Cloud MCP (cloudmcp)

MCP运维云端

提供方 LOGiC31

运维云端 stdio · 本地进程 无需鉴权 社区 / 第三方
查看接入方式

一个利用大型语言模型(LLM)和模型上下文协议(MCP)自主检测、分析和修复本地及云环境基础设施故障的智能系统。

一句话选型结论

按资料字段整理

Cloud MCP (cloudmcp) 属于运维云端类 MCP 服务器,stdio · 本地进程,无需鉴权,有可直接执行的安装命令。接入前先确认权限范围;涉及写入、删除或付款的操作,建议先在测试环境验证。

分类运维云端 传输方式stdio · 本地进程 鉴权无需鉴权 部署方式本地部署
GitHub 星标 0 仓库热度,无公开仓库时显示未标注
工具数 26 暴露给模型的工具数量
资源 / 提示词 0 / 0 资源与提示词模板数量
维护方 社区 / 第三方 核验等级 仅资料核对

工具与能力

运维云端
数量来自来源目录的标注,具体工具清单以官方文档为准
工具数量26暴露给模型可调用的工具个数
资源数量0可读取的资源条目
提示词数量0内置提示词模板数量

能力标签

适用场景

基础设施管理Python本地部署自动化修复LLM驱动云服务实时监控

安装与配置

stdio · 本地进程 无需鉴权
客户端在本机拉起子进程,数据不出本机
pip install -r requirements.txt

这条命令只是入口,具体启动参数请按官方文档补齐,不要直接照搬到别的服务器。

  1. 1
    准备运行环境

    stdio 服务在本地起进程,需要先装好 Node.js 等运行时,再按安装命令拉取依赖。

  2. 2
    安装服务

    复制上面的安装命令执行;命令里带占位符的位置,换成自己的密钥或路径。

  3. 3
    写入客户端配置

    在客户端的 MCP 配置里填好启动命令和参数,保存后完全退出客户端再打开,让新配置生效。

  4. 4
    验证是否可用

    连接成功后客户端会列出约 26 个工具,随便调一个只读工具确认能返回结果。

典型使用场景

3 类
按分类与标签整理的常见用法,具体以官方文档为准
云资源查询

查实例、存储、账单等云上资源状态。

部署与发布

把部署、重启、回滚这类操作接进对话。

监控与告警

拉取监控指标,异常时让模型帮你判断。

选择建议

选之前先看这几条
按条目字段给出的判断,不替你决定用不用

值得选的地方

  • 资料标注 26 个工具,覆盖面较广,能满足多种调用。
  • 有现成的安装命令,不用自己找入口,照着跑就能起服务。
  • 资料标注无需鉴权,装好就能连。

先想清楚的地方

  • stdio 方式要求本地装好运行时(如 Node.js),换机器要重新装一遍。
  • 版本更新与行为细节以官方仓库为准。

更适合

  • 需要在运维云端场景里让模型直接调用外部能力的人。
  • 想先快速试一下、能接受在本地或自有环境跑服务的人。

不太适合

  • 完全不想在本地装环境的人。
  • 需要厂商级 SLA 和技术支持的生产环境。

同类对比

6 个同类
同分类里挑最接近的几条,字段以各自详情页为准
MCP 服务器工具数传输方式部署方式安装命令最后核验
Cloud MCP (cloudmcp)当前 26 stdio · 本地进程 本地部署 有 2026-05-17
lobehub 未标注 stdio · 本地进程 本地部署 有 2026-04-11
TrendRadar 未标注 stdio · 本地进程 本地部署 有 2026-04-13
Ui Tars Desktop 8a825770 未标注 stdio · 本地进程 本地部署 有 2026-05-17
ruflo 未标注 stdio · 本地进程 本地部署 有 2026-04-13
FastGPT 未标注 stdio · 本地进程 本地部署 有 2026-04-11

服务器档案

运维云端
字段来自项目仓库与公开索引,中文说明由本站标注
提供方LOGiC31上游标注的维护方 LOGiC31
分类运维云端本站按上游分类展示
连接方式stdio · 本地进程客户端在本机拉起子进程,数据不出本机
鉴权方式无需鉴权远程服务建议用最小权限凭据
维护方社区 / 第三方核验等级 仅资料核对
包名 / 运行时未标注 · 未标注本地安装时用到的包标识与运行时
部署类型本地部署上游给出的部署形态
最近核验2026-05-17上游最后核验时间

详细介绍

9.8 KB
来自项目仓库与上游目录的原文,未做删改

LLM驱动的基础设施编排系统

一种智能基础设施编排系统,利用大型语言模型(LLM)和模型上下文协议(MCP)自主检测、分析和修复本地和云环境中的基础设施故障。

概述

该系统展示了LLM推理在基础设施管理中的实际应用,实现了 100%成功率 在自动故障检测和补救方面。它支持本地Docker环境和具有统一接口的Google Cloud Platform(GCP)。

主要成就

  • ✅ 100%测试成功率 (通过4/4个测试场景)
  • 🎯 自主故障检测 具有实时监控和应用程序级指标
  • 🤖 LLM动力分析 使用Google的Gemini API进行智能故障分析
  • 🔧 20+MCP工具 用于跨Docker、PostgreSQL、Redis、Nginx和GCP的基础设施操作
  • ☁️ 多环境支持 本地Docker和GCP云资源
  • 📊 综合评估 具有详细的指标和报告

测试结果

环境 测试场景 状态 持续时间
GCP Redis内存压力 ✅ 通过 316.43秒
GCP 计算发动机内存压力 ✅ 通过 277.52s
本地 Redis内存压力 ✅ 通过 232.13s
本地 PostgreSQL连接过载 ✅ 通过 217.22秒

特性

  • 自主故障检测:通过应用程序级健康检查(CPU、内存、连接、磁盘)实时监控基础设施资源
  • LLM动力分析:使用Gemini API进行上下文软件故障分析,以确定根本原因并生成修复计划
  • 自动修复:通过适当的排序、状态验证和重试机制自动执行工具
  • 多环境支持:本地Docker容器和GCP资源(计算引擎、云SQL、内存存储)的统一接口
  • MCP工具集成:20多种MCP工具,用于异步执行和错误处理的基础设施操作
  • 评估和报告:全面跟踪前后指标、LLM推理和工具执行结果
  • Web仪表板:用于资源可视化、实时状态更新和交互式修复触发的现代React UI

建筑

该系统由React前端、FastAPI后端、LLM客户端(Gemini API)、MCP工具注册表和监控系统组成。编排器协调故障检测、LLM交互、修复计划执行和状态验证。

关键部件:

  • 前端:React.js仪表板,具有实时状态轮询和交互式修复触发功能
  • 后端API:具有异步操作、并行资源监控和优化轮询的FastAPI服务器
  • 编排器:故障检测、LLM交互管理、重试逻辑(最多重试2次)和工具执行协调的核心逻辑
  • LLM客户端:Google Gemini API集成(gemini-2.5-pro 或 gemini-2.5-flash)具有结构化提示和响应解析功能
  • MCP工具:20多种Docker、PostgreSQL、Redis、Nginx和GCP服务工具
  • 监控:使用应用程序级指标和日志聚合进行实时资源监控

设置

先决条件

  • Python 3.11+
  • Docker和Docker Compose
  • Google Gemini API密钥
  • (可选)具有云资源服务帐户密钥的GCP帐户

安装

  1. 克隆仓库

  2. 安装Python依赖项:```bash
    pip install -r requirements.txt


3. **设置环境变量**:```bash
cp .env.example .env
# Edit .env and add:
# GEMINI_API_KEY=your_gemini_api_key
# (Optional) GCP_SERVICE_ACCOUNT_KEY_PATH=path/to/service-account-key.json
  1. 启动示例应用程序基础架构:```bash
    docker-compose up -d

5. **运行后端API**:```bash
# Make sure you're in the project root
source venv/bin/activate  # Activate virtual environment
python -m uvicorn backend.main:app --reload --host 0.0.0.0 --port 8000
  1. 运行前端 (可选):```bash
    cd frontend
    npm install
    npm start

**接入点:**

- API `http://localhost:8000`
- API文件: `http://localhost:8000/docs`
- 前端: `http://localhost:3000` (如果正在运行)
- 示例应用程序: `http://localhost:8001`

### GCP设置(可选)

关于GCP资源支持:

1. **创建GCP服务帐户** 具有以下角色:

- 计算引擎管理员
- 云SQL管理员
- 编辑。
- 监控查看器

1. **下载服务帐户密钥** 并将其另存为 `gcp-service-account-key.json`

1. **在中设置路径 `.env`**:```
GCP_SERVICE_ACCOUNT_KEY_PATH=./gcp-service-account-key.json
  1. 确保您的GCP资源可用 (VPC配置、防火墙规则等)

用法

API终点

资源:

  • GET /api/resources -获取所有资源及其状态
  • GET /api/resources/status -获取轻量级状态更新
  • GET /api/logs -通过筛选获取错误日志

修复:

  • POST /api/fixes/trigger -触发LLM修复工作流
  • GET /api/fixes/{id} -获取修复详细信息
  • GET /api/fixes -列出所有修复程序

LLM&MCP:

  • GET /api/llm/interactions -获取LLM交互历史记录
  • GET /api/mcp/tools -获取可用的MCP工具

GCP故障(用于测试):

  • POST /api/gcp/failures/redis/{id}/memory-pressure -引入Redis内存压力
  • POST /api/gcp/failures/compute/{name}/cpu-stress -引入CPU压力
  • POST /api/gcp/failures/compute/{name}/memory-pressure -引入记忆压力

示例应用程序

示例应用程序是一个使用PostgreSQL和Redis的电子商务API。它包括模拟故障的端点:

  • POST /load/database?connections=10 -生成数据库连接负载
  • POST /load/database/blocking -创建持久阻塞查询
  • POST /load/redis?size_mb=100 -填充Redis内存
  • POST /load/cpu?duration=60 -生成CPU负载

触发修复

  1. 引入故障 使用示例应用程序端点或GCP故障端点
  2. 监控资源状态 通过仪表板或 GET /api/resources
  3. 触发修复 通过 POST /api/fixes/trigger
  4. 系统将自动:
    - 收集资源状态和错误日志
    - 使用LLM(Gemini API)分析故障
    - 使用工具选择生成修复计划
    - 按照正确的顺序执行MCP工具
    - 验证修复有效性
    - 使用前后指标存储评估数据

示例:修复Redis内存压力```bash

1. Fill Redis memory

curl -X POST "http://localhost:8001/load/redis?size_mb=200"

2. Check resource status (should show DEGRADED)

curl "http://localhost:8000/api/resources"

3. Trigger LLM fix

curl -X POST "http://localhost:8000/api/fixes/trigger"

4. Monitor fix execution

curl "http://localhost:8000/api/fixes"


## MCP工具

该系统包括 **20+MCP工具** 分为本地和GCP基础设施类别:

### 本地基础设施工具(12个工具)

**Docker:**

- `docker_restart` -重新启动容器
- `docker_scale` -扩展服务
- `docker_logs` -获取容器日志
- `docker_stats` -获取容器统计信息

**PostgreSQL:**

- `postgres_restart` -重新启动PostgreSQL
- `postgres_scale_connections` -修改连接设置
- `postgres_vacuum` -运行真空
- `postgres_kill_long_queries` -终止长时间运行的查询

**Redis:**

- `redis_flush` -刷新缓存
- `redis_restart` -重新启动Redis
- `redis_memory_purge` -清除内存
- `redis_info` -获取Redis信息

**Nginx:**

- `nginx_restart` -重新启动Nginx
- `nginx_reload` -重新加载配置
- `nginx_scale_connections` -扩大员工联系
- `nginx_clear_connections` -清除活动连接
- `nginx_info` -获取Nginx状态

### GCP基础设施工具(8个工具)

**计算引擎:**

- `gcp_compute_restart_instance` -重新启动VM实例
- `gcp_compute_start_instance` -启动已停止的实例
- `gcp_compute_stop_instance` -停止正在运行的实例

**云SQL:**

- `gcp_sql_restart_instance` -重新启动云SQL实例
- `gcp_sql_scale_tier` -扩展实例层
- `gcp_sql_kill_long_queries` -终止长时间运行的查询

**内存存储Redis:**

- `gcp_redis_flush` -刷新Redis缓存
- `gcp_redis_restart` -重新启动Redis实例
- `gcp_redis_scale_memory` -缩放Redis内存大小

## 项目结构```
project/
├── backend/              # FastAPI backend
│   ├── api/             # API routes
│   │   └── routes/      # Route handlers (resources, fixes, gcp_failures)
│   ├── core/            # Core orchestration logic
│   ├── mcp/             # MCP tools (Docker, PostgreSQL, Redis, Nginx, GCP)
│   ├── monitoring/      # Resource and log monitoring
│   ├── gcp/             # GCP integration (auth, monitoring, tools)
│   ├── evaluation/      # Evaluation data storage (SQLite)
│   └── utils/           # Utility functions
├── frontend/            # React frontend
│   ├── src/
│   │   ├── components/  # React components
│   │   ├── services/    # API services
│   │   └── styles/      # CSS styles
│   └── public/          # Static assets
├── sample-app/          # Sample E-commerce API for testing
├── nginx/               # Nginx configuration
├── test/                # Test scripts and evaluation reports
└── docker-compose.yml   # Local infrastructure setup

发展

运行测试```bash

Run evaluation tests

python test_evaluation.py

Run GCP-specific tests

bash test_gcp_llm_fix.sh

Run local tests

bash test_llm_fix.sh


### 代码质量```bash
black backend/
ruff check backend/

关键技术

  • 后端:FastAPI(Python 3.11+)、SQLite、AsyncIO
  • 前端:React.js 18+,Axios
  • LLM:谷歌Gemini API(Gemini-2.5Pro、Gemini-2.5 flash)
  • 基础设施:Docker、PostgreSQL、Redis、Nginx
  • 云:谷歌云平台(计算引擎、云SQL、内存存储)
  • 协议:用于工具集成的模型上下文协议(MCP)

评估结果

系统实现 100%成功率 跨越4个综合测试场景:

  • 平均修复执行时间:约4.3分钟
  • 故障检测时间:\<120秒
  • LLM分析时间:\<60秒
  • 刀具选择精度: 100%

所有修复程序在第一次尝试时都成功执行,证明了LLM驱动的基础设施管理的有效性。

文档

有关详细信息,请参阅:

  • 项目报告.md -包含架构、实施细节和评估结果的综合项目报告
  • 测试/评估报告.md -详细的测试评估报告

许可证

麻省理工学院

作者

维奈·辛格

常见问题

7 问
答案由本站依据条目字段整理,不引用上游原文
Cloud MCP (cloudmcp) 怎么安装?

在客户端按下面的安装命令接入:pip install -r requirements.txt。装完在客户端配置里引用同一个包或端点。

Cloud MCP (cloudmcp) 怎么在客户端里配置?

它的传输方式未标注,在客户端 MCP 配置里按官方文档填写启动命令和参数,保存后重启客户端生效。

Cloud MCP (cloudmcp) 收费吗?

本站不代收费用,也没有标注具体价格。是否收费取决于服务本身和背后的接口额度,正式使用前按官方说明确认。

Cloud MCP (cloudmcp) 需要 API Key 吗?

资料标注为无需认证,装好就能连;如果实际调用时报鉴权错误,按官方文档补上凭据。

Cloud MCP (cloudmcp) 能提供哪些能力?

资料显示约 26 个工具;能力标签包括 基础设施管理、实时监控、Python、云服务。具体工具清单以官方文档为准。

Cloud MCP (cloudmcp) 需要什么运行环境?

属于本地进程,需要在本机装好运行环境。

Cloud MCP (cloudmcp) 是本地还是远程?

它是本地进程(stdio),由客户端在本机拉起。传输方式为stdio · 本地进程。

热门专题

按标签挑服务器
全部专题 →

服务器信息以作者仓库与官方文档为准;分类、传输方式与鉴权方式的中文说明为中文整理,最近核验 2026-05-17。