AI导哈

DevOps自动化工具

一个基于模型上下文协议（MCP）的DevOps自动化工具，提供智能仓库搜索、自动化测试、发布说明生成和AI工作流编排功能。

  • by ParthibanRajasekaran
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 ParthibanRajasekaran/mcp-blueprint

使用说明

🚀 MCP DevOps蓝图#从拉取请求到生产：MCP蓝图

此存储库包含以下内容的最小实现 模型上下文协议（MCP） 服务器和客户端在随附的博客文章中进行了描述。它演示了如何将AI模型连接到开发人员工具，以编排常见的工作流程，如搜索代码、运行测试、生成发布说明和协调PR。

##概述

  • mcp_server.py 使用定义MCP服务器 FastMCP 它公开了三个工具：

用于AI驱动的DevOps自动化的模型上下文协议（MCP）的生产就绪实现 - search_repo：在存储库文件中搜索关键字（不区分大小写）。

  • run_tests：通过执行单元测试 pytest 并总结失败。

通过将AI模型直接连接到DevOps工具来改变您的开发工作流程。此蓝图演示了如何构建健壮的MCP服务器和客户端，通过自然语言编排复杂的工作流。 - generate_release_notes：根据最近的提交构建发行说明。

  • mcp_client.py 定义了一个简单的客户端，该客户端通过stdio传输生成服务器，列出可用的工具，并使用Anthropics API根据自然语言请求决定调用哪些工具。

需求

✨ 特性

  • Python 3.10+

  • 🔍 智能存储库搜索 -使用AI驱动的语义搜索在代码库中查找文件- FastMCP

  • 🧪 自动化测试 -运行测试并智能分析故障- GitPython

  • 📝 发行说明生成 -从git历史自动生成发行说明- pytest

  • 🤖 AI编排 -让Claude根据自然语言请求决定使用哪些工具- 人类

  • 🏗️ 生产准备就绪 -包括错误处理、日志记录、类型提示和全面测试

  • 📦 易于集成 -用于添加自己的工具的可扩展架构使用pip安装依赖项：

🎯 快速启动``bash

pip安装fastmcp gitpython pytest人机界面

先决条件```

  • Python 3.10或更高版本##用法

  • Git仓库（完整功能）

  • 无烟煤API键 （适用于AI客户端）1。 运行服务器

安装在一个终端中启动MCP服务器：

bash bash

克隆存储库python mcp_server.py

克隆https://github.com/yourusername/mcp-blueprint.git ```

cd-mcp蓝图

服务器默认使用stdio传输，并通过stdin/stdout监听JSON-RPC消息。

创建虚拟环境

python-m venv-venv2。 运行客户端

源venv/bin/activate#在Windows上：venv\Scripts\activate

在另一个终端中，运行客户端。如果服务器尚未运行，它将在内部生成服务器，然后处理自然语言查询：

安装依赖项

pip安装-r要求.txt ``bash

python mcp_client.py

或作为软件包安装```

pip安装-e。




### Basic Usage## Security Considerations



#### Running the ServerThis sample implementation is for demonstration purposes. When building production servers and clients, follow the [MCP security best practices](https://modelcontextprotocol.io/specification/draft/basic/security_best_practices) including:



```bash- Avoid logging to stdout when using the stdio transport.

# Using the new modular version- Verify all inbound requests and use secure session IDs.

python -m mcp_devops.server- Require explicit user consent before executing commands.

- Apply least‑privilege scopes to tokens.

# Or using the standalone script

python mcp_server.py## License

本项目根据麻省理工学院许可证提供用于教育目的。

服务器通过MCP公开了三个工具：

  • search_repo -在存储库文件中搜索关键字
  • run_tests -执行pytest并总结结果
  • generate_release_notes -从git提交创建发行说明

使用AI客户端

# Set your API key
export ANTHROPIC_API_KEY='your-api-key-here'

# Run the client
python mcp_client.py

客户端使用Claude智能地编排工作流。

📖 文档

建筑

┌─────────────────┐
│   Claude API    │  Natural language understanding
└────────┬────────┘
         │
    ┌────▼─────┐
    │  Client  │  MCP Client (Anthropic SDK)
    └────┬─────┘
         │ JSON-RPC over stdio
    ┌────▼─────┐
    │  Server  │  MCP Server (FastMCP)
    └────┬─────┘
         │
    ┌────▼─────────────────┐
    │  DevOps Tools        │
    │  • Git               │
    │  • pytest            │
    │  • Custom scripts    │
    └──────────────────────┘

添加自定义工具

from mcp_devops import create_server

mcp = create_server()

@mcp.tool
def deploy_to_staging(branch: str) -> dict:
    """Deploy a branch to staging environment."""
    return {"status": "deployed", "url": "https://staging.example.com"}

mcp.run()

🧪 测试

# Run all tests
pytest

# Run with coverage
pytest --cov=src --cov-report=html

# Test the server without AI
python test_server.py

📦 项目结构

mcp-blueprint/
├── src/
│   └── mcp_devops/          # Modern package structure
│       ├── __init__.py
│       ├── server.py        # MCP server implementation
│       └── client.py        # AI-powered client
├── tests/
├── examples/
├── mcp_server.py            # Standalone server
├── mcp_client.py            # Standalone client
├── pyproject.toml           # Modern Python packaging
└── README.md

🔒 安全

此实现如下 MCP安全最佳实践:

  • ✅ 无stdout日志记录（使用stdio传输时）
  • ✅ 所有工具参数的输入验证
  • ✅ 长时间运行操作的超时保护
  • ✅ 错误处理和清理

🤝 贡献

欢迎投稿！拜托：

  1. 分叉存储库
  2. 创建要素分支
  3. 进行更改
  4. 运行测试和梳理
  5. 提交拉取请求

📄 许可证

MIT许可证-请参阅 许可证 文件以获取详细信息。

🙏 致谢

📚 资源

💡 用例

  • CI/CD自动化 -智能构建工作流
  • 代码审查 -自动PR分析
  • 文档 -自动生成文档
  • 监控 -智能事件响应

由以下材料制成❤️ 面向开发者社区 | 报告错误 | 请求功能

相关 MCP