mcpField
A
Apache HTTP Server AIops

Apache HTTP Server AIops

本地服务
github.com/AIops-tools云与基础设施03 天前更新

关于 Apache HTTP Server AIops

Apache HTTP Server AIops 是面向 Apache HTTP Server 运维人员的受治理 MCP 服务、命令行工具和技能。它结合 Apache 原生诊断与可配置的健康及日志检查,并审计和限制每次调用。

主要功能

  1. 01Apache 配置与虚拟主机检查
  2. 02模块和运行时配置检查
  3. 03可选健康与日志检查
  4. 04关联诊断并保留探测错误
  5. 05调用审计与预算控制

适用场景

  1. 01检查 Apache 配置和已加载模块
  2. 02查看服务健康状态与日志摘要
  3. 03汇总多项检查以排查故障

MCP 相关

它提供 17 个用于 Apache HTTP Server 运维的 MCP 工具。治理机制会审计每次调用并限制预算。

配置

本地服务的配置在各客户端中通用,复制后粘贴到客户端的 MCP 配置文件即可。

mcp.json · 通用配置
{
"mcpServers": {
"aiops-tools-apache-aiops": {
"command": "uvx",
"args": [
"apache-aiops"
]
}
}
}
启动命令uvx apache-aiops

本地服务需要在你的电脑上安装运行环境(如 Node.js 18+)。各客户端的配置文件位置不同,请参考客户端文档。

安装包
pypiapache-aiops0.2.1

工具

17

收录的工具列表 · 更新于 2 天前

参数类型必填说明
targetany否

详细介绍

Apache AIops

专为 Apache HTTP Server 打造的 MCP 服务、命令行工具和技能,提供 17 个 MCP 工具。它使用 Apache 自带的 apachectl 诊断功能、可选的由运维人员配置的 HTTP 健康检查和 mod_status URL,以及对运维人员配置的错误日志进行有界读取,并生成保护隐私的访问日志状态摘要。每次调用都会由随附的治理框架审计并纳入预算。

检查内容

  • Apache 版本、配置语法、解析后的虚拟主机和已加载模块。
  • 构建选项和解析后的运行时配置。
  • 已解析的配置包含树、已编译模块以及静态模块中的指令。
  • 可选的机器可读 mod_status 指标、有界的错误日志末尾内容,以及保护隐私的访问状态摘要。
  • 可选的 HTTP 健康状态检查,不下载响应正文。
  • apache_diagnose 会关联各项检查,并将失败保留为错误,且 data: null。

从源码安装

需要运维主机上安装 Python 3.11+、uv 和 apachectl。运行 uv sync --dev、uv run apache-aiops init,然后运行 uv run apache-aiops doctor。手动配置 ~/.apache-aiops/config.yaml:

targets:
  - name: local
    apachectl_bin: apachectl
    probe_url: http://127.0.0.1/health
    status_url: http://127.0.0.1/server-status?auto
    error_log: /var/log/apache2/error.log
    access_log: /var/log/apache2/access.log
    timeout: 10
    verify_ssl: true

运行 uv run apache-aiops diagnose。MCP 入口点为 uv run apache-aiops-mcp。可选的 HTTP 探测由运维人员配置,而非由工具调用方选择。默认启用 TLS 验证,ca_file 可接受自定义 CA PEM。

范围与验证

graceful-reload 会先运行 configtest,支持试运行和两次 CLI 确认;即使命令已返回,最终结果仍会报告为未知,因为现有工作进程可能仍在使用旧配置。如果之前的配置文件未创建快照,就没有安全的反向操作。本次发布不包含虚拟主机编辑、TLS 证书管理和模块更改。请参阅验证。欢迎通过 issue 或 PR 提交尚缺的运维功能和真实环境反馈。

评论

支持 Markdown

第一次接触 MCP?

从协议是什么,到在客户端里装上第一个服务,这几条回答覆盖了大多数入门问题。

一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。