AI MCP cloud platforms

云平台MCP服务器演示

一个全面的示范 模型上下文协议（MCP）服务器 它通过智能提示和工具实现了与云资源管理的自然语言交互。

🎯 概述

该项目展示了MCP如何将复杂的云基础设施管理转化为直观、对话式的工作流程。通过将LLM客户端连接到我们的MCP服务器，用户可以使用自然语言查询执行复杂的云资源分析、安全审计和访问管理。

关键创新：用户不必编写复杂的SQL查询或API调用，只需询问： _“请帮我登上爱丽丝·史密斯”_ 或 _“审核AWS资源的所有写入权限”_ 并获得全面、结构化的回应。

✨ 特性

🤖 MCP服务器功能

• 6核心工具 用于云资源管理
• 5个预定义提示 用于常见的IT工作流程
• 自然语言接口 通过模型上下文协议
• 实时数据访问 通过FastAPI后端
• 多云支持 （AWS、Azure、GCP）

🔧 后端基础设施

• FastAPI REST API 具有完整的CRUD操作
• PostgreSQL数据库 具有优化的模式
• Docker编排 便于部署
• 健康检查 监测
• 自动数据种子 具有真实的测试数据

🛡️ 安全与合规

• 权限审核 跨云平台
• 准入调查 针对特定资源
• 特权评论 识别特权账户
• 开发人员入职培训 具有自动访问验证功能

🏗️ 建筑

┌─────────────────────┐    ┌─────────────────────┐    ┌─────────────────────┐
│    LLM Client       │◄──►│    MCP Server       │◄──►│    FastAPI          │
│                     │    │    (Port 9001)      │    │    (Port 8000)      │
│ • Natural Language  │    │ • 6 Tools           │    │ • CRUD Operations   │
│ • Conversational UI │    │ • 5 Smart Prompts   │    │ • Data Validation   │
│ • Auto Tool Select  │    │ • Protocol Handler  │    │ • Business Logic    │
└─────────────────────┘    └─────────────────────┘    └─────────────────────┘
                                      │                           │
                                      │                           │
                                      ▼                           ▼
                           ┌─────────────────────────────────────────────┐
                           │            PostgreSQL Database              │
                           │                (Port 5432)                  │
                           │ • Developers Table                          │
                           │ • Cloud Resources Table                     │
                           │ • Permissions Table                         │
                           └─────────────────────────────────────────────┘

🚀 快速开始

先决条件

• Docker&Docker编写
• Python 3.11+（用于本地开发）

1.克隆并启动

git clone 
cd ai_mcp_cloud_platforms

# Start all services
docker-compose up -d

# Check service status
docker-compose ps

2.验证安装

# Test API
curl http://localhost:8000/developers/

# Test MCP Server
curl http://localhost:9001/mcp/

# Run demonstration
python demo_prompts.py

3.接入服务

• API文档: http://localhost:8000/docs
• MCP服务器: http://localhost:9001/mcp/
• 数据库：本地主机：5432（itadmin/itadmin）

🔨 项目结构

ai_mcp_cloud_platforms/
├── API/                           # FastAPI Backend
│   ├── main.py                   # API entry point
│   ├── models.py                 # SQLAlchemy models
│   ├── database/
│   │   ├── init_db.sql          # Database schema
│   │   └── connection.py        # DB connection
│   ├── routes/                   # API endpoints
│   │   ├── developers.py        # Developer CRUD
│   │   ├── cloud_resources.py   # Resource CRUD
│   │   └── permissions.py       # Permission CRUD
│   └── Dockerfile               # API container
│
├── MCP_SERVER/                   # MCP Server
│   ├── main.py                  # MCP entry point
│   ├── tools.py                 # 6 MCP tools
│   ├── prompts.py               # 5 predefined prompts
│   └── Dockerfile               # MCP container
│
├── seed_data/                    # Database seeding
│   └── seed_api.py              # Test data generation
│
├── docker-compose.yml            # Service orchestration
├── demo_prompts.py              # Demonstration script
├── MCP_PROMPTS_GUIDE.md         # Prompt documentation
├── PROJECT_SUMMARY.md           # Technical deep dive
└── README.md                    # This file

🛠️ MCP服务器详细信息

可用工具

智能提示

🎮 如何互动

通过API（直接）

# Get all developers
curl http://localhost:8000/developers/

# Get permissions for developer ID 1
curl http://localhost:8000/permissions/by-developer/1

# Get who can access resource ID 1
curl http://localhost:8000/permissions/by-resource/1

通过MCP（自然语言）

使用兼容MCP的LLM客户端：

User: "Help me onboard developer Alice Smith"
LLM: Uses developer_onboarding prompt → Shows Alice's resources across clouds

User: "Who has write access to AWS resources?"
LLM: Uses security_audit_write_access prompt → Lists write permissions

User: "Investigate access to the AWS S3 Bucket"
LLM: Uses resource_access_investigation prompt → Shows detailed access

通过演示脚本

python demo_prompts.py

这将使用真实数据运行所有5个提示，并准确显示LLM将看到的内容。

📊 样品数据

该系统预装了真实的测试数据：

开发者（5）

• 爱丽丝·史密斯、鲍勃·琼斯、卡罗尔·李、大卫·金、伊娃·布朗

云资源（15）

• 亚马逊云服务：S3存储桶、EC2实例、RDS数据库、Lambda函数、DynamoDB表
• Azure：VM、Blob存储、SQL数据库、应用服务、Cosmos DB
• 谷歌云平台：BigQuery、计算引擎、云存储、云SQL、发布/订阅

权限（55）

• READ、WRITE和RW权限的真实分布
• 多云访问模式
• 每个开发人员的权限级别不同

🔧 发展

地方发展设置

# Install dependencies
pip install fastapi uvicorn sqlalchemy psycopg2-binary
pip install fastmcp

# Start PostgreSQL (via Docker)
docker-compose up demo-db -d

# Run API locally
cd API && python -m uvicorn main:app --reload --port 8000

# Run MCP Server locally
cd MCP_SERVER && python main.py

添加新工具

1. 在中定义工具功能 MCP_SERVER/tools.py
2. 添加 @mcp.tool() 装饰器
3. 注册 main.py
4. 使用演示脚本进行测试

添加新提示

1. 在中创建提示功能 MCP_SERVER/prompts.py
2. 添加 @mcp.prompt() 装饰器
3. 注册 main.py
4. 文档在 MCP_PROMPTS_GUIDE.md

🐳 Docker服务

环境变量

POSTGRES_USER=itadmin
POSTGRES_PASSWORD=itadmin
POSTGRES_DB=demo_db
POSTGRES_HOST=demo-db
POSTGRES_PORT=5432
API_BASE_URL=http://demo-api:8000

🧪 测试

API测试

# Health check
curl http://localhost:8000/

# Get all developers
curl http://localhost:8000/developers/ | jq

# Test filtering
curl http://localhost:8000/cloud_resources/?cloud_type=AWS | jq

MCP测试

# Run full demonstration
python demo_prompts.py

# Test specific scenarios
python -c "
import requests
print(requests.get('http://localhost:8000/permissions/by-developer/1').json())
"

🎯 用例

1. IT运营

• 自动化开发人员入职流程
• 生成访问报告以确保合规性
• 快速调查安全事件
• 通过访问分析规划云迁移

2. 安全团队

• 跨云平台审核权限
• 识别特权账户
• 跟踪资源访问模式
• 生成合规报告

3. DevOps团队

• 在部署过程中验证开发人员的访问权限
• 分析云资源利用率
• 集中管理多云权限
• 简化访问审查

🚀 扩展项目

潜在增强功能

• 成本跟踪：将云成本数据添加到资源中
• 基于时间的访问：实施临时权限
• 审批工作流：添加权限请求/批准
• 警报系统：通知异常访问模式
• 多用户：支持多个组织
• 资源标记：添加元数据和分类

整合思路

• LDAP/Active Directory：与企业标识同步
• 云提供商API：实时资源发现
• 松弛/团队：基于聊天的访问请求
• 监视工具：与DataDog、New Relic集成
• CI/CD管道：自动访问验证

📚 文档

• API文档：自动生成于http://localhost:8000/docs
• MCP提示指南：参见 MCP_PROMPTS_GUIDE.md
• 技术深度潜水：参见 项目\_ SUMMARY.md
• 数据库模式：参见 API/database/init_db.sql

🤝 贡献

1. 分叉存储库
2. 创建要素分支
3. 添加新功能的测试
4. 更新文档
5. 提交拉取请求

📄 许可证

该项目旨在展示MCP的能力。有关详细信息，请参阅LICENSE文件。

🙋‍♂️ 支持

有关此MCP服务器演示的问题：

• 查看 MCP_PROMPTS_GUIDE.md 以便迅速使用
• 检查 项目\_ SUMMARY.md 了解技术细节
• 跑 python demo_prompts.py 查看系统的运行情况

______________________________________________________________________

🎉 准备好见证人工智能云管理的实际应用了吗？

跑 docker-compose up -d 然后 python demo_prompts.py 体验自然语言如何将复杂的云基础设施任务转化为简单的对话！