---

ops-mcp-server

ops-mcp-server：一个由AI驱动的IT运营平台，融合了大型语言模型（LLMs）和MCP架构，以实现智能监控、异常检测以及自然的人与基础设施交互，并具备企业级的安全性和可扩展性。

---

📖 目录

• 项目概述
• 关键特性
• 演示视频
• 安装
• 部署
• 本地MCP服务器配置
• 交互式客户端使用
• 许可证
• 注意事项

---

🚀 项目概述

ops-mcp-server 是一个面向AI时代的IT运营管理解决方案。通过无缝集成模型上下文协议（MCP）和大型语言模型（LLMs），它实现了智能化的IT运营。利用LLMs的强大功能和MCP的分布式架构，它将传统的IT运营转变为一种由AI驱动的体验，支持自动化的服务器监控、智能异常检测以及基于上下文的问题排查。该系统充当了人类操作员与复杂IT基础设施之间的桥梁，提供从常规维护到复杂问题诊断等任务的自然语言交互，同时保持企业级的安全性和可扩展性。

---

🌟 关键特性

🖥️ 服务器监控

• 实时CPU、内存、磁盘检查。
• 系统负载和进程监控。
• 服务和网络接口检查。
• 日志分析和配置备份。
• 安全漏洞扫描（SSH登录、防火墙状态）。
• 详细的OS信息检索。

📦 容器管理（Docker）

• 容器、镜像和卷管理。
• 容器资源使用情况监控。
• 日志检索和健康检查。

🌐 网络设备管理

• 多厂商支持（思科、华为、H3C）。
• 交换机端口、VLAN和路由器路由检查。
• ACL安全配置分析。
• 光模块和设备性能监控。

➕ 额外功能

• 可扩展插件架构。
• 跨多设备的批处理操作。
• 工具列表和描述命令。

---

🎬 演示视频

📌 项目演示

在Cherry Studio

📌 交互式客户端演示

在终端

---

⚙️ 安装

确保已安装 Python 3.10+。此项目使用了uv进行依赖项和环境管理。

1. 安装UV

curl -LsSf https://astral.sh/uv/install.sh | sh

2. 设置虚拟环境

uv venv .venv

# 激活环境
source .venv/bin/activate      # Linux/macOS
.\.venv\Scripts\activate       # Windows

3. 安装依赖项

uv pip install -r requirements.txt

依赖项通过 pyproject.toml 进行管理。

---

🚧 部署

📡 SSE远程部署（UV）

cd server_monitor_sse

# 安装依赖项
pip install -r requirements.txt

# 启动服务
cd ..
uv run server_monitor_sse --transport sse --port  8000

🐳 SSE远程部署（Docker Compose）

确保已安装Docker和Docker Compose。

cd server_monitor_sse
docker compose up -d

# 查看状态
docker compose ps

# 日志监控
docker compose logs -f

---

🛠️ 本地MCP服务器配置（Stdio）

将以下配置添加到您的MCP设置中：

{
  "ops-mcp-server": {
    "command": "uv",
    "args": [
      "--directory", "YOUR_PROJECT_PATH_HERE",
      "run", "server_monitor.py"
    ],
    "env": {},
    "disabled": true,
    "autoApprove": ["list_available_tools"]
  },
  "network_tools": {
    "command": "uv",
    "args": [
      "--directory", "YOUR_PROJECT_PATH_HERE",
      "run", "network_tools.py"
    ],
    "env": {},
    "disabled": false,
    "autoApprove": []
  },
}

注意：将 YOUR_PROJECT_PATH_HERE 替换为您项目的实际路径。

---

💬 交互式客户端使用

交互式客户端（client.py）允许您使用自然语言与MCP服务进行交互。

1. 安装客户端依赖项

uv pip install openai rich

2. 配置客户端

编辑 client.py 中的这些配置：

# 初始化OpenAI客户端
self.client = AsyncOpenAI(
    base_url="https://your-api-endpoint",
    api_key="YOUR_API_KEY"
)

# 设置模型
self.model = "your-preferred-model"

3. 运行客户端

uv run client.py [path/to/server.py]

示例：

uv run client.py ./server_monitor.py

客户端命令

• help - 显示帮助。
• quit - 退出客户端。
• clear - 清除对话历史。
• model <name> - 切换模型。

---

📄 许可证

本项目采用 MIT许可证。

---

📌 注意事项

• 确保远程SSH访问已正确配置。
• 根据实际部署条件调整工具参数。
• 本项目正在积极开发中；欢迎反馈和贡献。

---