值班人工智能助理（PoC）
从以下位置提取数据的随叫随到助手的轻量级概念验证：
- Grafana MCP：返回服务的健康快照（用JSON模拟）。
- FastAPI MCP（随叫随到）：从一个简单的夹具中列出/acks事件。
- 聊天界面：浏览器UI，显示Dify LLM/聊天模式如何调用MCP回答值班问题。
目的是演示接线；准备就绪后，将模拟的数据源与真实的端点交换。
在本地运行
- 安装Python 3.11+并创建一个venv（推荐）。
- 随着
pip:pip install -r requirements.txt\
随着 uv: uv venv .venv && source .venv/bin/activate && uv pip install -r requirements.txt
uvicorn app.main:app --reload- 打开http://127.0.0.1:8000并询问诸如“检查订单的延迟”或“付款的任何事件”之类的问题。
或者使用辅助脚本：
- 单个进程（默认为
all在端口8000上）：./start.sh [all|web|grafana|oncall|k8s] - 多进程（默认情况下为单独的端口8000/8011/8012/8013）：
./start.sh multi
分别运行组件（模拟不同的服务器）：
- 仅限Grafana MCP：
APP_MODE=grafana HOST=127.0.0.1 PORT=8011 ./start.sh - 仅限随叫随到的MCP：
APP_MODE=oncall HOST=127.0.0.1 PORT=8012 ./start.sh - 仅限K8s MCP：
APP_MODE=k8s HOST=127.0.0.1 PORT=8013 ./start.sh - 仅限网络聊天：
APP_MODE=web HOST=127.0.0.1 PORT=8000 GRAFANA_MCP_URL=http://127.0.0.1:8011/api/mcp/grafana ONCALL_MCP_URL=http://127.0.0.1:8012/api/mcp/oncall K8S_MCP_URL=http://127.0.0.1:8013/api/mcp/k8s ./start.sh - 同时启动所有四个：
PROFILE=multi ./start.sh（默认情况下使用端口8000/8011/8012/8013；用\*\_HOST/PORT变量覆盖）
聊天端点的LLM（OpenAI兼容）配置：
OPENAI_API_KEY（必填）OPENAI_MODEL（可选，默认gpt-4o-mini)OPENAI_BASE_URL（可选；指向自托管的OpenAI兼容端点时使用）- 当web与MCP分开运行时，将工具指向远程服务器：
- GRAFANA_MCP_URL （例如。， http://127.0.0.1:8011/api/mcp/grafana) - ONCALL_MCP_URL （例如。， http://127.0.0.1:8012/api/mcp/oncall) - K8S_MCP_URL （例如。， http://127.0.0.1:8013/api/mcp/k8s) - MCP_HTTP_TIMEOUT （可选，默认8秒）
网络聊天端点：
/api/web/chat（基于规则）/api/web/chat-llm（LLM与MCP的工具调用）
您可以将MCP端点注册为工具：
- Grafana MCP：
GET /api/mcp/grafana/services,GET /api/mcp/grafana/{service} - 随叫随到的MCP：
GET /api/mcp/oncall/incidents?service=...,POST /api/mcp/oncall/incidents/ack - K8s MCP：
GET /api/mcp/k8s/overview,GET /api/mcp/k8s/pods?namespace=...,POST /api/mcp/k8s/pods/restart
传统前端路径仍然有效： /api/services, /api/grafana/{service}, /api/incidents, /api/incidents/ack.
过程模式（设置 APP_MODE):
all（默认）提供一切；web服务聊天+传统；grafana,oncall,k8s仅暴露这些MCP。
里面是什么
app/main.py：FastAPI应用程序在下面公开网络聊天/api/web/*（基于规则/chatLLM/chat-llm)Grafana MCP/api/mcp/grafana/*，随叫随到的MCP/api/mcp/oncall/*，K8s MCP下/api/mcp/k8s/*，加上前端使用的遗留端点(/api/services,/api/grafana/{service},/api/incidents,/api/incidents/ack).服务于前端。app/mcp/grafana.py：Grafana MCP立面阅读data/metrics.json.app/mcp/oncall.py：随叫随到的MCP外观读/写data/incidents.json（acks持续存在）。app/mcp/k8s.py：K8s MCP立面读/写data/k8s.json（吊舱重启持续）。app/orchestrator.py：调用两个MCP并组成响应的最小“代理”。static/：HTML/CSS/JS聊天界面。data/：指标、事件和k8s集群状态的夹具数据。
与Dify一起使用（LLM聊天模式）
此PoC展示了您可以在Dify工作流中注册为工具的HTTP端点：
- 工具1（Grafana MCP）：
GET /api/grafana/{service}→ 返回延迟/错误/CPU/RPS+Grafana面板链接。 - 工具2（随叫随到MCP）：
GET /api/incidents?service=orders-service→ 活跃事件；POST /api/incidents/ack承认。 - 工具3（编排器）：
POST /api/chat→ 单个呼叫助手已经链接了两个MCP。
建议的Dify设置：
- 在您的Dify应用程序中，为上述端点添加HTTP工具，并简要说明（“从Grafana MCP获取健康状况”、“列出活动事件”、“确认事件”）。
- 在聊天流中，允许模型调用这些工具；使用来自的服务名称为系统提示符添加种子
/api/services并提醒它选择最接近的匹配项（例如，“订单”→ “订单服务”）。 - 用真实数据替换JSON夹具（更新
data/metrics.json和data/incidents.json，或将MCP外观指向真实API）。
自定义PoC
- 在中添加更多服务或指标
data/metrics.json. - 预加载更多事件或调整严重程度
data/incidents.json. - 扩展
app/orchestrator.py包括更多的信号（日志、发布信息、SLO）或以不同的方式调用工具。