Skip to main content
Glama
silentwatch-mcp

silentwatch-mcp

silentwatch-mcp

捕获那些监控系统无法察觉的 cron 失败。 一个 MCP 服务器,用于向任何 Claude 或支持 MCP 的代理展示定时任务状态——包括运行情况、逾期任务以及退出代码为 0 但未产生任何有效输出的静默失败。开箱即用,支持 OpenClaw 调度程序、系统 cron 和 systemd 定时器。

Status: v0.3 beta Tests: 74 passing License: MIT MCP


功能概述

每个运行定时任务的团队都至少遇到过以下情况之一:

  • 静默失败 — 任务运行了,返回退出代码 0,但没有产生任何有效输出(例如:返回空结果的网页搜索 cron、写入 0 字节文件的备份、正文中包含 <no rows> 的摘要邮件)。传统监控显示为绿色勾选,但数据实际上已经损坏。

  • 逾期无警报 — 任务已经 3 天没有运行;因为没人关注,所以没人发现。

  • 最后成功时间漂移 — 任务每小时运行一次,但在过去 12 次尝试中仅成功了一次;每个人都认为它很健康,因为最近一次运行是绿色的。

  • 审计追踪缺失 — 你需要知道某个特定任务最后一次完成的时间以进行合规性检查,而唯一的“日志”是上周已经轮转的 journalctl 输出。

silentwatch-mcp 将这些可见性作为 MCP 工具暴露出来,供你的 AI 代理直接查询。无需指标管道,无需单独的仪表板,无需 SaaS 订阅。

> claude: which of my cron jobs have silent failures in the last 24 hours?
[MCP tool: find_silent_failures]
3 jobs flagged:
  • web-search-refresh — ran 12× successfully but output empty in 8 (66% silent fail rate)
  • daily-summary — ran 1× successfully (24× expected); output normal
  • audit-snapshot — last success 5 days ago, all subsequent runs returned exit 0 with empty body

Related MCP server: task-orchestrator

为什么选择 silentwatch-mcp

现有工具(Cronitor、Healthchecks.io、Datadog、Prometheus)无法做到以下三点:

  1. 检测静默失败,而不仅仅是退出代码。 传统的 cron 监控假设 exit 0 = 成功。我们根据可配置的规则检查输出:空输出、长度相对于历史中位数的异常、尽管退出代码为 0 但 stdout 中仍包含错误关键字、持续时间异常。那些“运行成功”但没有返回任何有效内容的任务——这正是隐藏数周的失败模式。我们能捕捉到它。

  2. MCP 原生,无需集成层。 Claude Desktop、Cline、Continue、OpenClaw 代理——任何支持 MCP 的客户端都可以直接查询。无需 Grafana 插件,无需 API 包装器,无需手动解析 JSON。

  3. 开箱即用的多源支持。 OpenClaw 原生 JSONL 日志、系统 crontab (/etc/crontab + /etc/cron.d/* + 用户级 crontab -l) 以及 systemd 定时器 (systemctl list-timers + journalctl)——所有四个后端都在 v0.3 中提供,因此你可以针对你拥有的任何调度程序运行 silentwatch-mcp。没有供应商锁定。

专为运行 40 美元 VPS 的 SMB 自托管用户打造,对于他们来说 Datadog 太过昂贵,而“0 美元/月的开源 MCP”是合适的切入点——但静默失败检测在企业基础设施中同样具有价值。


工具界面

服务器注册了以下 MCP 工具(完整规范见 SPEC.md):

工具

功能

list_jobs

枚举所有已知的 cron 任务及最后运行摘要

get_job_status(job_id)

单个任务的详细状态:最后运行、最后成功、窗口期内的成功率

get_job_runs(job_id, limit)

近期运行历史,包含时间、状态和输出片段

find_overdue_jobs

按照计划应该运行但尚未运行的任务

find_silent_failures(window_hours)

“成功”运行但输出看起来可疑的任务

tail_job_logs(job_id, lines)

单个任务的近期日志输出

资源:

  • cron://jobs — 所有任务列表(清单)

  • cron://job/{id} — 单个任务清单 + 近期运行记录

  • cron://run/{id} — 带有完整输出的单个运行实例

提示词:

  • diagnose-overdue — 用于逾期任务的诊断提示词模板

  • summarize-cron-health — cron 活动 + 异常的每日摘要


快速入门

v0.3 beta — 已发布全部 4 个后端 + 通过 cron 计划解析 (croniter) 实现真正的逾期检测。 Mock、OpenClaw JSONL、crontab 和 systemd 后端均已达到生产就绪状态。74 个测试通过。v1.0 现已进入完善阶段:PyPI 发布 + GitHub Actions CI + MCP 注册表提交。

安装

pip install silentwatch-mcp  # not yet on PyPI; install from source for now:
pip install -e .

配置 Claude Desktop

添加到 ~/Library/Application Support/Claude/claude_desktop_config.json (macOS) 或 %APPDATA%\Claude\claude_desktop_config.json (Windows):

{
  "mcpServers": {
    "silentwatch": {
      "command": "python",
      "args": ["-m", "silentwatch_mcp"],
      "env": {
        "SILENTWATCH_BACKEND": "mock"
      }
    }
  }
}

后端(v0.3 已发布全部四个):

  • SILENTWATCH_BACKEND=mock — 返回示例数据(开发默认值)

  • SILENTWATCH_BACKEND=openclaw-jsonl — 解析 OpenClaw 的原生 cron 运行 JSONL 文件(设置 SILENTWATCH_OPENCLAW_LOGS 为目录,默认为 ~/.openclaw/cron-runs/);数据最丰富——包含完整运行历史 + 静默失败检测

  • SILENTWATCH_BACKEND=crontab — 解析 /etc/crontab + /etc/cron.d/* + 用户 crontabs (crontab -l);最后运行时间从 /var/log/syslog 或 /var/log/cron 推断(设置 SILENTWATCH_SYSLOG 可覆盖)

  • SILENTWATCH_BACKEND=systemd — 解析 systemctl list-timers --all --output=json + journalctl -u <unit> 以获取运行历史;将 OnCalendar= 提取到计划字段中

所有非 mock 后端在底层工具不存在的平台/主机上会优雅地返回空结果,因此在不同环境中保留配置是安全的。

重启 Claude Desktop

服务器注册为 silentwatch。测试:

显示我所有的 cron 任务及其最后运行状态。


路线图

版本

范围

状态

v0.1

协议连接,mock 后端,所有 6 个工具注册存根数据,测试通过

✅ 完成

v0.2

实现 OpenClaw JSONL 后端(真正的 cron 运行解析,格式错误行处理,静默失败增强)

✅ 完成 (2026-05-02)

v0.3

Crontab + systemd 后端;用于真正逾期检测的 cron 计划解析 (croniter);35 个新测试

✅ 完成 (2026-05-02)

v1.0

完善:PyPI 发布,GitHub Actions CI,MCP 注册表提交 (Glama + PulseMCP),细化静默失败规则配置

⏳ 第一阶段发布目标 (5月18日当周)

v1.x

附加后端(Cowork 调度程序,Claude Code 后台任务,通用 JSON 配置),用于警报的 webhook 发射器

⏳ 第二阶段及以后


需要适配你的技术栈?

silentwatch-mcp 附带 4 个后端(mock、OpenClaw JSONL、crontab、systemd)。如果你的调度程序是其他工具——AWS EventBridge、GCP Cloud Scheduler、Hangfire、Sidekiq、Temporal、Apache Airflow、Prefect、Dagster 或自定义任务运行器——并且你希望为其获得相同的静默失败检测 MCP 可见性,那属于 自定义 MCP 构建 服务。

层级

范围

投资

时间线

简单

为具有记录 API 的现有调度程序(例如 GCP Cloud Scheduler)提供单个后端适配器

$8,000–$10,000

1–2 周

标准

自定义后端 + 自定义静默失败规则 + 与现有警报系统(PagerDuty、Slack 等)集成

$15,000–$20,000

2–4 周

复杂

多后端(跨区域/集群/租户的联合 cron)+ RBAC + 审计日志集成 + 值班工作流

$25,000–$35,000

4–8 周

参与方式:

  1. 发送邮件至 admin@pixelette.tech,主题为 Custom MCP Build inquiry

  2. 包括:一段关于你的调度程序技术栈的描述 + 你正在考虑的层级

  3. 在 2 个工作日内回复,预约 30 分钟的发现通话

此服务器也是 AI 生产纪律框架 的一部分——这是我进行生产 AI 审计所依据的方法论。


生产 AI 审计

如果你正在运行生产级 AI,并希望外部从业者评估就绪情况、发现已存在的失败模式并编写纠正行动计划——这正是此 MCP 所支持的内容。独立审计服务:

层级

范围

投资

时间线

审计 Lite

一个系统,前 5 大发现,书面报告

$1,500

1 周

审计标准

全面审计,所有 14 种模式,5C 发现,90 天跟进

$3,000

2–3 周

审计 + 工作坊

标准审计 + 2 天团队工作坊 + 包含首次月度审计

$7,500

3–4 周

相同邮件渠道:admin@pixelette.tech,主题为 AI audit inquiry。


贡献

欢迎提交 PR。结构特意保持扁平,以便轻松添加自定义后端——请参阅 src/silentwatch_mcp/backends/ 获取现有示例。

添加新后端:

  1. 在 backends/<your_backend>.py 中继承 CronBackend

  2. 实现 list_jobs、get_job_runs、tail_logs

  3. 在 backends/__init__.py 中注册

  4. 在 tests/test_backend_<your_backend>.py 中添加测试

错误报告 + 功能请求:请开启 GitHub Issue。


许可证

MIT — 请参阅 LICENSE。


相关


由 Temur Khan 构建 — 生产 AI 系统独立从业者。 联系方式:admin@pixelette.tech

Available Tools

6 tools
find_overdue_jobsA

Returns jobs whose schedule indicates they should have run but haven't, beyond a grace window.

Inputs: grace_minutes.

find_silent_failuresC

Jobs that returned exit code 0 but output was flagged by silent-fail rules (empty output, length anomaly, error keywords, duration anomaly).

Inputs: window_hours.

get_job_runsA

Recent run history for a job (newest first) with timing, exit code, status, silent-fail indicators, output snippet.

Inputs: job_id (required), limit.

get_job_statusA

Detailed status for one job: last run, last success, success rates over 24h + 7d, overdue state, silent-fail indicators on the last run.

Inputs: job_id (required).

list_jobsA

Enumerate all known cron jobs with last-run summary. Returns id, name, schedule, last run time + status, runs/successes in last 24h, silent-fail count, overdue flag.

Inputs: no named parameters.

tail_job_logsB

Most recent N log lines for a job (newest last).

Inputs: job_id (required), lines.

Tool Schema Changelog

Recent tool additions, removals, and schema changes observed during successful MCP inspections.

Loading tool schema changelog…

    TDQS

    A3.8/5.0

    Scored across 6 tools

    Disambiguation5/5

    Each tool addresses a distinct aspect of job monitoring: overdue detection, silent failure detection, run history, job status, job listing, and log tailing. No overlap in purpose.

    Naming Consistency5/5

    All tool names follow a consistent verb_noun pattern with underscores, using clear verbs like find, get, list, and tail. No mixing of conventions.

    Tool Count5/5

    Six tools cover the core functionality of a job monitoring server: listing, anomaly detection, status, logs. Neither too few nor too many for the scope.

    Completeness5/5

    The tool set provides complete coverage for monitoring cron jobs: discovery, anomaly detection (overdue and silent failures), status, history, and logs. No obvious gaps for a read-only monitoring use case.

    Maintenance

    ActivityNo data
    ResponsivenessSyncing

    Related MCP Connectors

    Related MCP Servers

    • A
      license
      Not graded
      quality
      D
      maintenance
      An MCP server for scheduling and executing Claude Code CLI tasks via cron expressions, featuring a web dashboard and webhook support. It enables users to dynamically create custom MCP servers, manage recurring AI jobs, and track execution history with token and cost analytics.
      24
      MIT
    • A
      license
      Not graded
      quality
      B
      maintenance
      Server-enforced workflow discipline for AI agents. An MCP server providing persistent work items, dependency graphs, quality gates, and actor attribution. Schemas define what agents must produce — the server blocks the call if they don't. Works with any MCP-compatible client.
      215
      MIT
    • F
      license
      Not graded
      quality
      D
      maintenance
      A hosted remote MCP server that lets your AI agent schedule tasks for later — reminders, delayed webhook callbacks, and recurring jobs. Read-only by design.
      -
    • A
      license
      B
      quality
      A
      maintenance
      MCP server for OpenClaw that enables AI clients to control smart home devices, manage memory and cron jobs, and orchestrate multiple AI sub-agents.
      37
      52 npm
      Apache 2.0