使用说明
🚀 人工智能部署就绪助手(MCP服务器)
这 AI部署准备助理 是一个功能强大的MCP服务器,可以审核您的CI/CD构建、配置漂移和服务健康状况,以确定项目是否已准备好投入生产。
✨ 特性
- AI驱动的构建分析:自动获取并分析带有根本原因标识的GitHub Actions构建
- 多数据库支持:PostgreSQL、MySQL和MongoDB连接检查,具有自动检测功能
- 配置漂移检测:跨环境比较配置(支持JSON、YAML、.env、XML、Dockerfile)
- 深度健康检查:使用延迟测量验证服务端点
- 智能诊断:所有结果均由Cohere AI叙述,以获得可操作的见解
🚀 快速入门(无需克隆)
直接从GitHub运行此服务器。添加到您的MCP设置(克劳德桌面、光标等):
{
"mcpServers": {
"readiness-assistant": {
"command": "npx",
"args": ["-y", "github:ArunKumar-2004/mcp-ai-assistant"],
"env": {
"COHERE_API_KEY": "your_cohere_api_key",
"GITHUB_TOKEN": "your_github_token",
"GITHUB_REPOSITORY": "owner/repo",
"SLACK_WEBHOOK_URL": "your_slack_webhook",
"TARGET_DB_URL": "postgresql://user:pass@host:5432/db"
}
}
}
}
[!小心] 安全警告:永远不要将API密钥提交到公共存储库。使用IDE的秘密存储。
⚠️ “找不到Python”故障排除(Windows)
如果你得到 代码9009 或者“找不到Python”:
- 打开 开始菜单 → “管理应用程序执行别名”
- 找到
Python.exe和Python3.exe - 关闭它们
- 重新启动IDE
🛠️ 地方发展设置
1.安装
git clone https://github.com/ArunKumar-2004/mcp-ai-assistant.git
cd mcp-ai-assistant
pip install -e .
2.配置环境
创建 .env 文件:
# Required
COHERE_API_KEY=your_cohere_api_key
# Optional (for specific features)
GITHUB_TOKEN=your_github_token
GITHUB_REPOSITORY=owner/repo
SLACK_WEBHOOK_URL=https://hooks.slack.com/services/...
TARGET_DB_URL=postgresql://user:pass@localhost:5432/db
3.连接到IDE
指向您的本地 server.py:
{
"mcpServers": {
"readiness-assistant": {
"command": "python",
"args": ["D:/path/to/mcp-ai-assistant/server.py"],
"env": {
"COHERE_API_KEY": "..."
}
}
}
}
📚 可用工具
🔍 构建和CI工具
get_latest_build
自动获取并分析最新的GitHub Actions构建
Args:
repo (optional): Repository in "owner/repo" format. Defaults to GITHUB_REPOSITORY env var.
workflow_name (optional): Filter by workflow name (e.g., "Next.js Build")
branch (optional): Filter by branch (e.g., "main")
include_log (optional): Fetch full logs (default: true)
Example:
"Get my latest build"
"Check the latest Next.js build on main branch"
退货:最新的构建状态、结论、提交信息以及AI驱动的故障分析,包括根本原因和建议的修复。
fetch_build_log
获取特定构建ID的日志
Args:
build_id (required): GitHub Actions run ID
repo (optional): Repository (defaults to GITHUB_REPOSITORY)
Example:
"Fetch build log for run 12345"
analyze_build_log
使用AI分析构建日志
Args:
log_text (required): Build log content
Example:
"Analyze this build log: [paste log]"
⚙️ 配置工具
compare_environment_configs
检测环境之间的配置漂移
Args:
project (required): Project name
env1 (required): First environment (e.g., "staging")
env2 (required): Second environment (e.g., "production")
Example:
"Compare staging and production configs for my-app"
支持:JSON、YAML、.env、Java属性、XML、Dockerfile env
退货:使用空键、不匹配的值和AI驱动的解释进行漂移分析。
fetch_environment_config
获取单个环境的配置
Args:
project (required): Project name
environment (required): Environment name
Example:
"Fetch staging config for backend"
🏥 健康和数据库工具
check_service_health
检查服务端点运行状况和延迟
Args:
service_name (required): Service identifier
health_url (required): Health check endpoint URL
Example:
"Check health of https://api.example.com/health"
退货:HTTP状态、延迟(毫秒)和AI评估。
check_database_connection
测试数据库连接和迁移
Args:
environment (required): Environment name
Example:
"Check database connection for production"
支持:
- PostgreSQL(asyncpg)
- MySQL(aiomysql)
- MongoDB(电机)
自动检测 数据库类型来自 TARGET_DB_URL 连接字符串。
退货:连接状态、延迟、迁移状态和AI建议。
📊 编排工具
evaluate_build
全面部署准备情况审计
Args:
project (required): Project name
build_id (required): Build ID to evaluate
environment (required): Target environment
Example:
"Evaluate build 12345 for production deployment"
执行:
- 获取并分析构建日志
- 检查配置漂移
- 验证服务运行状况
- 计算准备状态得分(0-100)
退货:附有人工智能生成的执行摘要的完整审计报告。
verify_build
快速构建验证(仅日志)
Args:
project (required): Project name
build_id (required): Build ID
Example:
"Verify build 12345"
verify_config
快速配置漂移检查
Args:
project (required): Project name
environment (required): Environment
Example:
"Verify config for staging"
verify_health
快速健康检查
Args:
project (required): Project name
environment (required): Environment
Example:
"Verify health for production"
🎯 使用示例
场景1:检查最新版本
User: "What's the status of my latest build?"
Assistant: [Calls get_latest_build, shows AI analysis]
场景2:全面部署审计
User: "Is build 12345 ready for production?"
Assistant: [Calls evaluate_build, provides comprehensive report]
场景3:数据库运行状况检查
User: "Check if the production database is healthy"
Assistant: [Calls check_database_connection, shows latency and migration status]
场景4:配置漂移检测
User: "Are staging and production configs in sync?"
Assistant: [Calls compare_environment_configs, highlights differences]
🔧 配置架构
服务器使用 readiness_schema.json 定义项目和环境:
{
"projects": {
"my-app": {
"repo": "owner/my-app",
"environments": {
"staging": {
"config_path": "./config/staging.json",
"services": [
{
"name": "api",
"health_url": "https://staging-api.example.com/health"
}
]
},
"production": {
"config_path": "./config/production.json",
"services": [
{
"name": "api",
"health_url": "https://api.example.com/health"
}
]
}
}
}
}
}
初始化方式:
python server.py --init-config
🌟 主要特点
AI优先架构
- 所有诊断均由Cohere LLM叙述
- 故障根本原因识别
- 可操作的建议修复
- 上下文感知解释
多数据库支持
- 从连接字符串中自动检测PostgreSQL、MySQL、MongoDB
- 使用实际延迟测量进行异步连接检查
- 迁移验证(Alembic用于SQL,自定义用于MongoDB)
通用配置分析器
- 支持6+种配置格式
- 检测空/无效值
- 亮点在不同环境中漂移
稳健的错误处理
- 具有重试逻辑的60秒超时
- 瞬态故障的指数回退
- 具有回退响应的优雅降级
📦 依赖项
mcp>=1.26.0-MCP服务器框架cohere-AI驱动分析(通过向Cohere API发出请求)asyncpg-PostgreSQL异步驱动程序aiomysql-MySQL异步驱动程序motor-MongoDB异步驱动程序pyyaml-YAML解析requests-HTTP客户端python-dotenv-环境管理
🤝 贡献
- 分叉存储库
- 创建要素分支
- 进行更改
- 彻底测试
- 提交拉取请求
📄 许可证
MIT许可证-有关详细信息,请参阅许可证文件
🙏 致谢
建于❤️ 使用: