快速接入

先看主来源和安装命令，再打开仓库或文档；下面只保留这个条目的关键接入事实。

命令预览

python -m venv .venv

详细介绍

Oci mcp智能查询

Oci mcp智能查询 是一个使用人工智能的助手 模型上下文协议（MCP） 和 生成型人工智能（Ollama/OpenAI兼容模型） 到 使用自然语言编排Oracle云基础架构（OCI）资源.

你可以：

用简单的英语问：

- “从以下位置获取所有实例 test 隔间” - “创建计算实例 SMARTVMTEST 在 root/test 使用任何子网” - “终止 AUTOTEST 实例在 test 隔间”

让 规划师LLM 制定执行计划。
拥有 MCP客户端 使用 MCP服务器，它通过官方Python SDK与OCI通信。
使用 流线型UI 它看起来类似于现代的人工智能聊天客户端。

______________________________________________________________________

1.特点

🔹 自然语言→ OCI行动 通过Ollama/LLM规划师
🔹 MCP服务器 公开OCI工具：

- get_compartment_ocid - list_instances - get_instance_by_name - get_available_subnets - get_subnet_by_name - get_latest_image_by_prefix - get_images_by_prefix - create_compute_instance - delete_instance

🔹 智能规划 -规划者决定调用哪些工具以及如何将它们链接起来
🔹 流线型UI 具有类似控制台的输出
🔹 设计为 可扩展的 更多OCI服务，甚至未来的AWS

______________________________________________________________________

2.仓库布局

OCI-MCP-SmartQueryAI/
├── common/
│   └── utils.py
├── config/
│   └── settings.yaml           # OCI & app configuration (edit this)
├── docs/
│   └── architecture.md
├── mcp_server/
│   ├── mcp_oci_server.py       # FastAPI + MCP server for OCI tools
│   ├── oci_helper.py           # OCI SDK helper methods
│   └── tools/                  # MCP tool registration
├── mcp_client/
│   ├── mcp_client_helper.py    # MCP HTTP client wrapper
│   ├── streamlit_app.py        # (optional) Streamlit entrypoint
│   └── ollama/
│       ├── smart_ollama_mcp_client.py  # CLI AI planner client
│       └── planner_prompt.txt          # System prompt for planner LLM
├── scripts/
│   └── test_mcp_client.py      # Simple direct MCP client test
├── voice-assistant/
│   └── speech_to_text.py       # Future voice integration
├── control_services.sh         # Helper to start/stop MCP server + Streamlit UI
├── requirements.txt
└── README.md

______________________________________________________________________

3.先决条件

3.1.操作系统/运行时

Linux（在类似Oracle Linux/RELL的发行版上测试）
python 3.10+ （用3.12测试）
bash /POSIX外壳（用于 control_services.sh)

3.2.OCI设置

OCI配置文件

创建/验证 ~/.oci/config 使用配置文件（默认值： DEFAULT):

[DEFAULT]
user=ocid1.user.oc1..aaaaaaaa...
fingerprint=aa:bb:cc:dd:...
key_file=/home//.oci/oci_api_key.pem
tenancy=ocid1.tenancy.oc1..aaaaaaaa...
region=us-phoenix-1

政策/IAM

与您的配置关联的用户（或组）必须具有以下权限：

Allow group  to inspect compartments in tenancy
Allow group  to read virtual-network-family in tenancy
Allow group  to inspect images in tenancy
Allow group  to manage instance-family in compartment

调整范围(tenancy 与特定隔间相比）。

______________________________________________________________________

3.3。奥拉马/LLM

安装并运行 奥拉玛 在可从MCP客户端访问的机器上：

# On the Ollama host
curl -fsSL https://ollama.com/install.sh | sh        # or use the official installer
ollama serve                                        # typically listens on :11434

# Pull a suitable model (e.g., llama3.2)
ollama pull llama3.2

然后在环境中设置（在运行客户端/UI的计算机上）：

export OLLAMA_URL="http://
:11434/api/chat"
export OLLAMA_MODEL="llama3.2"

您可以根据需要交换其他支持聊天的模型，只要它们支持OpenAI风格 /api/chat 通过Ollama接口。

______________________________________________________________________

4.克隆和安装

# 1) Clone the repository
git clone https://github.com/bhaskaro/OCI-MCP-SmartQueryAI.git
cd OCI-MCP-SmartQueryAI

# 2) Create & activate virtual environment
python -m venv .venv
source .venv/bin/activate      # On Windows: .venv\Scripts\activate

# 3) Install dependencies
pip install --upgrade pip
pip install -r requirements.txt

# 4) Ensure Python can see this repo as a package
export PYTHONPATH="$(pwd)"

______________________________________________________________________

5.配置

5.1. `config/settings.yaml`

更新配置文件以匹配您的环境。典型的布局可能包括：

oci:
  profile: DEFAULT           # profile from ~/.oci/config
  region: us-phoenix-1       # OCI region
  default_compartment: test  # logical name used by your helper / planner

server:
  host: 0.0.0.0
  port: 8000

streamlit:
  host: 0.0.0.0
  port: 8501

调整按键/结构以匹配当前 settings.yaml 如果回购发生了变化。

这里是 更新了5.2环境变量部分，重写得很干净，以匹配你的新 .env-基于配置模型。你可以 将此内容直接复制并粘贴到README.md中.

______________________________________________________________________

5.2.环境变量

应用程序现在从以下位置加载配置 .env 文件 使用 python-dotenv. 这使敏感值远离源代码，并简化了部署。

步骤1——创建 `.env` 文件

从项目根：

cd OCI-MCP-SmartQueryAI

cat > .env :8501/`

______________________________________________________________________

## 8.通过CLI（智能Ollama MCP客户端）进行测试

AI规划器客户端位于 `mcp_client/ollama/smart_ollama_mcp_client.py`.

### 8.1.基本模式

从回购根目录（venv已激活，PYTHONPATH已设置）：

python -m mcp_client.ollama.smart_ollama_mcp_client "your natural language query here"


### 8.2.示例

#### 8.2.1.列出隔间中的实例

python -m mcp_client.ollama.smart_ollama_mcp_client \ "get list of instances from test compartment"


预期规划师计划（简化）：

{ "steps": [ { "tool": "get_compartment_ocid", "args": { "compartment_name": "test" }, "save_as": "compartment_ocid" }, { "tool": "list_instances", "args": { "compartment_ocid": "$compartment_ocid" }, "save_as": "instances" } ] }


客户将打印：

- 生成的计划
- 每次MCP工具调用
- 最终变量，包括 `instances` 包含实例详细信息。

______________________________________________________________________

#### 8.2.2.创建计算实例

查询示例：

python -m mcp_client.ollama.smart_ollama_mcp_client \ "create compute instance with the name SMARTVMTEST in compartment root/test. \ Take whatever subnet available in the same compartment."


典型方案：

1. `get_compartment_ocid` → 解决 `root/test`

1. `get_available_subnets` → 在该隔间中选择一个子网

1. `get_latest_image_by_prefix` → 例如，最新 `oracle-linux` 图像

1. `create_compute_instance` → 已解析OCID和默认值：

   - 形状： `VM.Standard.E2.1.Micro` （或按配置）
   - 可选的 `cpu_mem_shape` 用于弯曲
   - 子网OCID
   - 图像OCID

______________________________________________________________________

#### 8.2.3.获取单实例详细信息

python -m mcp_client.ollama.smart_ollama_mcp_client \ "get AUTOTEST instance details from test compartment"


规划师应：

1. 解析隔间OCID
1. 呼叫 `get_instance_by_name` （不是 `list_instances`)

______________________________________________________________________

#### 8.2.4.终止实例

python -m mcp_client.ollama.smart_ollama_mcp_client \ "terminate AUTOTEST instance in test compartment"


规划师应：

1. 解析隔间OCID
1. `get_instance_by_name`
1. `delete_instance` （使用 `$instance.id`)

底层辅助方法将：

- 呼叫 `terminate_instance`
- 民意调查 `TERMINATED` 状态达到配置的超时时间
- 返回结构化结果（例如。， `{ "instance_ocid": "...", "status": "TERMINATED" }`)

______________________________________________________________________

#### 8.2.5.按前缀获取最新图像

python -m mcp_client.ollama.smart_ollama_mcp_client \ "get latest image with prefix oracle-linux from compartment root"


计划员：

1. `get_compartment_ocid` 为了 `root`
1. `get_latest_image_by_prefix` 随着 `"oracle-linux"`

帮手：

- 用途 `list_images` 随着 `sort_by=TIMECREATED`, `sort_order=DESC`
- 按不区分大小写的前缀筛选
- 返回最新匹配的图像（id、name、time_created、lifecycle_state）

______________________________________________________________________

#### 8.2.6.按前缀获取所有图像

python -m mcp_client.ollama.smart_ollama_mcp_client \ "get all images with prefix oracle-linux from compartment root"


计划员：

1. `get_compartment_ocid`
1. `get_images_by_prefix`

助手使用 `list_call_get_all_results` 拿来 **所有页面** 并返回所有匹配图像的列表。

______________________________________________________________________

## 9.使用Streamlit UI

曾经 `control_services.sh` （或手动命令）已启动UI：

1. 打开浏览器：
   `http://:8501/`

1. 您将看到：

   - A. **头球** （例如，“OCI-MCP SmartQueryAI控制台”）

   - A. **红色水平线** 标题下

   - A. **文本框** 输入您的自然语言查询

   - A. **提交** 按钮

   - 控制台风格区域，打印：

     - 生成的计划
     - 每次MCP工具调用
     - 最终变量/结果

   - A. **页脚** 另一条红线和一条联系线（为保护隐私，电子邮件被屏蔽）

示例查询（与CLI相同）：

- `get list of instances from test compartment`
- `create compute instance with the name SMARTVMTEST in compartment root/test`
- `terminate AUTOTEST instance in test compartment`
- `get all images with prefix oracle-linux from compartment root`

______________________________________________________________________

## 10.可扩展性

OCI MCP SmartQueryAI旨在 **开放的**:

1. **添加新的辅助方法** 在 `mcp_server/oci_helper.py`
   （例如，卷、负载平衡器、对象存储、自治数据库）。

1. **将它们注册为MCP工具** 在 `mcp_server/mcp_oci_server.py`.

1. **把它们交给计划者** 通过更新 `planner_prompt.txt` 与：

   - 工具名称
   - 参数
   - 行为规则/何时使用

1. 可选择将计划器提示调整为：

   - 亚马逊云服务
   - 多云场景
   - 高阶工作流（例如，“克隆此实例”、“快照然后终止”）

这使得该框架成为 **全AI驱动的云编排**.

______________________________________________________________________

## 11.安全注意事项

- 这个工具可以 **创建和销毁真实的OCI资源**.

- 始终进行测试 **非生产区** 第一。

- 考虑添加：

  - “干运行”模式
  - 明确确认破坏性操作(`delete_instance`等等）
  - 日志/审计挂钩

______________________________________________________________________

目录标签

AI驱动Python自然语言处理本地部署云资源管理Oracle云自动化工具

接入字段

传输方式（transport，传输协议）

stdio

鉴权方式（authType，认证方式）

none

运行时（runtime，运行环境）

Python

工具数量（toolCount，工具数）

0

资源数量（resourceCount，资源数）

0

提示词数量（promptCount，提示词数）

0

权限和风险

stdionone部署方式未说明

接入前请确认传输方式、认证方式和部署位置，并根据实际工具能力限制访问范围。

安装前确认

不要直接授予不必要的文件、网络或账号权限；先核对安装命令和配置内容。

来源信息

MCP World

mcpworld.com

/detail/c42c9a19ea6dff8262214bab86625c9a

OCI-MCP-SmartQueryAI 是一款基于AI的自然语言驱动的Oracle云基础设施资源管理工具，支持通过自然语言指令查询、创建和管理云资源。

继续浏览同类 MCP

更多运维云端 MCP（13,854）返回 MCP 目录

上一个 MCP

Oci MCP Server 8eded434

Enables LLMs like Claude to interact directly with Oracle Cloud Infrastructure resources, supporting dynamic profile switching between tenancies and comprehensive management of compute instances, database systems, and OCI resources through natural language.

下一个 MCP

Ocl Nexus

OCL Nexus: The Orchestrated Compute Layer for AI Agents.\\r\\n\\r\\nOn-demand, isolated Ubuntu execution environments for agentic development. Deploy, manage, and scale micro-workloads with native MCP support on high-performance EU-based hardware.

OCI MCP Smartqueryai

快速接入

详细介绍

Oci mcp智能查询

1.特点

2.仓库布局

3.先决条件

3.1.操作系统/运行时

3.2.OCI设置

3.3。奥拉马/LLM

4.克隆和安装

5.配置

5.1. config/settings.yaml

5.2.环境变量

步骤1——创建 .env 文件

目录标签

接入字段

权限和风险

来源信息

继续浏览同类 MCP

5.1. `config/settings.yaml`

步骤1——创建 `.env` 文件