Dev Ops MCP Server

DevOps诊断服务器（MCP服务器）

](https://github.com/JH-A-Kim/DevOpsMCP-Server)  

一个全面的DevOps伴侣，将LLM直接连接到您的本地基础设施和系统诊断工具。

🚀 概述

这 DevOps诊断服务器 是实现 模型上下文协议（MCP） 这使AI代理（如Claude）能够直接在本地计算机上运行系统诊断和基础设施审计工具。

该服务器允许AI执行以下操作，而不是手动运行诊断命令和复制粘贴输出：

1. 监视器 系统资源（CPU、内存、磁盘、网络）
2. 分析 运行进程和服务
3. 检查 日志和配置文件
4. 验证 基础设施即代码（Dockerfiles等）
5. 诊断 性能问题和瓶颈

该项目遵循 向左移动 哲学：捕捉配置错误并识别开发人员机器上的问题 *之前* 他们到达生产。

______________________________________________________________________

🛠️ 可用工具

此服务器提供 32个面向用户的工具 跨多个DevOps类别：

系统监控（4个工具）

• get_system_info（） -全面的系统信息（操作系统、版本、正常运行时间、架构）
• get_cpuusage（） -每个核心的CPU使用率指标
• get_memory_use（） -RAM和交换内存统计信息
• get_disk_usage（路径） -任何路径的磁盘空间分析

流程管理（2个工具）

• list_processs（限制） -按CPU使用率列出顶级进程
• check_process_running（进程名） -验证进程是否正在运行

网络诊断（2个工具）

• check_port_listening（端口、主机） -检查端口是否打开以及哪个进程正在使用它
• get_network_stats（） -网络接口统计（发送/接收的字节数、错误）

日志分析（1个工具）

• read_log_file（路径、行、搜索项） -使用搜索功能读取和过滤日志文件

文件系统操作（2个工具）

• get_directory_size（路径） -计算目录的总大小
• get_environment_variable（变量名） -检查环境变量

基础设施验证（2个工具）

• validate_docker文件（路径） -使用hadolint验证Dockerfiles
• optimize_dockerfile（路径） -获取Dockerfiles的优化建议

Docker容器管理（4个工具）

• list_docker_容器（所有容器） -列出正在运行或所有Docker容器
• inspect_docker_container（container_id） -获取详细的集装箱信息
• get_locker_logs（container_id，行） -检索容器日志
• get_locker_stats（容器id） -获取容器资源使用统计信息

Kubernetes诊断（5个工具）

• list_k8s_pods（命名空间，所有命名空间） -在命名空间中列出Pod
• get_k8s_pod_logs（pod_name、命名空间、容器、行） -检索吊舱日志
• get_k8s_pod_status（pod_name，命名空间） -获取详细的pod状态和事件
• list_k8s_services（命名空间，所有名称空间） -列出Kubernetes服务
• 获取_k8s_node_status（） -获取群集节点运行状况和容量

云提供商集成（4个工具）

• list_aws_ec2_instances（区域，max_results） -列出AWS EC2实例
• get_aws_s3_buckets（） -列出所有S3存储桶
• list_azure_vs（subscription_id，resource_group） -列出Azure虚拟机
• list_gcp_instances（项目id，区域） -列出GCP计算引擎实例

安全扫描（3个工具）

• scan_with_trivy（目标，scan_type） -使用Trivy扫描漏洞
• scan_with_grype（目标） -使用Grype进行漏洞扫描
• scan_secrets（路径，最大深度） -扫描代码中暴露的秘密

性能分析（2个工具）

• get_io_stats（） -获取所有设备的磁盘I/O统计信息
• 分析性能指标（持续时间） -随时间推移的全面性能分析

自动修复（1个工具）

• suggest_remediation（issue_type，详细信息） -获取常见问题的补救建议

______________________________________________________________________

🏗 建筑

该项目完全在本地主机上运行，以确保数据隐私和直接系统访问。

sequenceDiagram
    participant User
    participant LLM as Claude Desktop (Client)
    participant MCP as Python MCP Server
    participant System as Local System/Tools

    User->>LLM: "Check my system's CPU usage"
    LLM->>MCP: Call Tool: get_cpu_usage()
    MCP->>System: Execute: psutil.cpu_percent()
    System-->>MCP: Return: CPU metrics
    MCP-->>LLM: Return Tool Result
    LLM-->>User: "Your CPU is at 45% usage, with Core 2 at 87%..."

______________________________________________________________________

📦 安装

先决条件

• Python 3.9+
• pip（Python包管理器）
• Docker（可选，用于容器管理工具）
• kubectl（可选，用于Kubernetes诊断）
• 云CLI工具（可选，用于云提供商集成）

- AWS CLI（用于AWS工具） - Azure CLI（用于Azure工具） - gcloud CLI（用于GCP工具）

安装依赖项

# Clone the repository
git clone https://github.com/JH-A-Kim/DevOpsMCP-Server.git
cd DevOpsMCP-Server

# Install Python dependencies
pip install -r requirements.txt

可选工具

对于Dockerfile验证：

# Install hadolint
brew install hadolint
# Or download from: https://hadolint.com/

对于安全扫描：

# Install Trivy
curl -sfL https://raw.githubusercontent.com/aquasecurity/trivy/main/contrib/install.sh | sh -s -- -b /usr/local/bin

# Install Grype
curl -sSfL https://raw.githubusercontent.com/anchore/grype/main/install.sh | sh -s -- -b /usr/local/bin

对于Docker集成：

# Ensure Docker is installed and running
docker --version

对于Kubernetes集成：

# Ensure kubectl is installed and configured
kubectl version --client

对于云提供商集成：

# AWS: Configure credentials
aws configure

# Azure: Login
az login

# GCP: Set up authentication
gcloud auth application-default login

______________________________________________________________________

🚀 用法

运行服务器

python server.py

服务器使用stdio传输运行，可以与Claude Desktop等MCP客户端集成。

配置Claude桌面

要将此服务器与Claude Desktop一起使用，请将以下内容添加到您的Claude Desktop配置文件中：

macOS: ~/Library/Application Support/Claude/claude_desktop_config.json\ 视窗: %APPDATA%\Claude\claude_desktop_config.json

macOS/Linux示例：

{
  "mcpServers": {
    "devops-diagnostics": {
      "command": "python",
      "args": ["/absolute/path/to/DevOpsMCP-Server/server.py"]
    }
  }
}

Windows示例：

{
  "mcpServers": {
    "devops-diagnostics": {
      "command": "python",
      "args": ["C:\\Users\\YourUsername\\DevOpsMCP-Server\\server.py"]
    }
  }
}

将路径替换为server.py文件的实际位置。

更新配置后：

1. 重新启动克劳德桌面
2. DevOps诊断工具将在新的对话中提供
3. 您可以通过让Claude检查系统信息或运行诊断程序进行验证

示例用例

系统健康检查：

"Check my system's health - CPU, memory, and disk usage"
→ Returns comprehensive metrics for diagnostics

过程调查：

"Is nginx running? And what port is it listening on?"
→ Checks process status and port 80/443 listeners

日志分析：

"Show me the last 20 error lines from /var/log/app.log"
→ Filters and displays relevant log entries

基础设施审计：

"Validate my Dockerfile for best practices"
→ Runs hadolint and reports security/optimization issues

Docker容器管理：

"List all running Docker containers and show me the logs for container xyz"
→ Lists containers and retrieves logs for debugging

Kubernetes诊断：

"Show me the status of pods in the production namespace and get logs for the failing pod"
→ Diagnoses pod issues with events and logs

云资源监控：

"List all my AWS EC2 instances in us-east-1 and check their status"
→ Shows cloud infrastructure across providers

安全扫描：

"Scan my Docker image nginx:latest for vulnerabilities using Trivy"
→ Identifies security vulnerabilities in container images

性能分析：

"Analyze my system's performance over the last 30 seconds"
→ Provides CPU, memory, and network trends

自动修复：

"My pod keeps crashing - suggest remediation steps"
→ Provides detailed troubleshooting guide and solutions

______________________________________________________________________

🧪 运行测试

# Run all tests
python -m unittest discover tests/ -v

# Run specific test file
python -m unittest tests/test_diagnostic_tools.py -v

______________________________________________________________________

📋 工具参考

系统信息工具

get_system_info（）

返回操作系统类型、版本、体系结构、主机名、正常运行时间和Python版本。

输出示例：

=== System Information ===
Os: Linux
Hostname: server-01
Uptime: 5 days, 3:42:15

get_cpuusage（）

返回总体和每个核心的CPU使用百分比。

get_memory_use（）

以GB为单位返回RAM和交换内存统计信息。

get_disk_usage（路径=“/”）

返回指定路径的磁盘空间度量。

参数：

• path （str）：要检查的路径（默认值：“/”）

工艺工具

list_processs（限制=10）

列出按CPU使用率排序的顶级进程。

参数：

• limit （int）：要显示的进程数（默认值：10）

check_process_running（进程名）

检查进程是否正在运行并返回PID。

参数：

• process_name （str）：要搜索的进程的名称

网络工具

check_port_listening（端口，主机=“127.0.0.1”）

检查端口是否正在侦听并标识进程。

参数：

• port （int）：要检查的端口号
• host （str）：要检查的主机（默认值：“127.0.0.1”）

get_network_stats（）

返回网络接口统计信息，包括发送/接收的字节数。

日志和文件工具

read_log_file（文件路径，行数=50，搜索项=无）

读取并筛选日志文件（可选）。

参数：

• file_path （str）：日志文件的路径
• lines （int）：返回的行数（默认值：50）
• search_term （str）：可选搜索筛选器

特征：

• 出于安全考虑，文件大小限制为10 MB
• 尾部功能（最后N行）
• 搜索/过滤功能

get_directory_size（路径）

递归计算目录的总大小。

参数：

• path （str）：要分析的目录路径

get_environment_variable（变量名=无）

检索环境变量值。

参数：

• var_name （str）：特定变量名（可选-如果省略则返回全部）

______________________________________________________________________

🔒 安全考虑

• 所有文件操作都会验证路径并检查是否存在
• 日志文件读取有10 MB的大小限制，以防止内存问题
• 进程和端口检查使用安全的psutil API
• 没有shell注入风险-所有操作都使用Python库
• 环境变量访问是只读的

______________________________________________________________________

🤝 贡献

欢迎投稿！请确保：

1. 所有测试均通过： python -m unittest discover tests/ -v
2. 代码遵循现有样式（使用 black 和 flake8)
3. 为新功能添加测试

运行预提交钩子：

pre-commit install
pre-commit run --all-files

______________________________________________________________________

📄 许可证

有关详细信息，请参阅LICENSE文件。

______________________________________________________________________

🛣️ 路线图

在v3.0.0中完成：

• ✅ Docker容器检查和管理
• ✅ Kubernetes集群诊断
• ✅ 云提供商集成（AWS、Azure、GCP）
• ✅ 使用附加工具（Trivy、Grype）进行安全扫描
• ✅ 性能分析功能
• ✅ 自动补救建议

未来的增强功能：

• 高级容器编排功能
• 多云资源管理
• 自动漏洞修复
• 与CI/CD管道集成
• 实时监控仪表板

______________________________________________________________________