incident-mcp

{"type": "text"}# incident-mcp

Servidor Python MCP (Model Context Protocol) que ayuda en la detección de incidentes (detection) → análisis (analysis). Detecta anomalías en series temporales de métricas y agrupa correlaciones para ofrecer posibles causas raíz y acciones recomendadas.

Los dos backends comparten un único contrato de herramientas (tool contract):

Como las firmas de las herramientas de ambos servidores son 100 % idénticas, puede desarrollar el flujo de trabajo con el mock y cambiar a la VM real sin interrupciones.

Arquitectura

incident_mcp/
├── core/                    # 백엔드 무관 공통 로직 (순수 함수 → 테스트 용이)
│   ├── models.py            # Pydantic: Anomaly, IncidentAnalysis, Series ...
│   ├── datasource.py        # Protocol(인터페이스) — VM/Mock이 구현
│   ├── detection.py         # 이상탐지: zscore · spike · trend · threshold
│   └── analysis.py          # 상관분석 + 근본원인 휴리스틱
├── datasources/
│   ├── mock_ds.py           # 재현 가능한 합성 메트릭 + 주입된 인시던트 시나리오
│   └── vm_ds.py             # VictoriaMetrics(Prometheus 호환) HTTP 클라이언트
├── servers/
│   ├── mock_server.py       # B: mock 데이터소스 주입
│   └── vm_server.py         # A: VictoriaMetrics 데이터소스 주입
└── tools.py                 # 공통 MCP 도구 4종 (두 서버가 공유)

4 herramientas MCP

Related MCP server: MCP Server for vmanomaly

Inicio rápido

python -m venv .venv && source .venv/bin/activate
pip install -e ".[dev]"

# 단위 테스트
pytest -q

# mock 서버로 종단(E2E) 데모 — mock 2개 시나리오 + 실제 VM
python examples/e2e_client.py

Documentación (paso a paso)

• step1 — instalación y ejecución

• step2 — algoritmo de detección de anomalías

• step3 — backend mock y escenarios

• step4 — integración real con VictoriaMetrics

• step5 — registro en Claude Desktop / Hermes

Métodos de detección de anomalías (resumen)

💡 Los patrones de «fuga lenta», como las fugas de memoria, no se detectan con los métodos basados en valores instantáneos (zscore/spike), por lo que se ha añadido un detector trend basado en la pendiente de regresión. — ver step2

Licencia

MIT