Orbit MCP-基于人工智能的DevOps平台
轨道MCP 是一个混合DevOps平台，结合了传统的命令行工具、用于IDE集成的MCP服务器功能和由LLM支持的智能AI代理。它使开发人员和DevOps团队能够通过以下方式管理基础设施 自然语言、直接命令或人工智能辅助的工作流程。
？？新增内容：AI代理集成
Orbit MCP现在包括 内置AI代理 这可以：
- ?? 理解自然语言 -“检查服务器ilgss1111上OpenSearch失败的原因”
- ?? 自主计划和执行 -将复杂任务分解为步骤
- ?? 优化成本 -在OpenAI、Claude或本地Ollama模型之间进行智能选择
- ?? 使用DevOps工具 -SSH、Docker、Kubernetes、日志等
- ?? 原因和诊断 -分析日志并解释根本原因
- ?? 默认安全 -确认破坏性操作
？？三种操作模式
1. AI代理模式 新
用自然语言提问：
# One-shot queries
$ mcp ai ask "Check status of server prod-web-01"
? Server prod-web-01 is healthy
- Uptime: 23 days
- Load: 0.8, 1.2, 1.5
- Memory: 62% used
- Disk: 45% used
# Interactive chat
$ mcp ai chat
You: Why did nginx fail?
Orbit AI: [analyzes logs] Nginx failed due to SSL certificate expiration...
You: Show me the OpenSearch cluster status
Orbit AI: [checks cluster] Status: RED. Root cause: Disk full on node 1...在以下情况下使用：
- 调查事件
- 诊断复杂问题
- 需要智能分析
- 想要对话式互动
2. MCP服务器模式
与Cursor或其他AI IDE集成：
// Cursor config
{
"mcpServers": {
"orbit-mcp": {
"command": "mcp-server",
"transport": "stdio"
}
}
}在光标中：
You: "Check production server status"
Cursor AI ? orbit-mcp ? infrastructure ? results ? Cursor AI ? You在以下情况下使用：
- 在IDE中工作（游标、VS代码）
- 在编码过程中需要人工智能的帮助
- 开发时需要基础设施背景
3. 传统CLI模式
直接命令（无AI）：
mcp ssh exec prod-web-01 "systemctl status nginx"
mcp docker ps
mcp k8s pods -n production在以下情况下使用：
- 脚本编写和自动化
- 已知的确切命令
- 速度至关重要
- 不需要AI
？？它管理什么
- SSH访问 -执行远程命令、尾部日志、传输文件
- 码头工人 -容器、图像、日志、统计数据
- Kubernetes -Pod、服务、部署、扩展
- Docker Compose -多容器应用
- 舵 -Kubernetes包管理
- 系统日志 -日志、系统日志、应用程序日志
- 命令别名 -自定义快捷方式
快速入门
安装
# Clone repository
git clone
cd orbit-mcp
# Install dependencies
pip install -r requirements.txt
# Install Orbit
pip install -e .AI代理设置
# Option 1: Use Ollama (local, free)
curl -fsSL https://ollama.ai/install.sh | sh
ollama pull llama2
# Option 2: Use OpenAI
export OPENAI_API_KEY=sk-...
# Option 3: Use Anthropic Claude
export ANTHROPIC_API_KEY=sk-ant-...配置
# Copy example config
cp config.example.yaml ~/.mcp/config.yaml
# Edit config
vim ~/.mcp/config.yaml第一个AI查询
mcp ai ask "Hello, introduce yourself"？？AI代理示例
服务器健康检查
$ mcp ai ask "Is server prod-web-01 healthy?"
Checking prod-web-01...
? Server is healthy
- Uptime: 23 days, 14:32
- Load average: 0.8, 1.2, 1.5 (normal)
- Memory: 8.2 GB / 16 GB (62% used)
- Disk: 145 GB / 500 GB (45% used)
- No critical errors in logs
Status: All systems operational日志分析
$ mcp ai ask "Why did the OpenSearch cluster fail on ilgss1111?"
Investigating OpenSearch failure on ilgss1111...
Step 1: Checking service status...
? Service: inactive (failed)
? Exit code: 137 (OOM kill)
Step 2: Analyzing logs...
? Found OutOfMemoryError at 14:57:23
? Heap size: 2GB configured, attempted to allocate 3.2GB
ROOT CAUSE:
The OpenSearch cluster failed due to insufficient heap memory.
The JVM tried to allocate 3.2GB but only 2GB was configured,
triggering an out-of-memory kill by the system.
RECOMMENDATION:
Increase heap size in /etc/opensearch/jvm.options:
-Xms4g
-Xmx4g
Cost: $0.0342 today互动调查
$ mcp ai chat
Welcome to Orbit AI ??
You: What pods are failing in production?
Orbit AI: Checking production Kubernetes cluster...
Found 3 pods in CrashLoopBackOff:
- api-server-7d9f8 (15 restarts)
- worker-queue-4k2p1 (8 restarts)
- redis-cache-9x7m4 (23 restarts)
You: Show logs for api-server
Orbit AI: Retrieving logs...
Key error found: "ECONNREFUSED redis:6379"
The API server can't connect to Redis.
You: Why is Redis failing?
Orbit AI: Checking Redis logs...
Redis error: "OOM command not allowed when used memory > 'maxmemory'"
ROOT CAUSE: Redis has run out of memory (maxmemory limit hit)
SOLUTION:
1. Increase Redis memory limit:
kubectl edit deployment redis-cache
# Set resources.limits.memory to 2Gi
2. Or clear Redis cache:
kubectl exec redis-cache-9x7m4 -- redis-cli FLUSHALL
Would you like me to help execute this?LLM供应商和成本管理
支持的提供商
| 提供商 | 最佳选择 | 成本 | 设置 |
|---|---|---|---|
| 奥拉玛 | 隐私，无限制使用 | 0美元（本地） | ollama pull llama2 |
| 开放人工智能 | 一般推理 | 0.0015-0.06/1K代币 | export OPENAI_API_KEY=... |
| Anthropic | 大上下文（10万个代币） | 0.00025-0.075/1K个代币 | export ANTHROPIC_API_KEY=... |
成本控制
自动预算管理：
# ~/.mcp/config.yaml
llm:
cost_control:
daily_budget: 10.0 # Max $10/day
monthly_budget: 200.0 # Max $200/month
alert_at: 0.8 # Alert at 80%
prefer_local: true # Use Ollama for simple tasks
auto_optimize: true # Switch to cheaper models when needed使用情况跟踪
$ mcp ai usage
Today:
Cost: $0.2450 / $10.00
Tokens: 15,230
Remaining: $9.76
This Month:
Cost: $12.45 / $200.00
Tokens: 782,100
Remaining: $187.55成本优化
代理自动执行以下操作：
- 用途 局部模型 （Ollama）用于简单任务
- 用途 GPT-3.5 对于中等复杂性
- 用途 克劳德 用于大型上下文（日志、配置）
- 储备 GPT-4/Claude Opus 用于复杂推理
例子：
Simple query: "List pods"
? Uses: Ollama (free)
Complex analysis: "Diagnose cluster failure"
? Uses: Claude-3-Sonnet ($0.08)
Huge logs (50K tokens): "Analyze these logs"
? Uses: Claude (100K context) after optimization
? Optimizes: 50K tokens ? 3K tokens (95% reduction)
? Cost: $0.09 instead of $1.50？？使用模式
AI问（一枪）
# Basic queries
mcp ai ask "Check server prod-web-01"
mcp ai ask "List all running containers"
mcp ai ask "Show Kubernetes pod status"
# Complex diagnostics
mcp ai ask "Why is nginx down on prod-web-02?"
mcp ai ask "Analyze error logs from last hour"
# Specify provider
mcp ai ask "Complex query" --provider anthropic
# Output formats
mcp ai ask "List pods" --format json人工智能聊天（交互式）
# Start session
mcp ai chat
# Commands inside chat
/help # Show help
/status # Usage stats
/model # Switch LLM
/reset # Clear history
/exit # Quit
# Just talk naturally
You: Check production status
You: Show me the logs
You: What's causing the errors?传统CLI
# SSH
mcp ssh list
mcp ssh exec prod-web-01 "systemctl status nginx"
mcp ssh logs prod-web-01 /var/log/nginx/error.log
# Docker
mcp docker list
mcp docker logs my-container
mcp docker stats my-container
# Kubernetes
mcp k8s pods -n production
mcp k8s logs my-pod -n default
mcp k8s scale my-deployment 5 -n production配置示例
~/.mcp/config.yaml:
# SSH Servers
ssh:
servers:
prod-web-01:
host: 192.168.1.100
username: admin
key_file: ~/.ssh/id_rsa
# Docker Hosts
docker:
hosts:
local:
type: local
socket: unix:///var/run/docker.sock
# Kubernetes Clusters
kubernetes:
clusters:
prod-k8s:
kubeconfig: ~/.kube/config
context: prod-cluster
# LLM Configuration
llm:
default_provider: ollama
providers:
openai:
enabled: true
model: gpt-3.5-turbo
api_key: ${OPENAI_API_KEY}
anthropic:
enabled: true
model: claude-3-sonnet
api_key: ${ANTHROPIC_API_KEY}
ollama:
enabled: true
model: llama2
base_url: http://localhost:11434
cost_control:
daily_budget: 10.0
monthly_budget: 200.0
prefer_local: true
# Security
security:
confirm_destructive: true
allowed_commands:
- systemctl
- docker
- kubectl
blocked_patterns:
- rm -rf
- mkfs建筑
Orbit MCP使用混合架构：
????????????????????????????????????????????????
? ORBIT-MCP ?
? ?
? ?????????????? ???????????? ??????????? ?
? ? MCP Server ? ? AI Agent ? ? CLI ? ?
? ? (Cursor) ? ? (LLM) ? ? (Direct)? ?
? ?????????????? ???????????? ??????????? ?
? ? ? ? ?
????????????????????????????????????????????????
? ? ?
??????????????? ?
? ?
???????????????????
? Tool Registry ?
? (Infrastructure)?
???????????????????
?
?????????????????????????
? ? ?
? ? ?
?????????? ?????????? ????????
? SSH ? ? Docker ? ? K8s ?
?????????? ?????????? ????????AI代理循环：
User Prompt
?
1. PARSE INTENT
?
2. CREATE PLAN (LLM)
?
3. EXECUTE STEPS (Tools)
?
4. REFLECT & ANALYZE (LLM)
?
Final Response？？安全
凭证
- 存储在
~/.mcp/config.yaml（0600权限） - 环境变量中的LLM API键
- 建议使用基于SSH密钥的身份验证
- 从未致力于版本控制
安全特性
- 需要确认 用于破坏性操作
- 命令异教徒 -仅允许的命令
- 堵塞的图案 -危险命令被阻止
- 数据编辑 -LLM之前删除的秘密
- 只读默认值 -大多数操作都是诊断性的
最佳实践
# ? Good - use SSH keys
mcp config add-ssh server host user --key ~/.ssh/id_rsa
# ? Avoid - plain text passwords
mcp config add-ssh server host user --password secret
# ? Good - environment variables for LLM keys
export OPENAI_API_KEY=sk-...
# ? Avoid - hardcoded in config？？文件
路线图
？第一阶段：核心平台（完成）
- \[x\] SSH、Docker、Kubernetes管理
- \[x\] 传统CLI界面
- \[x\] MCP协议服务器
- \[x\] 配置管理
？第2阶段：人工智能集成（完成）
- \[x\] 多LLM支持（OpenAI、Anthropic、Ollama）
- \[x\] 计划执行反映代理循环
- \[x\] 成本管理和优化
- \[x\] 交互式REPL模式
- \[x\] 令牌优化
第三阶段：增强型人工智能（进行中）
- \[\]多圈自校正
- \[\]从事件中学习
- \[\]自动执行runbook
- \[\]语音接口
- \[\]可视化仪表板
第四阶段：团队与企业
- \[\]多用户支持
- \[\]RBAC和权限
- \[\]PagerDuty/Slack集成
- \[\]事件管理
- \[\]团队协作
- \[\]Web UI仪表板
？？用例
DevOps随叫随到
# Incident investigation
mcp ai chat
You: PagerDuty alert - API latency high
AI: [checks metrics, logs, pods]
AI: Database connection pool exhausted...基础设施审计
mcp ai ask "Check all production servers for security updates"
mcp ai ask "What containers are running outdated images?"容量规划
mcp ai ask "Show resource usage trends for last week"
mcp ai ask "Which servers need more disk space?"开发人员生产力
# In Cursor while coding
You: "Check if staging deployment succeeded"
Cursor AI ? orbit-mcp ? K8s ? "Deployment successful, 3/3 pods ready"？？贡献
欢迎投稿！拜托：
- 分叉存储库
- 创建特征分支(
git checkout -b feature/amazing) - 提交更改(
git commit -m 'Add amazing feature') - 推送到分支(
git push origin feature/amazing) - 打开拉取请求
？？许可证
MIT许可证-请参阅 许可证 文件
？？支持
？？致谢
- 使用Python、Paramiko、Docker SDK、Kubernetes客户端构建
- LLM整合：OpenAI、Anthropic、Ollama
- 人工智能工具集成的MCP协议
- 受人工智能代理和DevOps自动化最佳实践的启发
______________________________________________________________________
？快速命令参考
# AI Agent
mcp ai ask "
" # One-shot query
mcp ai chat # Interactive mode
mcp ai models # List LLM models
mcp ai usage # Show costs
# Traditional CLI
mcp ssh exec "" # Execute command
mcp docker ps # List containers
mcp k8s pods -n # List pods
# Configuration
mcp config list # Show config
mcp config show # Display full config立即开始使用Orbit AI！ ??
pip install -e .
mcp ai ask "Hello, introduce yourself"