MCP Linux 通用工具服务器 (MCP LCU Server) 技术详解
MCP Linux 通用工具服务器 (MCP LCU Server) 技术详解
1. 项目简介
MCP Linux 通用工具服务器（Model Context Protocol Linux Common Utility Server，简称 MCP LCU Server）是一个基于 Python 开发的服务器，通过模型上下文协议（Model Context Protocol, MCP）提供对 Linux 系统各种操作和信息的访问能力。该项目旨在为大语言模型（LLM）提供一个标准化的接口，使其能够直接与 Linux 系统进行交互，执行各种系统操作，获取系统信息，从而增强 AI 助手在系统管理和问题诊断方面的能力。
欢迎访问项目主页并参与开发：https://github.com/guolisen/mcp_lcu_server
什么是 MCP（模型上下文协议）？
模型上下文协议（Model Context Protocol, MCP）是一个允许大语言模型（如 Claude, GPT 等）安全地访问外部工具和资源的协议。通过 MCP，模型可以：
- 调用工具（Tools）：执行特定的功能和操作
- 访问资源（Resources）：获取外部数据和信息
MCP 服务器作为连接语言模型和外部系统的桥梁，使模型能够根据用户需求执行实际操作并获取实时信息。
2. 核心功能
MCP LCU Server 提供了全面的 Linux 系统操作和信息访问功能，主要包括：
CPU 相关操作
- 获取 CPU 详细信息（型号、架构、核心数等）
- 监控 CPU 使用率
- 获取系统负载
- 分析 CPU 性能
内存操作
- 获取内存详细信息
- 监控内存使用情况
- 获取交换空间信息
- 分析内存性能
进程/线程操作
- 列出系统进程
- 获取进程详细信息
- 搜索特定进程
- 分析资源占用最高的进程
存储操作
- 列出物理磁盘
- 列出磁盘分区
- 获取磁盘使用情况
- 分析存储使用情况
文件系统操作
- 列出目录内容
- 读取文件内容
- 写入文件
- 删除文件或目录
- 复制或移动文件
- 搜索文件
硬件操作
- 获取系统硬件信息
- 获取 PCI 设备信息
- 获取 USB 设备信息
- 分析硬件配置
网络操作
- 获取网络接口信息
- 获取网络连接
- 网络连通性测试（ping、traceroute）
- HTTP 请求
- 文件上传下载
- 分析网络配置和连通性
系统监控
- 获取系统状态
- 检查系统健康状况
- 监控资源使用情况
- 获取系统运行时间
- 分析系统性能
日志操作
- 列出可用日志源
- 获取系统日志
- 获取内核日志
- 获取应用程序日志
- 跨多个日志源搜索
- 分析日志以识别模式和问题
3. 技术架构
整体架构
MCP LCU Server 采用模块化设计，主要由以下几个部分组成：
核心组件
-
服务器核心 (server.py)：
- 负责创建和配置 MCP 服务器
- 注册各种工具和资源
- 处理通信协议（stdio 或 SSE）
-
工具集 (tools/)：
- 各种系统操作的函数实现
- 以 MCP 工具的形式提供给客户端调用
-
资源集 (resources/)：
- 提供系统各种信息的访问点
- 以 URI 形式定义，可直接访问
-
Linux 操作实现 (linux/)：
- 封装对 Linux 系统的底层操作
- 提供统一的 API 供工具和资源调用
-
配置管理 (config.py)：
- 加载和解析配置文件
- 提供配置选项的访问接口
工作流程
MCP 工具与资源的关系
- 工具（Tools）：提供主动执行操作的能力，如获取 CPU 信息、读写文件等
- 资源（Resources）：提供被动访问信息的能力，如系统信息、监控数据等
两者共同构成了 MCP 服务器的功能接口，使大语言模型能够灵活地与 Linux 系统交互。
4. 安装与配置
系统要求
- Python 3.10 或更高版本
- Linux 操作系统
- 适当的系统权限（部分功能需要 root 权限）
安装步骤
-
克隆仓库：
git clone https://github.com/guolisen/mcp_lcu_server.git cd mcp_lcu_server -
创建虚拟环境并安装：
uv venv source .venv/bin/activate python -m build
配置选项
MCP LCU Server 使用 YAML 格式的配置文件。默认情况下，它会在以下位置查找配置文件：
./config.yaml./config/config.yaml/etc/mcp-lcu-server/config.yaml~/.config/mcp-lcu-server/config.yaml
也可以通过 --config 命令行选项指定自定义配置文件路径。
配置文件示例及主要选项：
server:
name: mcp-lcu-server # 服务器名称
transport: both # 传输方式: stdio, sse 或 both
port: 8000 # SSE 传输的端口
host: 127.0.0.1 # SSE 传输的主机
monitoring:
enabled: true # 是否启用监控
interval: 30 # 监控间隔（秒）
metrics: # 要监控的指标
- cpu
- memory
- disk
- network
filesystem:
allowed_paths: # 允许访问的文件系统路径
- /
max_file_size: 10485760 # 最大文件大小（10MB）
network:
allow_downloads: true # 是否允许下载
allow_uploads: true # 是否允许上传
max_download_size: 104857600 # 最大下载大小（100MB）
max_upload_size: 10485760 # 最大上传大小（10MB）
allowed_domains: # 允许的域名
- "*" # 允许所有域名
process:
allow_kill: false # 是否允许终止进程
allowed_users: [] # 允许操作的用户列表（空为所有用户）
command:
enabled: true # 是否启用命令执行功能
allowed_commands: # 允许执行的命令
- "*" # 允许所有命令
blocked_commands: # 禁止执行的命令
- "rm -rf /*" # 危险命令
timeout: 60 # 命令执行超时（秒）
allow_sudo: false # 是否允许 sudo 命令
logs:
paths: # 自定义日志路径（可选）
# syslog: /var/log/syslog
max_entries: 1000 # 最大返回日志条目数
5. 使用示例
启动服务器
可以通过命令行启动 MCP LCU Server：
# 使用标准输入输出（stdio）传输
mcp-lcu-server --transport stdio
# 使用 SSE 传输在指定端口
mcp-lcu-server --transport sse --port 8000
# 同时使用两种传输方式
mcp-lcu-server --transport both
调用工具示例
以下是调用 MCP 工具的简单示例：
from mcp.client import MCPClient
# 连接到 MCP 服务器
client = MCPClient("mcp-lcu-server", transport="sse", host="127.0.0.1", port=8000)
# 获取 CPU 信息
cpu_info = client.tools.cpu_get_cpu_info()
print(cpu_info)
# 获取系统进程列表
processes = client.tools.list_processes()
print(processes)
# 读取文件内容
file_content = client.tools.read_file(path="/etc/hostname")
print(file_content)
# 分析 CPU 性能
cpu_analysis = client.tools.cpu_analyze_cpu_performance()
print(cpu_analysis)
访问资源示例
以下是访问 MCP 资源的简单示例：
from mcp.client import MCPClient
# 连接到 MCP 服务器
client = MCPClient("mcp-lcu-server", transport="sse", host="127.0.0.1", port=8000)
# 获取系统信息
system_info = client.resources.get("linux://system")
print(system_info)
# 获取 CPU 信息
cpu_info = client.resources.get("linux://cpu")
print(cpu_info)
# 获取目录列表
dir_listing = client.resources.get("linux://fs/dir/etc")
print(dir_listing)
# 获取网络接口信息
network_info = client.resources.get("linux://network/interfaces")
print(network_info)
实际应用示例：系统健康检查
下面是一个使用 MCP LCU Server 进行系统健康检查的完整示例：
from mcp.client import MCPClient
import json
def check_system_health():
# 连接到 MCP 服务器
client = MCPClient("mcp-lcu-server", transport="sse", host="127.0.0.1", port=8000)
# 1. 获取系统状态概览
system_info = json.loads(client.resources.get("linux://system"))
print(f"系统: {system_info['system']} {system_info['release']}")
print(f"主机名: {system_info['hostname']}")
print(f"运行时间: {system_info['uptime']}")
# 2. 检查 CPU 使用率
cpu_analysis = json.loads(client.tools.cpu_analyze_cpu_performance())
print(f"
CPU 使用率: {cpu_analysis['summary']['avg_usage']:.2f}%")
print(f"CPU 状态: {cpu_analysis['summary']['bottleneck_status']}")
if cpu_analysis['summary']['bottleneck_status'] in ['High', 'Critical']:
print("警告: CPU 使用率过高!")
# 获取占用 CPU 最高的进程
top_processes = json.loads(client.tools.analyze_top_processes(sort_by="cpu"))
print("CPU 占用最高的进程:")
for proc in top_processes[:3]:
print(f" - {proc['name']} (PID: {proc['pid']}): {proc['cpu_percent']}%")
# 3. 检查内存使用率
memory_info = json.loads(client.resources.get("linux://memory"))
print(f"
内存使用率: {memory_info['percent']}%")
print(f"总内存: {memory_info['total_human']}")
print(f"可用内存: {memory_info['available_human']}")
if memory_info['percent'] > 90:
print("警告: 内存使用率过高!")
# 获取占用内存最高的进程
top_memory_processes = json.loads(client.tools.analyze_top_processes(sort_by="memory"))
print("内存占用最高的进程:")
for proc in top_memory_processes[:3]:
print(f" - {proc['name']} (PID: {proc['pid']}): {proc['memory_percent']}% ({proc['memory_human']})")
# 4. 检查磁盘使用率
storage_info = json.loads(client.tools.get_disk_usage())
print("
磁盘使用情况:")
for partition in storage_info:
if partition['percent'] > 90:
print(f"警告: {partition['mountpoint']} 使用率过高! {partition['percent']}%")
else:
print(f" - {partition['mountpoint']}: {partition['used_human']} / {partition['total_human']} ({partition['percent']}%)")
# 5. 检查系统日志中的错误
print("
最近的系统错误日志:")
system_logs = json.loads(client.tools.log_search_logs(query="error OR critical OR failed", count=5))
for log in system_logs:
print(f" - [{log['timestamp']}] {log['message']}")
# 6. 总结系统健康状况
print("
系统健康状况摘要:")
health_check = json.loads(client.tools.check_system_health())
print(f"总体状态: {health_check['status']}")
if health_check['issues']:
print("检测到的问题:")
for issue in health_check['issues']:
print(f" - {issue['description']} (严重程度: {issue['severity']})")
if health_check['recommendations']:
print("
建议:")
for recommendation in health_check['recommendations']:
print(f" - {recommendation}")
if __name__ == "__main__":
check_system_health()
6. 安全考虑
MCP LCU Server 提供对 Linux 系统的广泛访问能力，因此需要注意安全配置：
文件系统安全
- 使用
filesystem.allowed_paths限制可访问的文件系统路径 - 设置
filesystem.max_file_size限制文件大小
网络安全
- 使用
network.allowed_domains限制允许访问的域名 - 设置
network.allow_downloads和network.allow_uploads控制网络传输
进程安全
- 设置
process.allow_kill控制是否允许终止进程 - 使用
process.allowed_users限制可操作的用户
命令执行安全
命令执行功能功能强大但潜在风险高：
- 如果不需要命令执行功能，可以在配置中设置
command.enabled: false禁用 - 使用
command.allowed_commands和command.blocked_commands限制命令执行范围 - 设置
command.allow_sudo: false禁用 sudo 权限 - 设置
command.timeout控制命令执行时间
7. 应用场景
系统监控与管理
MCP LCU Server 提供了全面的系统监控和管理能力：
- 实时监控系统资源使用情况
- 检测潜在的性能瓶颈
- 分析系统健康状况
- 执行基本的系统管理操作
自动化运维
通过与大语言模型结合，可以实现智能化的运维自动化：
- 自动诊断系统问题
- 执行常规维护任务
- 生成系统性能报告
- 响应异常事件
AI 助手增强
为 AI 助手提供与 Linux 系统交互的能力：
- 查询系统状态和配置
- 执行文件操作
- 分析系统日志
- 进行网络诊断
8. 流程图示例：系统问题诊断
以下是使用 MCP LCU Server 进行系统问题诊断的流程：
9. 与大语言模型的集成流程
下面是 MCP LCU Server 与大语言模型集成的工作流程：
10. 总结与展望
MCP Linux 通用工具服务器（MCP LCU Server）为大语言模型提供了一个强大的接口，使其能够与 Linux 系统进行交互，执行各种系统操作，获取系统信息。这大大增强了 AI 在系统管理、问题诊断和自动化运维方面的能力。
通过标准化的 MCP 协议，MCP LCU Server 能够与各种支持 MCP 的大语言模型无缝集成，为用户提供更智能、更实用的系统管理体验。
未来的发展方向
-
功能扩展：
- 添加更多系统操作和管理功能
- 支持更多 Linux 发行版特定功能
- 提供更高级的系统分析和诊断能力
-
安全增强：
- 完善权限控制系统
- 提供更细粒度的访问控制
- 加强审计和日志功能
-
生态集成：
- 与其他 MCP 服务器集成
- 开发更多客户端和工具
- 建立标准化的插件系统
-
可用性提升：
- 改进文档和例子
- 提供更好的错误处理和反馈
- 开发用户友好的管理界面
欢迎访问项目主页并参与开发：https://github.com/guolisen/mcp_lcu_server
通过 MCP LCU Server，我们将大语言模型的智能与 Linux 系统的强大功能相结合，为系统管理和问题诊断带来了全新的可能性。无论是系统管理员、开发人员还是普通用户，都能从这一结合中受益，使 Linux 系统管理变得更加智能、高效和便捷。
