使用说明

• 项目简介

  • 该项目实现了一个基于 Model Context Protocol (MCP) 的后端服务器，专注于 Linux 系统监控信息的提供、监控工具的调用以及提示模板的渲染。通过 JSON-RPC 2.0 协议通信，并支持两种传输方式：基于 HTTP 的 REST/JSON-RPC 请求以及 STDIO 形式的本地通信，适配不同的 AI 客户端场景。

• 主要功能点

  • MCP 协议核心支持：实现 initialize、initialized、tools/list、tools/call 等 MCP 请求/通知处理，提供工具列表和执行工具的能力。
  • 系统信息与监控数据：通过 Linux 系统调用和 /proc/kernel 等途径，提供系统信息、CPU、内存、磁盘、网络、进程等数据，以及完整的系统指标快照。
  • HTTP REST API：提供 /health、/api/system/info、/api/system/cpu、/api/system/memory、/api/system/disks、/api/system/networks、/api/system/processes、/api/system/metrics、/api/monitoring/start、/api/monitoring/stop、/api/monitoring/status 等端点，便于外部应用直接读取数据。
  • 双模传输能力：默认提供 HTTP API 与 MCP JSON-RPC 的结合使用，同时通过 --stdio 选项支持 STDIO 模式，方便本地 AI 客户端集成。
  • 实时监控与示例：核心实现包含 SystemMonitor、Linux 系统信息采集、以及通过 MCP 进行跨进程/跨客户端的协作能力。

• 安装步骤

  1. 安装 Rust（ustup）并配置环境变量。
  2. 克隆源码并进入目录： git clone https://github.com/DarkPhilosophy/mcp-system-monitor.git cd mcp-system-monitor
  3. 构建项目（发布版本）： cargo build --release
  4. 启动服务器
     • HTTP 服务器模式（默认，通过 HTTP API 访问）： cargo run --release 服务器将暴露在本地默认端口（参考文档），可通过 http://localhost:57996 进行访问。
     • STDIO 模式（用于本地 MCP 客户端）： cargo run --release -- --stdio

• 服务器配置（供 MCP 客户端使用的配置信息说明） 说明：MCP 客户端需要提供一个 JSON 配置来连接服务器。配置项包含服务器名称、要执行的命令路径以及启动参数等。以下为两种常见连接模式的示例描述（请用实际路径替换占位符）：

  • 方式一：HTTP 模式连接 { "server_name": "mcp-system-monitor", "command": ["/path/to/mcp-system-monitor"], "args": [] } 注释：server_name 作为识别名称，command 指向可执行二进制的路径，args 如不使用 STDIO 模式则留空。客户端将通过 HTTP 访问服务器端的 JSON-RPC 接口。
  • 方式二：STDIO 模式连接 { "server_name": "mcp-system-monitor", "command": ["/path/to/mcp-system-monitor"], "args": ["--stdio"] } 注释：使用 --stdio 启动时，客户端通过标准输入输出进行 MCP JSON-RPC 通信，适用于本地集成场景（如某些 AI 开发环境的内嵌客户端）。

• 基本使用方法

  1. 启动服务器（HTTP 模式）后，先做健康检查，确保服务可用。
  2. 通过 MCP 客户端执行 initialize，进行协议版本协商和能力声明。
  3. 使用 tools/list 获取可用工具列表；使用 tools/call 调用具体工具（如 get_system_info、get_cpu_info 等）。
  4. 也可通过 HTTP API 直接请求 /api/system/info、/api/system/cpu、/api/system/metrics 等端点获取信息。
  5. 如需在本地 AI 流程中嵌入，请使用 STDIO 模式，将配置中的 --stdio 传递给二进制，进行 MCP JSON-RPC 的交互。
  6. 如遇到问题，检查日志输出、HTTP 端口、以及系统权限（系统信息采集可能需要相应权限）。

• 使用场景与注意

  • 适合将 AI 代理/助手接入到 Linux 服务器的监控与维护工作中，提供统一上下文信息、系统指标和外部工具调用能力。
  • 生产环境建议开启认证、加密传输并结合日志与监控系统实现更严格的安全与可观测性。