使用说明

项目简介

AINFRA（A Infrastructure Project）是一个基础设施监控项目，旨在通过模块化的微服务架构提供设备监控、性能指标收集、自定义设备集成和AI交互能力。其核心亮点在于集成了Model Context Protocol (MCP) 服务器，使得大型语言模型（LLM）客户端能够以标准化的方式访问平台管理的设备数据、触发自定义操作以及获取汇总的系统统计信息。这为构建由LLM驱动的自动化运维和智能报告应用奠定了基础。

主要功能点

设备管理: 支持添加、监控和管理不同类型的设备，包括基于Glances的标准服务器以及通过自定义插件集成的各类网络设备。
自定义设备插件: 提供灵活的插件机制，用户可以编写Python代码来定义和扩展对任意可联网设备的监控和控制能力（如ESXi、Synology NAS、Proxmox、智能电视等）。
性能监控: 对于标准设备，能够收集CPU、内存、磁盘、网络等详细性能指标。此功能依赖于在目标设备上运行Glances。
可用性监控: 定期自动检查设备的在线状态（通过Ping和端口扫描），记录可用性历史并生成概览统计。
传感器与告警: 允许在标准设备的关键性能指标上设置阈值传感器，并在条件满足时触发告警。
AI交互: 内置一个LLM微服务（当前支持OpenAI），该服务作为MCP客户端与核心监控平台的MCP服务器通信，使得用户或自动化流程可以通过自然语言或LLM调用来查询设备状态、获取统计报告、执行设备操作等。
动态UI: 前端界面能够根据自定义设备的插件定义动态生成展示和操作界面。

安装步骤

要运行AINFRA平台，需要先准备好必要的环境：

安装必备工具: 确保您的系统已安装 Git、Docker 和 Docker Compose。

克隆仓库: 打开终端，克隆AINFRA仓库：

git clone https://github.com/n1kozor/AINFRA.git
cd AINFRA

构建并启动服务: 使用Docker Compose构建并启动AINFRA的各个微服务：

docker build . -t ainfra-image # 可选，如果需要自定义构建
docker-compose up -d

这会启动前端、主应用（含MCP服务器）、可用性监控服务和LLM服务。

(针对标准设备监控) 在目标设备上运行Glances: 对于您希望使用AINFRA监控的标准服务器（Windows, Linux, Mac），需要在这些目标设备上安装并以Web服务器模式运行Glances。推荐使用Docker方式运行：

# 在您要监控的目标设备上运行此命令
docker run -d --restart="always" -p 61208-61209:61208-61209 -e GLANCES_OPT="-w" \
-v /var/run/docker.sock:/var/run/docker.sock:ro \
-v /run/user/1000/podman/podman.sock:/run/user/1000/podman/podman.sock:ro \
--pid host nicolargo/glances:latest

或者，如果您在目标设备上直接安装了Glances，运行 'glances -w'。确保AINFRA核心服务可以访问目标设备的Glances Web端口（默认为61208）。

配置LLM服务: 首次启动后，通过访问前端界面（通常在 'http://localhost:3000'）进入设置页面，配置您的OpenAI API Key。这是启用LLM聊天和报告功能所必需的。

服务器配置 (供MCP客户端连接)

AINFRA平台的核心应用服务（通过'app/main.py'实现）集成了'fastapi-mcp'库，使其成为一个MCP服务器。该MCP服务器默认运行在 端口 8000，并通过 /api/v1/mcp 路径提供MCP服务。

要连接AINFRA的MCP服务器，任何符合MCP规范的客户端都需要知道如何连接并了解服务器的能力。以下是用于配置MCP客户端连接AINFRA MCP服务器的典型信息结构。请根据您的实际部署环境（例如，如果MCP客户端与AINFRA服务不在同一Docker网络或主机上）调整连接地址和端口。

{
  "server_name": "AINFRA Monitoring Platform",
  "description": "Provides access to device monitoring data, custom device metrics and operations, system statistics, sensors, and alerts via MCP.",
  "command": ["http"],
  "args": [
    "--url", "http://localhost:8000/api/v1/mcp",
    "--protocol", "json-rpc",
    "--encoding", "json"
  ],
  "capabilities": [
     {"type": "Tool", "name": "get_all_devices", "description": "Retrieves a list of all managed devices."},
     {"type": "Tool", "name": "get_device_by_id", "description": "Retrieves details for a specific device by ID."},
     {"type": "Tool", "name": "get_standard_device_stats", "description": "Gets comprehensive system statistics from a standard device (requires Glances). Takes device_id."},
     {"type": "Tool", "name": "get_standard_device_metric", "description": "Gets a specific system metric from a standard device (requires Glances). Takes device_id and metric."},
     {"type": "Tool", "name": "get_custom_device_status", "description": "Gets status information from a custom device using its plugin. Takes device_id."},
     {"type": "Tool", "name": "get_custom_device_metrics", "description": "Gets detailed metrics from a custom device using its plugin. Takes device_id."},
     {"type": "Tool", "name": "get_custom_device_operations", "description": "Lists available operations and examples for a custom device plugin. Takes device_id."},
     {"type": "Tool", "name": "execute_custom_device_operation", "description": "Executes a specific operation on a custom device using its plugin. Takes device_id, operation_id, and optional params."},
     {"type": "Tool", "name": "get_all_plugins", "description": "Retrieves a list of all installed plugins."},
     {"type": "Tool", "name": "get_plugin_by_id", "description": "Retrieves details for a specific plugin by ID."},
     {"type": "Tool", "name": "get_plugin_template", "description": "Gets the standard plugin code template."},
     {"type": "Tool", "name": "get_all_sensors", "description": "Retrieves a list of all configured sensors."},
     {"type": "Tool", "name": "get_device_sensors", "description": "Retrieves sensors configured for a specific device. Takes device_id."},
     {"type": "Tool", "name": "get_sensor_by_id", "description": "Retrieves details for a specific sensor by ID."},
     {"type": "Tool", "name": "get_active_alerts", "description": "Retrieves all currently active (non-resolved) alerts. Optional device_id filter."},
     {"type": "Tool", "name": "get_alert_history", "description": "Retrieves alert history for a specified period. Optional device_id and days filter."},
     {"type": "Tool", "name": "resolve_alert", "description": "Manually marks an alert as resolved. Takes alert_id."},
     {"type": "Tool", "name": "get_all_system_statistics", "description": "Retrieves comprehensive monitoring statistics and system overview. Optional time_range filter."}
     // Note: Operations like creating, updating, or deleting devices, plugins, or sensors
     // are generally excluded from the MCP tools exposed for LLMs for security reasons.
     // For the full API documentation (including CRUD endpoints), visit the /docs path on the main service (port 8000).
  ]
}

请注意：上述JSON是给MCP客户端程序看的配置示例，不是需要在AINFRA中手动运行的命令。实际的MCP客户端（如AINFRA自身的LLM服务）会读取并使用这些信息来连接AINFRA的MCP服务器。示例中的'"http://localhost:8000/api/v1/mcp"'是AINFRA MCP服务器的默认访问地址。

基本使用方法

访问前端: 在浏览器中打开 'http://localhost:3000' 即可访问AINFRA的用户界面。
添加设备: 前往"Devices"页面，点击添加按钮，选择设备类型（标准或自定义），填写必要信息（如IP地址、Glances主机名或自定义设备的连接参数），并保存。
监控设备: 在"Devices"或"Dashboard"页面查看设备的可用性状态和性能指标。标准设备的详细指标需要确保目标设备上的Glances正在运行。
管理插件: 如果您需要监控自定义设备类型，可以前往"Plugins"页面上传或创建插件代码。
创建传感器: 对于标准设备，可以在设备详情页或"Sensors"页面创建传感器，定义要监控的指标（如CPU使用率、内存使用量）和触发告警的条件。
AI聊天与报告: 点击界面右下角浮动的"Soul"图标，可以打开与LLM的聊天界面。您可以询问关于设备状态、网络健康、统计数据的问题，LLM将通过MCP调用AINFRA的数据和工具来回答您的问题或生成报告。

关键词