-инструментов, которые агент вроде Claude может вызывать против реального тестбеда через текущий Streamable HTTP транспорт протокола Model Context Protocol.

Наведите на него агента — и он сможет найти устройство, выполнить и распарсить show-команду, применить конфигурацию с точкой отката, изучить и сравнить состояние функции до и после изменения, разослать команду по всей флотилии — один пул потоков или один процесс на устройство — запустить декларативный тест Blitz или Robot Framework, или обратиться к REST/RESTCONF API устройства напрямую. Каждый рискованный путь защищён до того, как достигнет устройства, и каждый вызов попадает в журнал аудита в памяти, который агент может просмотреть в середине сессии.

Краткий обзор

• Транспорт — Streamable HTTP (mcp>=2.0.0), с сохранением состояния или без, выбирается одной переменной окружения. STDIO больше нет.

• 26 инструментов для обнаружения, show-команд, конфигурации, Genie learn/diff, Genie Clean, декларативного тестирования (Blitz, Robot Framework, AEtest), универсального REST/RESTCONF и Cisco XPresso.

• Два способа разослать команду по множеству устройств — общий пул потоков для повседневного использования или один процесс ОС на устройство (pyats.async_.pcall), когда нужна настоящая изоляция в масштабе.

• Ограждения, а не системы чести — опасные команды блокируются до того, как достигнут устройства, Genie Clean никогда не сможет выполнить этап, который перезагружает или перепрошивает устройство, а разрушительные действия требуют точной фразы подтверждения.

• Ничего не захардкожено — все учётные данные и сведения об устройствах хранятся в .env и подтягиваются в testbed.yaml во время выполнения через подстановку %ENV{}.

Related MCP server: network-mcp

Предварительные требования

• Python 3.10+

• testbed.yaml от pyATS, указывающий на реальные или виртуальные сетевые устройства — физическая лаборатория, Cisco Modeling Labs / VIRL / GNS3 или что угодно ещё, к чему Unicon может добраться по SSH/Telnet. pyATS MCP не симулирует сеть; он управляет ею.

• MCP-совместимый клиент для взаимодействия — см. Подключение вашего агента ниже.

Быстрый старт

# 1. Clone and install
git clone https://github.com/automateyournetwork/pyATS_MCP
cd pyATS_MCP
pip install -r requirements.txt

# 2. Configure your environment
cp .env.example .env
# Edit .env — see Configuration below

# 3. Run — starts a Streamable HTTP server on 0.0.0.0:8080 by default
python3 pyats_mcp_server.py

Конечная точка MCP затем доступна по адресу http://<host>:<port>/mcp.

Конфигурация

Все сведения об устройствах и учётные данные хранятся в файле .env — в репозитории ничего не захардкожено.

1. Скопируйте шаблон

cp .env.example .env

2. Задайте переменные сервера

PYATS_TESTBED_PATH=/absolute/path/to/your/testbed.yaml
PYATS_MCP_ARTIFACTS_DIR=          # default: ~/.pyats-mcp/artifacts
PYATS_MCP_KEEP_ARTIFACTS=1        # 1 = keep, 0 = delete after each run
PYATS_MCP_TESTBED_CACHE_TTL=30    # seconds before testbed reloads from disk
PYATS_MCP_CONN_CACHE_TTL=0        # seconds to keep connections alive (0 = off)
PYATS_MCP_OP_LOG_MAX=500          # max entries in the in-memory operation log

# Transport (Streamable HTTP only — STDIO is not supported)
PYATS_MCP_TRANSPORT_MODE=stateful # stateful (default) | stateless
PYATS_MCP_HTTP_HOST=0.0.0.0
PYATS_MCP_HTTP_PORT=8080

# Optional — only needed for pyats_xpresso_request
XPRESSO_URL=
XPRESSO_API_TOKEN=
XPRESSO_GROUP=

PYATS_MCP_TRANSPORT_MODE=stateless устанавливает stateless_http=True на транспорте Streamable HTTP, так что состояние сессии на стороне сервера не сохраняется между запросами от клиентов, всё ещё использующих старый протокол с рукопожатием. Клиенты, говорящие на текущем протоколе MCP (2026-07-28, SEP-2575), по умолчанию не требуют рукопожатия независимо от этой настройки — это обеспечивает сам SDK mcp>=2.0.0, а не какая-либо конфигурация здесь.

3. Добавьте блок для каждого устройства

Каждое устройство в вашем testbed.yaml использует подстановку %ENV{VAR}, поэтому учётные данные и сведения о подключении считываются из .env во время выполнения.

Используйте соглашение об именовании {ИМЯ_УСТРОЙСТВА}_{ПОЛЕ}:

# Supported os values: iosxe | iosxr | nxos | ios | eos | junos | panos | linux | windows
# Set os=generic and platform="" to let Unicon autodetect on first connect.

CORE1_IP=10.1.1.1
CORE1_PORT=22
CORE1_OS=iosxe
CORE1_PLATFORM=cat9k
CORE1_USERNAME=admin
CORE1_PASSWORD=s3cr3t
CORE1_ENABLE_PASSWORD=s3cr3t

FW1_IP=10.1.1.2
FW1_PORT=22
FW1_OS=panos
FW1_PLATFORM=
FW1_USERNAME=admin
FW1_PASSWORD=s3cr3t
# (no enable password for Palo Alto)

LINUX1_IP=10.1.1.3
LINUX1_PORT=22
LINUX1_OS=linux
LINUX1_PLATFORM=ubuntu
LINUX1_USERNAME=admin
LINUX1_PASSWORD=s3cr3t
# (no enable password for Linux)

Если группа устройств использует общие учётные данные, определите переменные уровня группы и ссылайтесь на них на всех устройствах:

SITE_A_USERNAME=netops
SITE_A_PASSWORD=s3cr3t
SITE_A_ENABLE_PASSWORD=s3cr3t

4. Укажите переменные в testbed.yaml

devices:
  CORE1:
    alias: "Core Switch 1"
    type: "switch"
    os: "%ENV{CORE1_OS}"
    platform: "%ENV{CORE1_PLATFORM}"
    credentials:
      default:
        username: "%ENV{CORE1_USERNAME}"
        password: "%ENV{CORE1_PASSWORD}"
      enable:
        password: "%ENV{CORE1_ENABLE_PASSWORD}"
    connections:
      cli:
        protocol: ssh
        ip: "%ENV{CORE1_IP}"
        port: "%ENV{CORE1_PORT}"
        arguments:
          connection_timeout: 360

Для устройств с неизвестной ОС задайте os: "%ENV{DEVICE_OS}" со значением DEVICE_OS=generic в .env, и при желании добавьте learn_os: true в раздел arguments: — Unicon определит ОС и закеширует её после первого подключения.

Docker

Сборка

docker build -t pyats-mcp-server .

Запуск (передача .env напрямую)

docker run -p 8080:8080 --rm \
  --env-file /absolute/path/to/.env \
  -v /absolute/path/to/testbed.yaml:/app/testbed.yaml \
  pyats-mcp-server

В любом случае сервер — это долгоживущий процесс, который вы запускаете один раз и подключаете к нему клиентов — это не то, что агент порождает для каждой сессии. Ниже описано, как именно каждый клиент подключается к нему.

Подключение вашего агента

Сервер предоставляет одну вещь: конечную точку MCP по адресу http://<host>:<port>/mcp (Streamable HTTP). Каждому клиенту ниже нужен только этот URL — никаких command/args, никакого локального процесса для управления клиентом.

Claude Code

claude mcp add --transport http pyats http://localhost:8080/mcp

# Behind auth (e.g. a reverse proxy in front of the server)
claude mcp add --transport http pyats http://localhost:8080/mcp \
  --header "Authorization: Bearer your-token"

Или добавьте прямо в .mcp.json (в рамках проекта, фиксируется в репозитории) или ~/.claude.json (в рамках пользователя):

{
  "mcpServers": {
    "pyats": { "type": "http", "url": "http://localhost:8080/mcp" }
  }
}

VS Code (GitHub Copilot Chat)

Добавьте .vscode/mcp.json в рабочую область (или выполните MCP: Add Server из палитры команд):

{
  "servers": {
    "pyats": { "type": "http", "url": "http://localhost:8080/mcp" }
  }
}

OpenAI Codex CLI

codex mcp add pyats --url http://localhost:8080/mcp

Или в ~/.codex/config.toml:

[mcp_servers.pyats]
url = "http://localhost:8080/mcp"

Claude Desktop

claude_desktop_config.json в Claude Desktop поддерживает только stdio — поле url в нём не работает (это известная проблема, а не поддерживаемый путь). Удалённые/HTTP-серверы добавляются вместо этого как Custom Connector в Settings → Connectors, и Desktop подключается к нему из облака Anthropic, а не с вашей локальной машины — поэтому ему нужен реальный, публично доступный HTTPS URL, а не localhost.

Чтобы всё же указать Desktop на сервер, запущенный на вашей собственной машине, соедините его через mcp-remote как локальный stdio-прокси:

{
  "mcpServers": {
    "pyats": {
      "command": "npx",
      "args": ["-y", "mcp-remote", "http://localhost:8080/mcp", "--transport", "http-only"]
    }
  }
}

Чистый Python (LangGraph, кастомные агенты, что угодно ещё)

from mcp import ClientSession
from mcp.client.streamable_http import streamablehttp_client

async def main():
    async with streamablehttp_client("http://localhost:8080/mcp") as (read, write, _session_id):
        async with ClientSession(read, write) as session:
            await session.initialize()
            tools = await session.list_tools()
            result = await session.call_tool(
                "pyats_run_show_command",
                arguments={"device_name": "CORE1", "command": "show version"},
            )

Что у него спросить

После подключения общайтесь с ним, как с человеком, который уже знает сеть:

• «Какие устройства есть в тестбеде?» → pyats_list_devices

• «Покажи сводку BGP на CORE1» → pyats_run_show_command, распарсенная в структурированный JSON

• «Сними снимок состояния OSPF на CORE1, затем примени эту конфигурацию и покажи, что изменилось» → pyats_learn_feature (до) → pyats_configure_with_diff → pyats_learn_feature (после) → pyats_diff_learned_snapshots

• «Выполни show ip interface brief на всех коммутаторах» → pyats_run_show_command_multi (или pyats_pcall_show_command для изоляции «один процесс на устройство» в реальном масштабе)

• «Если это изменение конфигурации что-то сломает, откати его» → pyats_rollback_config

• «Запусти этот тест Blitz на R1 и R2» / «Запусти этот набор Robot Framework» → pyats_run_blitz / pyats_run_robot

Агент сам выстраивает цепочку этих инструментов — вы описываете результат, а он выбирает инструменты.

Доступные инструменты

26 инструментов, сгруппированных по назначению.

Обнаружение

Show-команды

Конфигурация

Состояние и диагностика

Тестирование и автоматизация

API

Сессия

Безопасность

• Show-команды проверяются — конвейеры, перенаправления и опасные ключевые слова блокируются.

• Изменения конфигурации проверяются на reload, erase, write erase, delete, format — та же проверка выполняется внутри pyats_clean_device, pyats_run_blitz и pyats_run_robot.

• Динамические тестовые скрипты выполняются в ограниченной песочнице (запрещённые импорты: os, sys, subprocess и т. д.).

• pyats_clean_device никогда не запускает реальный этап Genie Clean, который перезагружает, стирает или переустанавливает устройство — генерируются только connect+execute_command — и по умолчанию используется dry_run=True; реальный запуск также требует точной фразы подтверждения.

• Каждый глобальный для процесса кэш (кэш соединений, кэш тестовых стендов, снимки config/learn, журнал операций) защищён блокировкой, поэтому одновременные HTTP-клиенты не могут повредить общее состояние.

• Все учётные данные берутся из .env — никогда не хранятся в файле тестового стенда или в исходном коде.

Структура проекта

.
├── pyats_mcp_server.py      # MCP server
├── test_pyats_mcp_server.py # Unit tests (119 tests)
├── benchmark/               # Pre/post, stateful/stateless transport benchmark
├── Dockerfile               # Container definition
├── requirements.txt         # Pinned runtime dependencies
├── requirements-dev.txt     # Dev/test dependencies
├── pyproject.toml           # Tool config (black, isort, pytest, mypy)
├── .env.example             # Configuration template — copy to .env
├── .gitignore
├── LICENSE
└── CONTRIBUTING.md

Разработка

# Install dev dependencies with uv
uv venv .venv && uv pip install -r requirements-dev.txt

# Run tests
.venv/bin/python -m pytest

# Lint and format
.venv/bin/black .
.venv/bin/isort .
.venv/bin/flake8 . --max-line-length=100

Полную настройку и процесс работы с PR см. в CONTRIBUTING.md.

Бенчмарк

benchmark/ сравнивает STDIO (устаревший) с Streamable HTTP в stateful и stateless режимах, на реальном тестовом стенде. Список сценариев см. в benchmark/scenarios.py, а сборку отчёта о сравнении — в benchmark/aggregate.py; в benchmark/results/summary.md приведены цифры последнего запуска.

Лицензия

MIT