WSL MCP服务器-智能WSL管理
使用构建的强大的模型上下文协议（MCP）服务器。NET 10，支持基于AI的Windows Linux子系统（WSL）配置和管理。具有使用Microsoft语义内核和机器学习功能进行优化和预测的智能代理。
🚀 特性
WSL核心管理
- 分销管理：列出、安装、启动、停止、导出和导入WSL发行版
- 命令执行：在任何WSL发行版中运行命令
- 配置：通过以下方式修改WSL设置（内存、CPU、交换等）
.wslconfig - 文件操作：在Windows和WSL文件系统之间复制文件
- 系统信息：获取详细的WSL版本和状态信息
🤖 人工智能驱动的智能
- 语义核心代理：具有自然语言理解能力的复杂任务规划和执行
- 性能分析：基于机器学习的WSL资源使用和瓶颈洞察
- 智能推荐：基于系统指标的AI生成的优化建议
- 资源预测：预测不同工作负载类型的资源需求
- 自动化任务规划：将复杂的操作分解为可管理的步骤
🎯 Windows 11 ML集成
- 性能趋势分析
- 瓶颈检测
- 针对具体工作量的资源建议
- 健康评分和诊断
📋 先决条件
- Windows 11（建议使用22H2或更高版本）
- WSL 2已安装并配置
- .NET 10 SDK
- （可选）用于高级代理功能的OpenAI API密钥
🛠️ 安装
1.克隆或下载
cd d:\wsl-mcp-agent2.恢复依赖关系
dotnet restore3.建设项目
dotnet build4.（可选）配置AI功能
对于语义内核代理功能，设置环境变量：
$env:OPENAI_API_KEY = "your-api-key-here"或者使用Azure OpenAI：
$env:AZURE_OPENAI_ENDPOINT = "your-endpoint"
$env:AZURE_OPENAI_KEY = "your-key"5.运行服务器
dotnet run📖 MCP工具参考
WSL基本操作
wsl_list_distros
列出所有已安装的WSL发行版及其状态信息。
参数：无
示例响应:
[
{
"name": "Ubuntu",
"isDefault": true,
"state": "Running",
"version": "2"
}
]wsl_get_info
获取WSL版本和系统信息。
参数：无
wsl_install_distro
安装新的WSL发行版。
参数:
distro（string）：发行版名称（例如，“Ubuntu”、“Debian”、“Kali Linux”）
wsl_start_distro
启动或唤醒WSL分发。
参数:
distro（string）：要开始的分发名称
wsl_stop_distro
停止/终止正在运行的WSL分发。
参数:
distro（string）：要停止的分发名称
wsl_execute_command
在WSL发行版中执行命令。
参数:
distro（string）：分发名称command（string）：要执行的命令
示例:
{
"distro": "Ubuntu",
"command": "uname -a"
}配置和管理
wsl_configure
配置WSL设置（内存、处理器、交换等）。
参数:
settings（object）：配置对象
示例:
{
"settings": {
"memory": "8GB",
"processors": "4",
"swap": "4GB",
"localhostForwarding": "true"
}
}wsl_export_distro
将WSL发行版导出到tar文件。
参数:
distro（string）：分发名称output_path（string）：tar文件的路径（例如，“C:\\backups\\ubuntu.tar”）
wsl_import_distro
从tar文件导入WSL发行版。
参数:
distro（string）：新分发名称tar_path（string）：tar文件的路径install_path（string）：安装位置
文件操作
wsl_copy_from_wsl
将文件从WSL复制到Windows。
参数:
distro（string）：分发名称wsl_path（string）：WSL中的源路径（例如，“/home/user/file.txt”）windows_path（string）：Windows中的目标（例如，“C:\\temp\\file.txt”）
wsl_copy_to_wsl
将文件从Windows复制到WSL。
参数:
distro（string）：分发名称windows_path（string）：Windows中的源路径wsl_path（string）：WSL中的目标
🤖 AI代理功能
wsl_agent_task
使用AI代理执行复杂的WSL任务，并进行规划和推理。
参数:
task（string）：自然语言任务描述context（字符串，可选）：其他上下文或约束
示例:
{
"task": "Set up a new Ubuntu distribution optimized for Docker development",
"context": "I need at least 16GB memory and want to enable systemd"
}wsl_get_recommendations
获取人工智能支持的WSL优化建议。
参数:
distro（字符串，可选）：特定分发名称
示例响应:
{
"score": 75,
"items": [
{
"category": "Memory",
"priority": "High",
"title": "High Memory Usage Detected",
"description": "Current memory usage is 85%",
"action": "Add 'memory=8GB' to .wslconfig",
"expectedImpact": "Improved performance and reduced swapping"
}
]
}wsl_analyze_performance
使用机器学习见解分析WSL性能和资源使用情况。
参数:
distro（字符串，可选）：特定分发名称
wsl_predict_resources
使用ML预测未来的资源需求。
参数:
distro（string）：分发名称workload（string）：工作负载描述（例如，“Docker容器”、“ML培训”、“web开发”）
示例:
{
"distro": "Ubuntu",
"workload": "Running multiple Docker containers for microservices development"
}示例响应:
{
"recommendedMemoryGb": 16,
"recommendedCpuCores": 6,
"recommendedDiskGb": 100,
"confidence": 0.90,
"reasoning": "Container workloads require substantial resources"
}🎮 用法示例
示例1：基本WSL管理
// List all distributions
{"tool": "wsl_list_distros"}
// Start Ubuntu
{"tool": "wsl_start_distro", "arguments": {"distro": "Ubuntu"}}
// Execute command
{"tool": "wsl_execute_command", "arguments": {
"distro": "Ubuntu",
"command": "df -h"
}}示例2：配置
// Configure WSL for high-performance workloads
{"tool": "wsl_configure", "arguments": {
"settings": {
"memory": "16GB",
"processors": "8",
"swap": "8GB",
"nestedVirtualization": "true",
"vmIdleTimeout": "60000"
}
}}示例3：人工智能驱动的任务执行
// Let the agent handle complex setup
{"tool": "wsl_agent_task", "arguments": {
"task": "Install and configure a new Debian distribution for Python data science work",
"context": "Need Jupyter, pandas, numpy, and scikit-learn"
}}
// Get performance recommendations
{"tool": "wsl_get_recommendations", "arguments": {
"distro": "Ubuntu"
}}
// Predict resources for workload
{"tool": "wsl_predict_resources", "arguments": {
"distro": "Ubuntu",
"workload": "Training machine learning models with TensorFlow"
}}示例4：备份和迁移
// Export current distribution
{"tool": "wsl_export_distro", "arguments": {
"distro": "Ubuntu",
"output_path": "C:\\Backups\\ubuntu-backup.tar"
}}
// Import to new location
{"tool": "wsl_import_distro", "arguments": {
"distro": "Ubuntu-Dev",
"tar_path": "C:\\Backups\\ubuntu-backup.tar",
"install_path": "C:\\WSL\\Ubuntu-Dev"
}}🏗️ 建筑
技术栈
- .NET 10：最新。NET功能，包括原生AOT支持
- 模型上下文协议：用于工具注册和通信的MCP SDK
- 微软语义内核：AI代理编排和规划
- 微软。毫升：用于预测和建议的机器学习
- Windows SDK：本机Windows集成
项目结构
WslMcpServer/
├── Program.cs # MCP server initialization and tool registration
├── Services/
│ └── WslService.cs # Core WSL operations via wsl.exe
├── Agents/
│ ├── WslAgentService.cs # Semantic Kernel agent integration
│ └── WslIntelligenceService.cs # ML-powered analytics and predictions
└── WslMcpServer.csproj # Project configuration⚙️ 配置
WSL配置（.wslconfig）
服务器可以修改 %USERPROFILE%\.wslconfig:
[wsl2]
memory=8GB # Memory allocation
processors=4 # CPU cores
swap=4GB # Swap space
localhostForwarding=true
nestedVirtualization=true
vmIdleTimeout=60000
dnsTunneling=true # Improved network performance环境变量
OPENAI_API_KEY：代理功能的OpenAI API密钥AZURE_OPENAI_ENDPOINT：Azure OpenAI端点AZURE_OPENAI_KEY：Azure OpenAI密钥
🔍 故障排除
WSL未找到
确保WSL已安装：
wsl --install权限问题
如果需要，以管理员身份运行：
Start-Process powershell -Verb RunAs代理功能不起作用
- 验证是否设置了AI凭据
- 检查网络连接
- 查看日志以了解详细错误
🚧 发展
为生产而建
dotnet publish -c Release -r win-x64 --self-contained运行测试
dotnet test启用调试日志
修改 appsettings.json 或设置：
$env:DOTNET_ENVIRONMENT = "Development"📝 许可证
有关详细信息，请参阅LICENSE文件。
🤝 贡献
欢迎投稿！该项目展示了：
- 最新的。NET 10功能
- MCP服务器实现
- AI代理与语义内核的集成
- Windows ML功能
- WSL自动化
🔗 相关资源
💡 高级用例
- 自动化开发环境：跨团队创建一致的开发环境
- CI/CD集成：管理WSL环境以构建管道
- 多分布测试：跨不同Linux发行版进行测试
- 资源优化：基于工作负载的人工智能资源分配
- 灾难恢复：自动备份和恢复过程
- 性能监控：持续分析和优化建议
______________________________________________________________________
用。净值10🚀 | 由AI驱动🤖 | 适用于Windows 11💻