AI增强SRE助手
🚀 人工智能增强SRE助手（MCP服务器套件） 由模型上下文协议（MCP）支持的现代SRE工具 Kubernetes调试•日志分析•部署洞察•人工智能随叫随到自动化
📌 概述
该项目实现了一组生产级MCP（模型上下文协议）服务器，使LLM（ChatGPT、Claude等）能够以安全、许可、确定的方式直接与真实的SRE/DevOps系统交互。
AI可以：
调查失败的Kubernetes Pod
分析来自服务的日志
检查部署运行状况
建议RCA（根本原因分析）
生成补救步骤
自动化安全的SRE工作流程
该存储库旨在既是一个学习参考，也是一个展示人工智能增强DevOps和SRE未来的投资组合项目。
🧠 这个项目展示了什么
✔ How MCP works in real-world SRE tasks
✔ How LLMs can safely inspect infra without full access
✔ How to expose tools and resources to an AI
✔ How AI can help debug, analyze, and automate SRE workflows
✔ A complete working example of AI + Infra convergence (2026 skillset)📁 存储库结构
ai-sre-mcp/
│
├── servers/
│ ├── k8s_server.py # Kubernetes debugging tools
│ ├── log_server.py # Log inspection tools
│ └── deployment_server.py # Deployment health insights
│
├── examples/
│ ├── diagnose_pod.txt
│ ├── analyze_logs.txt
│ └── summarize_incident.txt
│
├── README.md
└── requirements.txt⚙️ 能力
🔹 1. Kubernetes Debugging Server
Tools exposed:
List pods
Describe pods
Retrieve logs
Restart deployments
Inspect restarts & statuses
Use cases:
CrashLoopBackOff analysis
Pod misconfiguration debugging
Deployment rollout checks
Node-level investigation (future expansion)
🔹 2. Log Analysis Server
Tools exposed:
List available log files
Read specific logs
Use cases:
Error spike analysis
Latency pattern detection
AI-driven anomaly detection
Incident summaries & RCA generation
🔹 3. Deployment Health Server
Tools exposed:
Get deployment replica status
Inspect readiness & health
Analyze rollout timestamps
Use cases:
Post-deployment verification
Canary analysis
Rollout stability checks
📦 安装和设置
- 克隆存储库
克隆https://github.com/ambarishravindran1994/ai-sre-mcp.git cd-ai-sre-mcp
- 安装依赖项
pip安装-r要求.txt
- 确保您拥有：
Python 3.10+
访问Kubernetes集群（kubectl配置）
一些示例登录。/演示日志/（或配置您自己的目录）
🏃♂️ 运行MCP服务器
每台服务器都使用stdio传输，这是本地MCP的默认传输方式。
运行Kubernetes服务器： python服务器/k8s_server.py
运行日志服务器： python服务器/log_server.py
运行部署服务器： python服务器/部署服务器.py
在ChatGPT或任何兼容MCP的LLM客户端中将它们配置为MCP工具。
🧪 示例工作流（复制/粘贴到AI聊天中）
这些示例位于examples/文件夹中。
- 诊断CrashLoopBackOff吊舱
使用k8s_server中的工具：
- list_pods（名称空间=“payments”）
- describe_pod（pod_name=“payments-api-123”，namespace=“pays”）
- get_logs（pod_name=“payments-api-123”）
确定吊舱重启的原因，并提出缓解措施。
- 分析日志是否存在高延迟
使用log_server工具：
- list_logs（）
- get_log（“支付api.log”）
查找任何导致高延迟的异常、尖峰或模式。 提供总结和可能的根本原因。
- 发布后验证部署
使用部署服务器中的工具：
- get_deployment_status（“签出服务”，命名空间=“prod”）
解释部署是否正常，所有副本是否都已更新。
🧩 架构图
+------------------+
| LLM Client |
| (ChatGPT/Claude) |
+--------+---------+
|
MCP Protocol
|
---------------------------------
| | |
+---------------+ +----------------+ +-------------------+
| K8s MCP Server| | Log MCP Server | | Deployment Server |
+-------+-------+ +-------+--------+ +---------+---------+
| | |
Kubernetes API App Log Files K8s Deployment API