diff --git a/docs/resource/image-20250918092746531.png b/docs/resource/image-20250918092746531.png deleted file mode 100644 index c37f6abd03f5cfec02c2c581188acad47537e277..0000000000000000000000000000000000000000 Binary files a/docs/resource/image-20250918092746531.png and /dev/null differ diff --git a/docs/resource/image-20250918092914434.png b/docs/resource/image-20250918092914434.png deleted file mode 100644 index 15eb6f5fb465272b5f857acc3ec876b324794043..0000000000000000000000000000000000000000 Binary files a/docs/resource/image-20250918092914434.png and /dev/null differ diff --git a/docs/resource/image-20250918092956884.png b/docs/resource/image-20250918092956884.png deleted file mode 100644 index e9f39e26b97d32af46826e5c5f204b98e7da3490..0000000000000000000000000000000000000000 Binary files a/docs/resource/image-20250918092956884.png and /dev/null differ diff --git a/docs/resource/image-20250918093033417.png b/docs/resource/image-20250918093033417.png deleted file mode 100644 index 249318a9fb59ac71b27894bec0b9c29e7c28aa9a..0000000000000000000000000000000000000000 Binary files a/docs/resource/image-20250918093033417.png and /dev/null differ diff --git a/docs/resource/image-20250918093329139.png b/docs/resource/image-20250918093329139.png deleted file mode 100644 index c4c438c169f372c3ce0a6aa0f141f47ce795447b..0000000000000000000000000000000000000000 Binary files a/docs/resource/image-20250918093329139.png and /dev/null differ diff --git a/docs/resource/image-20250918093620039.png b/docs/resource/image-20250918093620039.png deleted file mode 100644 index 4cd69bb3cbe3883384457ba524d9ecbc40f35e21..0000000000000000000000000000000000000000 Binary files a/docs/resource/image-20250918093620039.png and /dev/null differ diff --git a/docs/resource/image-20250918095405109.png b/docs/resource/image-20250918095405109.png deleted file mode 100644 index 58e3196ec2ed2c9c958230dcb089bb237ba4d68f..0000000000000000000000000000000000000000 Binary files a/docs/resource/image-20250918095405109.png and /dev/null differ diff --git a/docs/resource/image-20250918095742768.png b/docs/resource/image-20250918095742768.png deleted file mode 100644 index a5ca512f02107f2fb8ac63971ac9c67dd2974161..0000000000000000000000000000000000000000 Binary files a/docs/resource/image-20250918095742768.png and /dev/null differ diff --git a/docs/resource/image-20250918100010161.png b/docs/resource/image-20250918100010161.png deleted file mode 100644 index 6c45efcbf9b55c7fb50d03e2be4a8689b9a3bfc6..0000000000000000000000000000000000000000 Binary files a/docs/resource/image-20250918100010161.png and /dev/null differ diff --git a/docs/resource/image-20250918100409132.png b/docs/resource/image-20250918100409132.png deleted file mode 100644 index c2fcc84a7a33099aae01999dccdc38fafddb408c..0000000000000000000000000000000000000000 Binary files a/docs/resource/image-20250918100409132.png and /dev/null differ diff --git a/docs/resource/image-20250918100502872.png b/docs/resource/image-20250918100502872.png deleted file mode 100644 index 73fb337b965272590628a6dbcb56646dd79e20c7..0000000000000000000000000000000000000000 Binary files a/docs/resource/image-20250918100502872.png and /dev/null differ diff --git a/docs/resource/image-20250918100635136.png b/docs/resource/image-20250918100635136.png deleted file mode 100644 index 8ebd4b3d6c85429b63c038c5e5a71e88a77d775e..0000000000000000000000000000000000000000 Binary files a/docs/resource/image-20250918100635136.png and /dev/null differ diff --git a/docs/resource/image-20250918100832293.png b/docs/resource/image-20250918100832293.png deleted file mode 100644 index 3d21d3b0fc11a75ff3a7c6875d47acf7a7fc3735..0000000000000000000000000000000000000000 Binary files a/docs/resource/image-20250918100832293.png and /dev/null differ diff --git a/docs/resource/image-20250918101004733.png b/docs/resource/image-20250918101004733.png deleted file mode 100644 index a3ac04e0b962df3f0acc741a83a0e9486341f253..0000000000000000000000000000000000000000 Binary files a/docs/resource/image-20250918101004733.png and /dev/null differ diff --git a/docs/resource/image-20250918101029066.png b/docs/resource/image-20250918101029066.png deleted file mode 100644 index 29f971788175a5b00bb2fec6b33eb8e001d4e640..0000000000000000000000000000000000000000 Binary files a/docs/resource/image-20250918101029066.png and /dev/null differ diff --git a/docs/resource/image-20250918101147653.png b/docs/resource/image-20250918101147653.png deleted file mode 100644 index 52546654a7d14dc7a2793edfed92e611a4a58db5..0000000000000000000000000000000000000000 Binary files a/docs/resource/image-20250918101147653.png and /dev/null differ diff --git a/docs/resource/image-20250918101425789.png b/docs/resource/image-20250918101425789.png deleted file mode 100644 index da12e2d14bbec2d6dd9192e8a7b45d59f10bcd20..0000000000000000000000000000000000000000 Binary files a/docs/resource/image-20250918101425789.png and /dev/null differ diff --git a/docs/resource/image-20250918101443421.png b/docs/resource/image-20250918101443421.png deleted file mode 100644 index ced1fb5baeaa90a20d299e84bef76ec3a692c011..0000000000000000000000000000000000000000 Binary files a/docs/resource/image-20250918101443421.png and /dev/null differ diff --git "a/docs/\351\203\250\347\275\262 & \344\275\277\347\224\250\346\211\213\345\206\214.md" "b/docs/\351\203\250\347\275\262 & \344\275\277\347\224\250\346\211\213\345\206\214.md" deleted file mode 100644 index 5ddec1857ef391a5e170539ca833d6cb51772d01..0000000000000000000000000000000000000000 --- "a/docs/\351\203\250\347\275\262 & \344\275\277\347\224\250\346\211\213\345\206\214.md" +++ /dev/null @@ -1,1460 +0,0 @@ -# 部署 & 使用手册 - -## 一、更新源 - -**930 发布之后无需更新源**，安装只支持 `openEuler 24.03 LTS SP2`。 - -```bash -echo "[EPOL-Preview] -name=EPOL-Preview -baseurl=https://eulermaker.compass-ci.openeuler.openatom.cn/api/ems4/repositories/openEuler-24.03-LTS-SP2:epol/openEuler%3A24.03-LTS-SP2/$basearch -metadata_expire=1h -enabled=1 -gpgcheck=1 -gpgkey=https://eulermaker.compass-ci.openeuler.openatom.cn/api/ems4/repositories/openEuler-24.03-LTS-SP2:epol/openEuler%3A24.03-LTS-SP2/$basearch/RPM-GPG-KEY-openEuler" >> /etc/yum.repos.d/openEuler-Intelligence-Preview.repo -``` - -## 二、安装 openeuler-intelligence-cli 和 openeuler-intelligence-installer - -```bash -dnf install openeuler-intelligence-cli openeuler-intelligence-installer -y -``` - -![image-20250918092746531](./resource/image-20250918092746531.png) - -## 三、初始化 openEuler Intelligence - -```bash -oi --init -``` - -**注意**：*请使用 root 用户或管理员权限执行* - -![image-20250918092914434](./resource/image-20250918092914434.png) - -特别说明：命令行客户端的界面会随着终端的适配情况出现不同的样式，是正常现象，本文档以 Windows 10 的默认终端为例进行展示。 - -### 3.1 - -选择部署新服务 - -![image-20250918092956884](./resource/image-20250918092956884.png) - -### 3.2 - -点击继续配置 - -![image-20250918093033417](./resource/image-20250918093033417.png) - -### 3.3 - -服务器 IP 默认 127.0.0.1，部署模式选择默认的`轻量部署`，点击LLM配置 - -![image-20250918093329139](./resource/image-20250918093329139.png) - -依次填写 API 端点、API 秘钥、模型名称，轻量部署可不填写 Embedding 配置，全量部署需要填写 - -![image-20250918093620039](./resource/image-20250918093620039.png) - -### 3.4 - -点击开始部署，等待部署执行完成 - -![image-20250918095405109](./resource/image-20250918095405109.png) - -![image-20250918095742768](./resource/image-20250918095742768.png) - -![image-20250918100010161](./resource/image-20250918100010161.png) - -### 3.5 - -点击完成，结束初始化 - -## 四、使用 Shell 客户端 - -具体参考 README - -链接：[README](../README.md) - -### 4.1 - -打开 Shell 客户端 - -```bash -oi -``` - -![image-20250918100409132](./resource/image-20250918100409132.png) - -### 4.2 - -选择智能体，默认为hce运维助手 - -![image-20250918100502872](./resource/image-20250918100502872.png) - -### 4.3 - -进行智能体的使用，此处以hce运维助手举例，回车确认，进入对话界面 - -![image-20250918100635136](./resource/image-20250918100635136.png) - -### 4.4 - -在左下角输入栏输入命令或问题，如帮我分析当前机器性能情况，智能体会根据提问自动选择合适的 MCP 工具，并询问是否执行，此处点击确认 - -![image-20250918100832293](./resource/image-20250918100832293.png) - -### 4.5 - -根据具体情况依次执行 MCP 工具 - -![image-20250918101004733](./resource/image-20250918101004733.png) - -![image-20250918101029066](./resource/image-20250918101029066.png) - -![image-20250918101147653](./resource/image-20250918101147653.png) - -### 4.6 - -智能体根据工具调用结果输出分析报告 - -![image-20250918101425789](./resource/image-20250918101425789.png) - -![image-20250918101443421](./resource/image-20250918101443421.png) - -## 五、默认智能体的使用 - -### 5.1 运维助手 - -hce运维助手包含2个 MCP 服务，以下为工具列表 - -#### `shell_generator` 服务 - -| 工具名称 | 参数 | 功能描述 | -| ------------------ | ------------------------------------------------------------ | ------------------------------------------------------------ | -| cmd_generator_tool | 必选参数： - goal：用户的需求（自然语言描述） 可选参数： - host：远程主机名称或 IP 地址（不提供则默认本地主机） | 根据用户的自然语言需求，结合目标主机（本地或远程）的系统信息（包括系统版本、运行时间、资源使用情况等），生成适配的 Shell 命令 | -| cmd_executor_tool | 必选参数： - command：需要执行的 Shell 命令 可选参数： - host：远程主机名称或 IP 地址（不提供则默认本地主机） | 在指定主机（本地或远程）上执行 Shell 命令，返回命令执行结果；若执行出错，返回错误信息 | - -#### `remote_info_mcp` 服务 - -| 工具名称 | 参数 | 功能描述 | -| ----------------------- | ------------------------------------------------------------ | ------------------------------------------------------------ | -| top_collect_tool | 必选参数：无 可选参数： - host：远程主机名称 / IP（默认本地） - k：进程数量（默认 5） | 获取本地或远程主机内存占用最多的 k 个进程信息，包含进程 ID、名称、内存使用量（MB） | -| get_process_info_tool | 必选参数： - pid：进程 ID 可选参数： - host：远程主机名称 / IP（默认本地） | 获取本地或远程主机指定 PID 进程的详细信息，含状态、创建时间、CPU / 内存使用等 | -| change_name_to_pid_tool | 必选参数： - name：进程名称 可选参数： - host：远程主机名称 / IP（默认本地） | 根据进程名称获取本地或远程主机对应的 PID 列表，以空格分隔返回 | -| get_cpu_info_tool | 必选参数：无 可选参数： - host：远程主机名称 / IP（默认本地） | 获取本地或远程主机 CPU 信息，含物理 / 逻辑核心数、频率、各核心使用率 | -| memory_anlyze_tool | 必选参数：无 可选参数： - host：远程主机名称 / IP（默认本地） | 分析本地或远程主机内存使用情况，含总内存、可用 / 已用内存、使用率 | -| get_disk_info_tool | 必选参数：无 可选参数： - host：远程主机名称 / IP（默认本地） | 获取本地或远程主机磁盘信息，含设备名称、挂载点、容量及使用率 | -| get_os_info_tool | 必选参数：无 可选参数： - host：远程主机名称 / IP（默认本地） | 获取本地或远程主机操作系统类型及版本信息，返回字符串格式 | -| get_network_info_tool | 必选参数：无 可选参数： - host：远程主机名称 / IP（默认本地） | 获取本地或远程主机网络接口信息，含接口名称、IP / 子网掩码 / MAC 地址、启用状态 | -| write_report_tool | 必选参数： - report：报告内容字符串 可选参数：无 | 将分析结果写入本地报告文件，返回文件绝对路径 | -| telnet_test_tool | 必选参数： - host：远程主机名称 / IP - port：端口号（1-65535） 可选参数：无 | 测试本地到目标主机指定端口的 Telnet 连接，返回布尔值表示连接是否成功 | -| ping_test_tool | 必选参数： - host：远程主机名称 / IP 可选参数：无 | 测试本地到目标主机的 Ping 连接，返回布尔值表示连接是否成功 | -| get_dns_info_tool | 必选参数：无 可选参数： - host：远程主机名称 / IP（默认本地） | 获取本地或远程主机 DNS 配置信息，含 DNS 服务器列表、搜索域列表 | -| perf_data_tool | 必选参数：无 可选参数： - host：远程主机名称 / IP（默认本地） - pid：进程 ID（默认所有进程） | 收集本地或远程主机性能数据，含 CPU / 内存使用率、I/O 统计信息 | - -##### 使用方法参考 - -可根据工具能力咨询相关问题或者执行命令 - -如果需要查询远程服务器相关能力，需要配置 `/usr/lib/openEuler Intelligence/mcp_center/config/public/public_config.toml` - -```toml -# 公共配置文件 -# 语言设置，支持 zh (中文) 和 en (英文) -language = "zh" -# 大模型配置 -llm_remote = "https://api.openai.com/v1" -llm_model = "gpt-5" -llm_api_key = "sk-xxxxxxxxxxxxxxxx" -max_tokens = 8192 -temperature = 0.7 -# 远程主机列表配置 -[[remote_hosts]] -name = "remote_server_name" -os_type = "openEuler" -host = "xx.xx.xx.xx" -port = 22 -username = "root" -password = "xxxxxx" -``` - -### 5.2 sysTrace 运维助手 - -systrace 运维助手为 sysTrace 的 MCP 化服务，提供感知、定界和报告生成三个工具 - -| 工具名称 | 参数 | 功能描述 | -| ------------------------- | ------------------------------------------------------------ | ------------------------------------------------------------ | -| slow_node_perception_tool | 必选参数： - task_id：任务 ID（格式如 IP 地址，例：192.168.2.122） 可选参数：无 | 检测指定 task_id 对应的机器性能是否发生劣化，返回包含异常标识及性能数据的感知结果；根据结果是否异常决定后续调用 `slow_node_detection_tool` 或直接调用 `generate_report_tool` | -| slow_node_detection_tool | 必选参数： - performance_data：感知工具返回的完整性能数据（PerceptionResult 类型） 可选参数：无 | 仅在 `slow_node_perception_tool` 返回 `is_anomaly=True` 时调用，对劣化节点进行慢卡定界分析，输出定界结果（含异常节点、指标等信息），需后续调用 `generate_report_tool` 生成报告 | -| generate_report_tool | 必选参数： - source_data：感知结果（PerceptionResult）或定界结果（AIJobDetectResult） - report_type：报告类型（ReportType 枚举，可选 normal/anomaly） 可选参数：无 | 接收感知或定界结果，按指定类型生成 Markdown 格式的《AI 训练任务性能诊断报告》，未劣化时输出正常结论，劣化时输出异常详情及建议 | - -systrace 运维助手的使用需要搭配 sysTrace 的数据采集部分，参考链接为 [docs/0.quickstart.md · openEuler/sysTrace](https://gitee.com/openeuler/sysTrace/blob/master/docs/0.quickstart.md) - -#### 5.2.1 在目标服务器上安装 sysTrace 数据采集模块，对 AI 训练任务进行数据采集 - -sysTrace 是一款运用于在 AI 训练任务中的软件。在 AI 训练中，常常出现训练任务故障导致训练成本浪费，业务痛点如下： - -- AI 训练性能故障缺乏常态化监控、检测能力 -- Host bound 引发的 AI 任务慢，卡故障缺乏全栈跟踪能力 - -sysTrace 工具支持如下功能： - -- 采集 torch_npu 层的 python 函数的调用栈 -- 采集 cann 层的内存持有情况，判断是否发生 HBM OOM 故障 -- 采集 mspti 的通信算子下发/执行，判断是否发生算子慢的情况，从而定位到慢卡 -- 采集 oncpu/offcpu 事件，判断 AI 训练中是否存在其他进程抢占 CPU 导致训练慢的问题 - -##### 环境 - -- **OS**： openEuler 22.03 (LTS-SP4) --5.10.0-60.18.0.50.oe2203.aarch64 -- **软件版本**：CANN 8.0RC3, torch 2.1.0, torch_npu 2.1.0.post10 - -##### 编译 - -- 下载源码： - -- 安装依赖包 - - *软件包版本：libbpf >= 0.8.1, clang >= 10.0.0 gcc >= 8.3.0, bpftool >= 6.8.0，如果版本均满足则跳过下面的手动安装步骤* - - ```bash - dnf install gcc g++ cmake make python3-devel protobuf-compiler protobuf-devel protobuf-c-devel libbpf clang libbpf-devel bpftool - ``` - -- 手动安装 `libbpf` - - ```bash - git clone https://github.com/libbpf/libbpf.git - git checkout v0.8.1 - cd libbpf/src - make && make install - ``` - -- 手动安装 `bpftool` - - ```bash - git clone --recurse-submodules https://github.com/libbpf/bpftool.git - git submodule update --init - cd src - make && make install - ``` - -- 编译 - - ```bash - cd sysTrace - bash build.sh - ``` - - 编译产物均在 `build` 目录下，会用到 `libsysTrace.so` 和 `sysTrace_cli` - - ```text - total 1776 - -rw-r--r--. 1 root root 17000 Jun 12 16:58 CMakeCache.txt - drwxr-xr-x. 7 root root 4096 Jun 12 17:10 CMakeFiles - -rw-r--r--. 1 root root 1798 Jun 12 16:58 cmake_install.cmake - -rw-r--r--. 1 root root 534270 Jun 12 17:10 libcommon.a - -rwxr-xr-x. 1 root root 1209296 Jun 12 17:10 libsysTrace.so - -rw-r--r--. 1 root root 20479 Jun 12 17:10 Makefile - drwxr-xr-x. 3 root root 4096 Jun 12 17:10 protos - -rwxr-xr-x. 1 root root 76736 Jun 12 17:10 sysTrace_cli - ``` - -##### 使用 - -###### 数据采集 - -- 修改 AI 训练任务脚本，使用 `LD_PRELAOD` 的方式将动态库加载到 AI 训练任务中 - - ```bash - LD_PRELOAD=/usr/local/lib/libunwind.so.8.2.0:/usr/local/lib/libunwind-aarch64.so.8.2.0:/home/ascend-toolkit-bak/ascend-toolkit/8.0.RC3.10/tools/mspti/lib64/libmspti.so:/systrace/build/libsysTrace.so python ... - ``` - -- **注意：以LD_PRELOAD的方式加载了/usr/local/lib/libunwind.so.8.2.0:/usr/local/lib/libunwind-aarch64.so.8.2.0的原因是因为低于1.7版本的libunwind有bug，需要手动下载最新版本的libunwind，如果环境中的libunwind版本大于等于1.7，则使用以下命令** - - ```bash - LD_PRELOAD=/home/ascend-toolkit-bak/ascend-toolkit/8.0.RC3.10/tools/mspti/lib64/libmspti.so:/systrace/build/libsysTrace.so python ... - ``` - -###### 动态开关 - -- sysTrace 支持动态开启采集数据，采集数据类型支持动态开启，sysTrace 提供二进制工具 sysTrace_cli，当前 L0 数据是常态开启，L1/2/3 类型数据可自行决定是否开启，使用命令如下： - - ```bash - [root@localhost ~]# sysTrace_cli help - Usage: sysTrace_client [args] - Commands: - set = - Enable/disable dump level - (levels: L0, L1, L2, L3) - interval = - Set dump interval in minutes - (levels: L1, L2, L3) - print [level|all] - Print current settings - (levels: L0, L1, L2, L3, all) - - Examples: - sysTrace_cli set L1=true - sysTrace_cli interval L1=10 - sysTrace_cli print all - ``` - -###### 数据落盘 - -- 所有采集的数据当前存放在 `/home/sysTrace` 目录下，每张卡上的数据以独立一个文件保存，集群多节点环境，建议将保存目录 `/home/sysTrace` 映射到共享目录，否则需要手动将每台节点上的数据手动拷贝，如下： - - ```text - drwxr-xr-x. 2 root root 4096 Jun 12 17:01 cann # 内存数据 - drwxr-xr-x. 2 root root 4096 Jun 12 17:01 mspti # 通信算子数据 - drwxr-xr-x. 2 root root 4096 Jun 12 17:01 timeline # torch_npu 层数据 - drwxr-xr-x. 2 root root 4096 Jun 12 17:01 osprobe # offcpu/cpu 事件 - ``` - -- sysTrace 支持动态开启采集数据，当前支持以下级别的数据： - - - L0：采集 torch_npu 层数据，采集数据类型包括如下数据(常态化采集) - - ```cpp - message Pytorch { - repeated PytorchStage pytorch_stages = 1; - uint32 rank = 2; // rank 号 - } - - message PytorchStage { - uint32 stage_id = 1; // AI 训练迭代轮次 - string stage_type = 2; // AI 训练迭代阶段 - uint64 start_us = 3; // 当前迭代阶段的开始时间 - uint64 end_us = 4; // 当前迭代阶段的结束时间 - repeated string stack_frames = 5; // 当前迭代阶段的 python 调用栈 - oneof debug_data { - GcDebugData gc_debug = 6; // 当前迭代阶段的 GC 数据 - } - } - ``` - - - L1：采集通信算子数据，采集数据包括如下数据 - - ```text - Flag,Id,Kind,Name,SourceKind,Timestamp,msptiObjectId_Ds_DeviceId,msptiObjectId_Ds_StreamId,msptiObjectId_Pt_ProcessId,msptiObjectId_Pt_ThreadId - ``` - -#### 5.2.2 修改 sysTrace 运维助手的配置文件配合数据采集模块对 AI 训练任务结果进行分析 - -在 `/etc/systrace/config` 目录下修改 `ftp_config.json` 文件 - -```json5 -{ - "servers": [ - { - "ip": "192.168.xxx.196", # 远程目标服务器的 IP - "port": 22, # 远程目标服务器的 SSH 端口 - "user": "root", # 用户名 - "password": "password", # 密码 - "perception_remote_dir": "/home/sysTrace/timeline", # 远程目标服务器 systrace 采集的 timeline 数据保存路径 - "detection_remote_dir": "/home/sysTrace/mspti", # 远程目标服务器 systrace 采集的 mspti 数据保存路径 - } - ], - "enable": "True" # True 为开启远程获取数据，False 为关闭只使用本地文件进行分析 -} - -``` - -修改 `model_config.json` 文件，主要是数据保存的路径，其他参数参考 [docs/0.quickstart.md · openEuler/sysTrace](https://gitee.com/openeuler/sysTrace/blob/master/docs/0.quickstart.md) - -```json -"training_log": "/home/sysTrace/timeline" # 感知数据的保存路径 -"root_path": "/home/sysTrace/mspti", # 定界数据的保存路径 -``` - -##### 慢卡定界算法配置 - -在文件 `model_config.json` 中，配置模型运行所需的参数。该配置项中，主要包含： - -- `with_fail_slow`: 配置启动慢节点检测性能劣化来源于性能劣化检测的时刻还是手动配置, 默认为false -- `slow_node_detection_range_times`: 慢节点检测输入的时间范围，默认为空列表 -- `slow_node_detection_time_span_hours`: 慢节点检测的时间长度，默认为0.5小时 -- `slow_node_detection_path`: 慢节点检测结果保存路径，默认为 `/etc/systrace/result/slow_node` -- `data_type`: 算子数据的格式，默认为 `json` -- `root_path`: 算子数据的输入路径，默认为 `/home/hbdir/systrace_failslow/data/baseline` -- `enable_detect_type`: 检测不同故障类型的开关，字典格式 - - `enable_cal`: 计算慢开关，默认为true - - `enable_op_launch`: 算子下发慢开关，默认为false - - `enable_comm`: 通信慢开关，默认为false - - `enable_dataloader`: 输入模型数据加载慢开关，默认为false - - `enable_ckpt`: 模型保存慢开关，默认为false -- `fail_slow_ops`: 检测不同故障类型对应的观测点，字典格式 - - `cal_slow`: 计算慢对应的观测点，默认为 `HcclAllGather` - - `op_launch_slow`: 算子下发慢对应的观测点，默认为 `HcclAllGather_launch` - - `comm_slow`: 通信慢对应的观测点，默认为 `HcclBatchSendRecv` - - `dataloader_slow`: 输入模型数据加载慢对应的观测点，默认为 `Dataloader` - - `ckpt_slow`: 模型保存满对应的观测点，默认为 `SaveCkpt` -- `save_image`: 时序数据保存的路径，用于debug算法效果，默认为 `image` -- `record_kpi`: 时序数据是否记录到检测结果中，默认为false -- `use_plot`: 时序数据保存开关，用于debug算法效果，默认为false -- `max_num_normal_results`: 检测结果最大记录正常节点数据数量，默认为16 -- `look_back`: 告警抑制，默认为20min -- `hccl_domain`: 通信域默认配置，格式为字典，默认为 `{}`，实际配置示例 `{"tp":[[0,1,2,3], [4,5,6,7]], "dp":[[0,4], [1,5],[2,6],[3,7]]}` -- `rank_table_json`: rank_table配置文件路径，用于 mindspore 通信域配置，默认路径 `./rank_table.json` -- `debug_data`: denug模式，会保存算子执行和算子下发的中间文件，默认为false - -在文件 `metric_config.json` 中，配置所有指标的检测算法参数，每个指标独立配置。该配置项中以 `HcclAllGather` 指标配置举例，主要包含： - -- `metric_type`: 指标类型，string类型，取值 `device` 和 `host` -- `aggregation`: 指标聚合配置，字典 - - `during_s`: 聚合窗口大小, int类型，默认5s - - `funcs`: 聚合方法配置，list类型，包含元素为 dict 类型 - - `func`: 聚合方法，string类型，有 `min`, `max`, `mean`, `percentile` 等 - - `func_params`: 聚合方法配置参数，字典类型，根据不同的聚合方法配置，默认为空 -- `priority`: 指标类型，string类型，取值 `device` 和 `host` -- `aggregation`: 检测优先级，int类型 -- `alarm_filter_window_size`: 告警过滤窗口大小，表示检测出的异常点连续个数，int类型，默认值为5 -- `space_detector`: 节点间对比检测器配置，不配置为 `null` - - `dist_metric`: 节点间距离函数类型， euclidean, string类型 - - `eps`: Dbscan聚类参数的阈值，点间距离大于该值则为另一类， float类型 - - `cv_threshold`: 判断值偏离均值的程度，偏移过大则认为是异常点，float类型 - - `min_samples`: dbscan最小成新簇的点数, int类型 - - `window_size`: 窗口大小，表示单次检测的窗口，不重叠，int类型 - - `scaling`: 表示时间序列是否归一化， bool类型 - - `type`: 空间检测器类型，string类型，取值 `SlidingWindowDBSCAN`, `OuterDataDetector` -- `time_detector`: 单节点时序异常检测配置, 不配置为 `null` - - `preprocess_eps`: Dbscann预处理的阈值, float类型 - - `preprocess_min_samples`: Dbscan预处理的最小点数，int类型 - - `type`: 时间检测器类型，string类型，取值为 `TSDBSCANDetector`, `SlidingWindowKSigmaDetector` - - `n_sigma_method`: 当为 `SlidingWindowKSigmaDetector` 类型时，配置字段，dict类型 - - `type`: `SlidingWindowKSigmaDetector` 采用的检测算法，可替换扩展，string类型，默认为 `SlidingWindowNSigma` - - `training_window_size`: 滑动窗口的最大值，超过该值，覆盖已有value，int类型 - - `min_update_window_size`: 滑动窗口的最小更新值，int类型 - - `min_std_val`: 最小标准差，当标准差为0时，设置为最小标准差，float类型 - - `bias`: 边界基础上的偏置系数，float类型 - - `abs_bias`: 边界基础上的偏置值，float类型 - - `nsigma_coefficient`: Ksigam的系数，int类型 - - `detect_type`: 检测边界类型，string类型，取值为 `lower_bound`, `upper_bound`, `bi_bound` - - `min_expert_lower_bound`: 下边界最小专家阈值，null表示不设置专家阈值，int或者null类型 - - `max_expert_lower_bound`: 下边界最大专家阈值，null表示不设置专家阈值，int或者null类型 - - `min_expert_upper_bound`: 上边界最小专家阈值，null表示不设置专家阈值，int或者null类型 - - `max_expert_upper_bound`: 上边界最大专家阈值，null表示不设置专家阈值，int或者null类型 - -#### 5.2.3 Shell 客户端使用 sysTrace 运维助手对训练采集数据进行分析 - -问题需要带上目标 IP - -如：帮我分析192.168.122.196机器的AI训练情况 - -### 5.3 调优助手 - -调优助手通过采集系统、微架构、应用等维度的指标数据，结合大模型和定制化的提示词工程，针对不同应用的可调参数给出可靠的参数推荐，同时根据推荐的参数运行 benchmark，与 baseline 做对比并计算出推荐参数对应用性能的提升值。 - -仓库地址：[README.md · openEuler/A-Tune](https://gitee.com/openeuler/A-Tune/blob/euler-copilot-tune/README.md) - -| 工具名称 | 参数 | 功能描述 | -| --------- | ------ | ------------------------------------------------------------ | -| Collector | 无参数 | 采集指定机器的性能指标，包括静态指标（系统配置等）、动态指标（实时性能数据）和可选的微依赖分析数据，并将结果缓存 | -| Analyzer | 无参数 | 对已采集的数据进行分析，识别性能瓶颈，生成分析报告（需先调用 Collector） | -| Optimizer | 无参数 | 基于分析结果提供参数优化建议和策略优化方案（需先调用 Analyzer） | -| StartTune | 无参数 | 执行实际调优操作，包括参数优化和策略优化，耗时小时级，结果需通过日志查看（需先完成 Collector、Analyzer、Optimizer 流程，且仅在用户明确要求时调用），指令：journalctl -xe -u tune-mcpserver --all -f | - -#### 工具调用流程说明 - -1. **数据采集阶段**：先调用 `Collector` 工具，获取机器的静态配置和动态性能指标，数据将自动缓存。 -2. **分析阶段**：调用 `Analyzer` 工具，基于采集的数据生成性能分析报告并识别瓶颈。 -3. **优化建议阶段**：调用 `Optimizer` 工具，根据分析结果提供参数调整和策略优化方案。 -4. **执行调优阶段**：仅当用户明确要求时，调用 `StartTune` 工具执行实际调优，完成后需通过日志（`journalctl -xe -u tune-mcpserver --all -f`）查看结果。 - -#### 注意事项 - -- 工具需按顺序调用，前序工具未执行会导致后续工具报错。 -- `StartTune` 工具执行耗时较长（约 1 小时），调用时需提醒用户耐心等待。 - -#### 5.3.1 使用前需修改配置文件指定要调优的机器和调优的系统 - -在 `/etc/euler-copilot-tune/config` 目录下修改 .env .yaml 文件 - -具体格式如下： - -```bash -LLM_KEY: "YOUR_LLM_KEY" -LLM_URL: "YOUR_LLM_URL" -LLM_MODEL_NAME: "YOUR_LLM_MODEL_NAME" -LLM_MAX_TOKENS: - -REMOTE_EMBEDDING_ENDPOINT: "YOUR_EMBEDDING_MODEL_URL" -REMOTE_EMBEDDING_MODEL_NAME: "YOUR_MODEL_NAME" -``` - -```yaml -servers: - - ip: "" # 应用所在 IP - host_user: "" # 登录机器的 usr id - password: "" # 登录机器的密码 - port: # 应用所在 IP 的具体 port - app: "mysql" # 当前支持 mysql、nginx、pgsql、spark - listening_address: "" # 应用监听的IP (当前仅 flink、nginx、spark 需要填写) - listening_port: "" # 应用监听的端口 (当前仅 flink、nginx、spark 需要填写) - target_process_name: "mysqld" # 调优应用的进程名称 - business_context: "高并发数据库服务，CPU负载主要集中在用户态处理" # 调优应用的描述（用于策略生成） - max_retries: 3 - delay: 1.0 - -feature: - - need_restart_application: False # 修改参数之后是否需要重启应用使参数生效 - need_recover_cluster: False # 调优过程中是否需要恢复集群 - microDep_collector: True # 是否开启微架构指标采集 - pressure_test_mode: True # 是否通过压测模拟负载环境 - tune_system_param: False # 是否调整系统参数 - tune_app_param: True # 是否调整应用参数 - strategy_optimization: False # 是否需要策略推荐 - benchmark_timeout: 3600 # benchmark 执行超时限制 - max_iterations: 10 # 最大迭代轮数 -``` - -在 `/etc/euler-copilot-tune/config` 目录下修改 `app_config.yaml`（重点是补充 set_param_template、get_param_template、benchmark 脚本），具体内容如下： - -```yaml -mysql: - user: "root" - password: "123456" - config_file: "/etc/my.cnf" - port: 3306 - set_param_template: 'grep -q "^$param_name\\s*=" "$config_file" && sed -i "s/^$param_name\\s*=.*/$param_name = $param_value/" "$config_file" || sed -i "/\\[mysqld\\]/a $param_name = $param_value" "$config_file"' - get_param_template: 'grep -E "^$param_name\s*=" $config_file | cut -d= -f2- | xargs' - stop_workload: "systemctl stop mysqld" - start_workload: "systemctl start mysqld" - benchmark: "$EXECUTE_MODE:local sh $SCRIPTS_DIR/mysql/parse_benchmark.sh $host_ip $port $user $password" - performance_metric: "QPS" - -flink: - set_param_template: 'sh /home/wsy/set_param.sh $param_name $param_value' - get_param_template: 'sh /home/wsy/get_param.sh $param_name' - benchmark: "sh /home/wsy/nexmark_test.sh" - stop_workload: 'docker exec -i flink_jm_8c32g bash -c "source /etc/profile && /usr/local/flink-1.16.3/bin/stop-cluster.sh && /usr/local/nexmark/bin/shutdown_cluster.sh"' - start_workload: 'docker exec -i flink_jm_8c32g bash -c "source /etc/profile && /usr/local/flink-1.16.3/bin/start-cluster.sh"' - performance_metric: "THROUGHPUT" - -pgsql: - user: "postgres" - password: "postgres" - config_file: "/data/data1/pgsql/postgresql.conf" - port: 5432 - set_param_template: 'grep -qE "^\s*$param_name\s*=" "$config_file" && sed -i "s/^[[:space:]]*$param_name[[:space:]]*=.*/$param_name = $param_value/" "$config_file" || echo "$param_name = $param_value" >> "$config_file"' - get_param_template: 'grep -oP "^\s*$param_name\s*=\s*\K.*" "$config_file"' - stop_workload: "su - postgres -c '/usr/local/pgsql/bin/pg_ctl stop -D /data/data1/pgsql/ -m fast'" - start_workload: "su - postgres -c '/usr/local/pgsql/bin/pg_ctl start -D /data/data1/pgsql/ -l /var/log/postgresql/postgresql.log'" - benchmark: "$EXECUTE_MODE:local sh $SCRIPTS_DIR/postgresql/parse_benchmark.sh $host_ip $port $user $password" - performance_metric: "QPS" - -spark: - set_param_template: 'sh /path/of/set_param.sh $param_name $param_value' - get_param_template: 'sh /path/of/get_param.sh $param_name' - benchmark: "sh /path/of/spark_benchmark.sh" - performance_metric: "DURATION" - -nginx: - port: 10000 - config_file: "/usr/local/nginx/conf/nginx.conf" - set_param_template: 'grep -q "^\\s*$param_name\\s\\+" "$config_file" && sed -i "s|^\\s*$param_name\\s\\+.*| $param_name $param_value;|" "$config_file" || sed -i "/http\\s*{/a\ $param_name $param_value;" "$config_file"' - get_param_template: 'grep -E "^\\s*$param_name\\s+" $config_file | head -1 | sed -E "s/^\\s*$param_name\\s+(.*);/\\1/"' - stop_workload: "/usr/local/nginx/sbin/nginx -s reload" - start_workload: "/usr/local/nginx/sbin/nginx -s reload" - benchmark: "$EXECUTE_MODE:local sh $SCRIPTS_DIR/nginx/parse_benchmark.sh $host_ip $port" - performance_metric: "QPS" - -ceph: - set_param_template: 'ceph config set osd "$param_name" "$param_value"' - get_param_template: 'sh /path/of/get_params.sh' - start_workload: "sh /path/of/restart_ceph.sh" - benchmark: "$EXECUTE_MODE:local sh $SCRIPTS_DIR/ceph/parse_benchmark.sh" - performance_metric: "BANDWIDTH" - -gaussdb: - user: "" - password: "" - config_file: "/path/of/config_file" - port: 5432 - set_param_template: 'gs_guc set -Z datanode -N all -I all -c "${param_name}=${param_value}"' - get_param_template: 'gs_guc check -Z datanode -N all -I all -c "${param_name}"' - stop_workload: "cm_ctl stop -m i" - start_workload: "cm_ctl start" - recover_workload: "$EXECUTE_MODE:local sh /path/of/gaussdb_cluster_recover.sh" - benchmark: "$EXECUTE_MODE:local sh/path/of/gaussdb_benchmark.sh" - performance_metric: "DURATION" - -system: - set_param_template: 'sysctl -w $param_name=$param_value' - get_param_template: 'sysctl $param_name' - -redis: - port: 6379 - config_file: "/etc/redis.conf" - set_param_template: "sed -i 's/^$param_name/$param_name $param_value/g' $config_file" - get_param_template: "grep -P '$param_name' $config_file | awk '{print $2}" - start_workload: "systemctl start redis" - stop_workload: "systemctl stop redis" - benchmark: "$EXECUTE_MODE:local sh $SCRIPTS_DIR/redis/parse_benchmark.sh $host_ip $port " - performance_metric: "QPS" -``` - -其中： - -- `set_param_template`: 根据调优结果修改应用参数，用于后续测试效果 -- `get_param_template`: 获取应用参数 -- `recover_workload`: 恢复集群 -- `benchmark`: benchmark 脚本，脚本可参考 `/etc/euler-copilot-tune/scripts` 结合业务需求自定义 - -#### 5.3.2 根据调优工具进行使用，采集数据，分析，推荐参数以及开始调优 - -### 5.4 OE-core 运维助手 - -OE-Core 是 openEuler Intelligence 智能体群的核心全能型助手，定位为 “系统基础运维一站式工具集”。其整合系统监控、文件管理、进程管控三大类 MCP 服务，无需切换多工具即可完成日常运维中 80% 的基础操作，覆盖从 “系统状态查看” 到 “文件操作” 再到 “进程管理” 的全流程需求。 - -其核心价值在于打破传统运维中“系统监控用 top/free、文件操作靠 rm/tar、进程管理需 ps/kill”的工具碎片化现状，通过标准化 MCP 工具封装与结构化数据输出，实现“一站式操作+自动化适配”——既支持本地主机快速巡检，也可通过 SSH 认证对接远程集群，适配 x86_64、arm64 多架构服务器，兼容 EulerOS、CentOS、Ubuntu 等主流 Linux 发行版，满足中小规模集群及单机运维的基础需求。 - -#### 5.4.1 MCP服务矩阵 - -智能体通过 14 个标准化 MCP 工具，构建“全场景覆盖、轻量化操作”的服务体系，涵盖系统监控、文件管理、进程管控三大运维维度，具体服务与工具映射如下： - -| 服务分类 | MCP 工具名称 | 核心功能定位 | 默认端口 | -|------------------|-----------------------------|----------------------------|-----------| -| 系统综合状态洞察 | [top_mcp](#top_mcp) | 实时监控系统负载与进程状态，支持自定义采集维度 | 12110 | -| | [free_mcp](#free_mcp) | 查看系统内存使用状态 | 13100 | -| | [vmstat_mcp](#vmstat_mcp) | 采集系统资源交互瓶颈数据 | 13101 | -| | [nvidia_mcp](#nvidia_mcp) | 查询 GPU 负载与状态 | 12114 | -| 文件与目录管理 | [ls_mcp](#ls_mcp) | 查看目录内容与文件属性 | 13112 | -| | [file_content_tool_mcp](#file_content_tool_mcp) | 文件内容增删改查 | 12125 | -| | [find_mcp](#find_mcp) | 按条件搜索文件/目录 | 13107 | -| | [grep_mcp](#grep_mcp) | 搜索文件内容关键词 | 13120 | -| | [rm_mcp](#rm_mcp) | 删除文件/目录 | 13110 | -| | [mv_mcp](#mv_mcp) | 文件/目录移动或重命名 | 13111 | -| | [mkdir_mcp](#mkdir_mcp) | 创建目录（支持多级） | 13109 | -| | [tar_mcp](#tar_mcp) | 文件/目录压缩解压（tar格式）| 13118 | -| | [zip_mcp](#zip_mcp) | 文件/目录压缩解压（zip格式）| 13119 | -| 进程基础管理 | [kill_mcp](#kill_mcp) | 暂停/恢复进程，查看信号量 | 12111 | - -#### 5.4.2 使用案例 - -以下按 “系统监控、文件管理、进程管控、综合运维” 四大高频场景分类，提供不同需求粒度的 Prompt 格式，直接复制即可使用，无需额外补充技术参数,只需替换ip或者一些目标信息即可 - -##### 系统监控类场景（核心需求：查状态、判异常） - -- **案例 1**：远程单点服务器基础状态巡检（最常用场景） - - ```text - 帮我查一下 192.168.3.5 这台服务器的运行状态，要包含 CPU 负载（1/5/15分钟）、内存实际使用率（排除缓存）、GPU 显存和核心占用率，最后告诉我有没有异常 - ``` - -- **案例 2**：本地节点资源告警排查 - - ```text - 我本地机器提示“内存不足”，帮我确认一下总内存、已用内存、缓存占用多少，再看看哪些进程内存占比最高，Top3 就行 - ``` - -- **案例 3**：多节点负载对比 - - ```text - 帮我批量查一下 192.168.3.5、192.168.3.6、192.168.3.7 这三台服务器的 CPU 空闲率和磁盘根目录使用率，整理成对比结果 - ``` - -- **案例 4**：GPU 专项检查 - - ```text - 192.168.3.10 这台 GPU 服务器的训练任务卡住了，帮我看看有几块 GPU、每块的显存使用率是不是超 90%，还有哪些进程在占用 GPU 资源 - ``` - -##### 文件管理类场景（核心需求：找文件、改内容、做归档） - -- **案例 1**：远程过期日志清理 - - ```text - 192.168.3.5 的 /var/log/nginx 目录下，帮我找所有 30 天前的 .log 文件，先压缩成 tar.gz 包存到 /var/log/archive，再把原文件删掉 - ``` - -- **案例 2**：本地多文件内容修改 - - ```text - 我本地 /data/app 目录下，所有子目录里的 config.yaml 文件，帮我把“timeout: 30s”改成“timeout: 60s”，改完后确认一下修改结果 - ``` - -- **案例 3**：按条件查找大文件 - - ```text - 帮我在 192.168.3.6 的 /data 目录下，找所有大于 10GB 的 .tar 或 .zip 压缩文件，显示文件路径、大小和最后修改时间 - ``` - -- **案例 4**：文件内容关键词搜索 - - ```text - 192.168.3.5 的 /var/log/messages 文件里，帮我搜索最近 7 天包含“error”或“fail”的日志，输出匹配的行号和内容 - ``` - -##### 进程管控类场景（核心需求：查进程、解阻塞） - -- **案例 1**：本地高负载进程临时暂停 - - ```text - 我本地有个叫“data_export”的进程，现在 CPU 占比快 90% 了，先帮我查它的 PID，然后暂停这个进程，暂停后再确认一下它的状态是不是“stopped” - ``` - -- **案例 2**：远程关键进程恢复运行 - - ```text - 192.168.3.5 上有个叫“redis-server”的进程之前暂停了（PID 1234），帮我恢复它的运行，恢复后验证进程状态是否正常，还要看它的内存占比有没有异常 - ``` - -- **案例 3**：批量暂停同类临时进程 - - ```text - 我本地运行了多个叫“test_task”的临时进程，帮我先列出所有这类进程的 PID 和状态，然后把它们全部暂停，最后输出暂停成功的 PID 列表 - ``` - -- **案例 4**：按 PID 精准暂停与恢复（应急场景） - - ```text - 帮我先查看 PID 5678 的进程名称和当前状态，确认是“app_worker”后暂停它；等 10 秒后，再恢复这个 PID 5678 进程的运行，全程记录状态变化 - ``` - -- **案例 5**：常用信号量含义查询（基础认知） - - ```text - 我想了解一下进程管理里常用的几个信号量含义，帮我解释下 SIGSTOP（19）、SIGCONT（18）、SIGTERM（15）这三个信号分别是做什么的，适合在什么场景用 - ``` - -- **案例 6**：应急信号量查询（操作前确认） - - ```text - 现在要恢复一个之前被暂停的“file_sync”进程，不确定该用哪个信号量，帮我查一下“恢复暂停进程”对应的信号量名称、编号和使用注意事项 - ``` - -##### 综合运维类场景（多需求组合） - -- **案例 1**：服务器初始化检查 - - ```text - 新部署的 192.168.3.20 服务器，帮我做个初始化检查：1. 查 CPU 核心数、内存总大小；2. 看 /data 目录是否存在，不存在就创建；3. 确认 sshd 进程是否在运行 - ``` - -- **案例 2**：应用部署前环境确认 - - ```text - 要在 192.168.3.8 部署 Java 应用，帮我确认：1. 内存空闲是否超 16GB；2. /opt/app 目录是否有写权限；3. 有没有占用 8080 端口的进程 - ``` - -- **案例 3**：故障应急排查 - - ```text - 192.168.3.9 的 nginx 服务没响应，帮我排查：1. nginx 进程是否存活；2. CPU 和内存有没有满；3. /var/log/nginx/error.log 里最近 10 条错误日志是什么 - ``` - -### 5.5 OE-PerfDoctor 性能诊断医师 - -OE-PerfDoctor 是 openEuler Intelligence 体系下的**系统级性能智能诊断智能体**，专注于服务器集群、关键业务应用的性能瓶颈定位与优化建议生成。其核心能力在于整合底层硬件分析、内存访问监控、CPU 性能剖析及高级诊断工具链，通过“自动化工具调用+多维度数据联动分析+可视化结果呈现”的流程，替代传统人工性能调优中的重复性操作，大幅提升性能问题排查效率。 - -OE-PerfDoctor 已集成四大类核心性能分析服务，覆盖从硬件基线到应用层瓶颈的全链路诊断，支持 x86_64、arm64 多架构服务器，适配 EulerOS、CentOS、Ubuntu 等主流 Linux 发行版。 - -#### 5.5.1 MCP服务矩阵 - -OE-PerfDoctor是 openEuler Intelligence 中的性能深度诊断专家，专注于系统级性能问题的定位和优化。该智能体通过 10 个标准化 MCP 工具，构建 “硬件 - 系统 - 应用” 全链路的性能诊断体系，涵盖 NUMA 架构分析、CPU 性能剖析、系统调用与中断诊断三大维度，具体服务与工具映射如下： - -| 服务分类 | MCP 工具名称 | 核心功能定位 | 默认端口 | -|------------------------|-----------------------------|------------------------------------------------|-----------| -| NUMA 架构分析与优化 | [lscpu_mcp](#lscpu_mcp) | 采集 CPU 静态架构信息，为 NUMA 分析提供硬件基线 | 12202 | -| | [numa_topo_mcp](#numa_topo_mcp) | 解析 NUMA 节点分布、CPU 与内存绑定关系 | 12203 | -| | [numastat_mcp](#numastat_mcp) | 监控 NUMA 节点内存访问状态，识别分配不均衡问题 | 12210 | -| | [numa_cross_node_mcp](#numa_cross_node_mcp) | 定位跨 NUMA 节点访问的进程，量化性能损耗 | 12211 | -| CPU 性能剖析 | [hotspot_trace_mcp](#hotspot_trace_mcp) | 跟踪 CPU 热点进程/函数，识别高负载代码段 | 12216 | -| | [cache_miss_audit_mcp](#cache_miss_audit_mcp) | 审计 CPU 缓存（L1/L2/L3）未命中率，定位缓存损耗 | 12217 | -| | [flame_graph_mcp](#flame_graph_mcp) | 生成 CPU 耗时火焰图，可视化函数调用栈性能瓶颈 | 12222 | -| | [func_timing_trace_mcp](#func_timing_trace_mcp) | 分析函数级执行耗时，定位慢函数 | 12218 | -| 系统调用与中断诊断 | [strace_syscall_mcp](#strace_syscall_mcp) | 统计进程系统调用频率与耗时，定位 I/O 瓶颈 | 12219 | -| | [perf_interrupt_mcp](#perf_interrupt_mcp) | 定位高频中断源，识别中断导致的 CPU 资源争抢 | 12220 | - -#### 5.5.2 使用案例 - -以下按 “NUMA 内存问题诊断、CPU 热点定位、系统调用瓶颈排查” 三大高频性能场景分类，提供自然语言交互 Prompt 格式，直接替换 IP、进程名等关键信息即可使用，无需额外补充技术参数。 - -- 场景 1：NUMA 内存分配不均衡诊断（数据库性能下降） - - ```text - 192.168.4.10 这台数据库服务器查询延迟突增，帮我分析是不是 NUMA 内存问题：1. 查一下 NUMA 节点分布和各节点内存使用率；2. 看看有没有进程跨节点访问内存，占比多少；3. 最后给优化建议 - ``` - -- 场景 2：CPU 高负载根因定位（应用响应慢） - - ```text - 我本地运行的“order-service”应用 CPU 一直占 85% 以上，帮我定位瓶颈：1. 找出 CPU 热点函数；2. 查一下 L3 缓存未命中率是不是超标；3. 生成火焰图看看函数调用栈哪里耗时最多 - ``` - -- 场景 3：系统调用瓶颈排查（I/O 密集型应用卡顿） - - ```text - 192.168.4.15 的“file-transfer”应用传输文件时卡顿，帮我查：1. 这个进程的系统调用里，哪些调用频率高、耗时久；2. 有没有高频中断占用 CPU；3. 总结卡顿的核心原因 - ``` - -- 场景 4：综合性能诊断（集群节点性能差异） - - ```text - 帮我对比 192.168.4.20 和 192.168.4.21 两台节点的性能差异：1. 查 CPU 架构和 NUMA 拓扑是否一致；2. 对比相同“data-process”进程的 CPU 热点和缓存命中率；3. 指出导致性能差异的关键因素 - ``` - -### 5.6 OE-高级运维工程师 - -OE-AdvOps 是 openEuler Intelligence 智能体群中的专精型高级运维工具，定位为“复杂运维场景解决方案提供者”。其聚焦企业级服务器的进阶运维需求，整合进程高级控制、系统资源深度监控、内存与交换空间管理三大核心能力，通过标准化 MCP 工具封装，替代传统“命令拼接 + 人工判断” 的低效运维模式，实现复杂操作的自动化与可追溯，适配中大规模集群的高级运维场景。 - -其核心价值在于解决传统运维中 “进程后台启动靠 nohup 手动记录、资源瓶颈诊断需 sar/vmstat 多工具拼接、swap 管理风险高” 的痛点，支持本地与远程（SSH 认证）双模式操作，适配 x86_64、arm64 多架构服务器，兼容 EulerOS、CentOS、Ubuntu 等主流 Linux 发行版，可满足 “进程精细化管控、系统资源深度诊断、内存交换空间安全管理” 的高阶需求。 - -#### 5.6.1 MCP服务矩阵 - -OE-AdvOps 智能体通过 9 个标准化 MCP 工具，构建 “进程 - 资源 - 内存” 全维度的高级运维体系，涵盖进程高级控制、系统资源监控与诊断、内存与交换空间管理三大维度，具体服务与工具映射如下： - -| 服务分类 | MCP 工具名称 | 核心功能定位 | 默认端口 | -|------------------------|-----------------------------|------------------------------------------------|-----------| -| 进程高级控制 | [nohup_mcp](#nohup_mcp) | 后台启动进程并记录输出日志，避免会话断开中断 | 12301 | -| | [strace_mcp](#strace_mcp) | 跟踪进程系统调用与信号，分析进程异常原因 | 12302 | -| | [kill_mcp](#kill_mcp) | 精细化控制进程（暂停/恢复/发送指定信号），查看进程状态 | 12111 | -| | [top_mcp](#top_mcp) | 实时监控进程资源占用（CPU/内存），识别高负载进程 | 12110 | -| 系统资源监控与诊断 | [sar_mcp](#sar_mcp) | 采集系统历史/实时资源数据（CPU/内存/I/O），生成诊断报告 | 12303 | -| | [vmstat_mcp](#vmstat_mcp) | 监控系统内存交换、I/O 等待、CPU 上下文切换，定位资源瓶颈 | 13101 | -| 内存与交换空间管理 | [sync_mcp](#sync_mcp) | 同步系统缓冲区数据到磁盘，避免数据丢失 | 12304 | -| | [swapon_mcp](#swapon_mcp) | 启用 swap 分区/文件，查看当前 swap 使用状态 | 13104 | -| | [swapoff_mcp](#swapoff_mcp) | 安全停用 swap 分区/文件，释放交换空间 | 13105 | -| | [fallocate_mcp](#fallocate_mcp) | 预分配文件空间（常用于创建 swap 文件），指定大小与路径 | 12305 | - -#### 5.6.2 使用案例 - -以下按 “进程高级管控、系统资源深度诊断、内存与交换空间管理” 三大高频高级运维场景分类，提供自然语言交互 Prompt 格式，直接替换 IP、进程名、路径等关键信息即可使用： - -- 场景 1：进程后台启动与异常跟踪 - - ```text - 帮我在 192.168.5.10 上后台启动“data_sync.sh”脚本，日志输出到 /var/log/data_sync.log；启动后用 top_mcp 监控它的内存占用，要是超过 50% 就用 strace_mcp 跟踪它的系统调用，查异常原因 - ``` - -- 场景 2：系统资源历史瓶颈诊断 - - ```text - 192.168.5.15 昨天 14:00-16:00 出现 CPU 负载突增，帮我用 sar_mcp 查这段时间的 CPU 使用率（用户态/系统态）、内存交换情况，再用 vmstat_mcp 看当时的 I/O 等待时间，总结负载突增的原因 - ``` - -- 场景 3：swap 文件创建与安全管理 - - ```text - 我本地服务器内存不足，帮我创建一个 20G 的 swap 文件：1. 用 fallocate_mcp 在 /data/swapfile 预分配 20G 空间；2. 启用这个 swap 文件（用 swapon_mcp）；3. 最后查看当前 swap 总容量和使用率 - ``` - -- 场景 4：进程异常恢复与数据保护 - - ```text - 192.168.5.20 上的“db_backup”进程（PID 6789）无响应，帮我：1. 用 kill_mcp 发送 SIGSTOP 暂停进程；2. 用 sync_mcp 强制同步缓冲区数据；3. 尝试发送 SIGCONT 恢复进程，恢复失败就输出重启建议 - ``` - -### 5.7 OE-文件系统专家 - -OE-FileMaster 是 openEuler Intelligence 中的专精型文件系统管理工具，定位为 “全场景文件操作一站式解决方案”。其聚焦文件系统的全生命周期管理，整合高级查找与内容处理、权限与所有权管控、文件创建与查看三大核心能力，覆盖从 “文件创建” 到 “内容编辑” 再到 “权限配置” 的全流程操作，替代传统运维中 “多命令切换 + 手动校验” 的低效模式，实现文件操作的标准化与自动化。 - -其核心价值在于解决传统文件管理中 “高级查找靠 find 复杂参数拼接、内容修改需 grep+sed 组合、权限配置易因参数错误导致安全风险” 的痛点，支持本地与远程（SSH 认证）双模式操作，适配 x86_64、arm64 多架构服务器，兼容 EulerOS、CentOS、Ubuntu 等主流 Linux 发行版，可满足 “日常文件运维、批量内容处理、权限安全管控” 的精细化需求。 - -#### 5.7.1 MCP服务矩阵 - -OE-FileMaster 智能体通过 14 个标准化 MCP 工具，构建 “查找 - 处理 - 管控 - 查看” 全维度的文件系统管理体系，涵盖高级查找与内容处理、权限与所有权管理、文件创建与查看三大维度，具体服务与工具映射如下： - -| 服务分类 | MCP 工具名称 | 核心功能定位 | 默认端口 | -|------------------------|-----------------------------|------------------------------------------------|-----------| -| 高级查找与内容处理 | [find_mcp](#find_mcp) | 按路径/名称/大小/修改时间等多条件查找文件/目录 | 13107 | -| | [grep_mcp](#grep_mcp) | 按关键词搜索文件内容，支持多文件批量匹配 | 13120 | -| | [sed_mcp](#sed_mcp) | 批量替换文件内容（支持正则），处理结构化文本 | 13201 | -| | [file_content_tool_mcp](#file_content_tool_mcp) | 全功能文件内容管理（读/写/改/删），支持大文件分段操作 | 12125 | -| 权限与所有权管理 | [chmod_mcp](#chmod_mcp) | 配置文件/目录权限（数字/符号格式），保障访问安全 | 13202 | -| | [chown_mcp](#chown_mcp) | 修改文件/目录所有者与所属组，管控资源归属 | 13203 | -| 文件创建与查看 | [touch_mcp](#touch_mcp) | 创建空文件/更新文件修改时间，初始化文件资源 | 13204 | -| | [cat_mcp](#cat_mcp) | 读取完整文件内容，支持文本/配置文件快速查看 | 13205 | -| | [head_mcp](#head_mcp) | 查看文件前 N 行内容，快速定位文件头部信息 | 13206 | -| | [tail_mcp](#tail_mcp) | 查看文件后 N 行/实时跟踪文件更新（tail -f） | 13207 | -| | [echo_mcp](#echo_mcp) | 向文件写入文本内容（覆盖/追加模式），快速生成简单文件 | 13208 | -| | [ls_mcp](#ls_mcp) | 查看目录内容与文件属性（权限/大小/修改时间） | 13112 | -| | [rm_mcp](#rm_mcp) | 安全删除文件/目录（支持递归），清理无效资源 | 13110 | -| | [mv_mcp](#mv_mcp) | 移动文件/目录或重命名，调整资源存储路径 | 13111 | - -#### 5.7.2 使用案例 - -以下按 “高级内容处理、权限安全管控、日常文件运维” 三大高频文件管理场景分类，提供自然语言交互 Prompt 格式，直接替换 IP、文件路径、关键词等关键信息即可使用： - -- 场景 1：批量文件内容替换（配置更新） - - ```text - 192.168.6.10 的 /data/apps 目录下，所有子目录的 config.ini 文件里，帮我把“server_ip = 10.0.0.1”改成“server_ip = 10.0.0.2”，改完后用 grep_mcp 验证替换结果 - ``` - -- 场景 2：文件权限与所有权修复（安全管控） - - ```text - 本地 /var/www/html 目录下的网站文件，现在普通用户也能修改，帮我处理：1. 用 chmod_mcp 把所有 .php 文件权限设为 644，目录设为 755；2. 用 chown_mcp 把所有者改成 www 用户和 www 组，递归处理所有子文件 - ``` - -- 场景 3：日志文件高级处理（运维分析） - - ```text - 帮我处理 192.168.6.15 的 /var/log/nginx/access.log：1. 用 find_mcp 找出去年 12 月的日志文件；2. 用 grep_mcp 统计这些日志里包含“/api/login”的请求行数；3. 用 tail_mcp 实时跟踪当前日志的最新 20 行 - ``` - -- 场景 4：文件创建与内容初始化（资源准备） - - ```text - 要在 192.168.6.20 部署脚本，帮我：1. 用 touch_mcp 在 /opt/scripts 下创建 start.sh 和 stop.sh；2. 用 echo_mcp 向 start.sh 写入“#!/bin/bash\n/opt/app/start”（追加模式）；3. 用 chmod_mcp 给两个脚本设为 700 权限 - ``` - -### 5.8 NUMA专精专家 - -OE-NUMAExpert 是 openEuler Intelligence 中的专精型硬件优化工具，定位为 “NUMA 架构全场景优化与诊断解决方案”。其聚焦多 CPU 服务器的 NUMA（非均匀内存访问）架构特性，整合进程 NUMA 绑定、Docker 容器 NUMA 控制、NUMA 性能测试与硬件诊断四大核心能力，解决传统 NUMA 优化中 “手动绑定效率低、容器管控难、性能差异无量化” 的痛点，最大化发挥多架构服务器的硬件性能。 - -其核心价值在于通过标准化 MCP 工具，实现 “NUMA 拓扑可视化→进程 / 容器精准绑定→性能对比测试→硬件问题诊断” 的全流程自动化，支持本地与远程（SSH 认证）双模式操作，适配 x86_64、arm64 多架构服务器，兼容 EulerOS、CentOS、Ubuntu 等主流 Linux 发行版，可满足 “高性能计算、数据库集群、AI 训练” 等对硬件资源敏感场景的 NUMA 优化需求。 - -#### 5.8.1 MCP服务矩阵 - -OE-NUMAExpert 智能体通过 8 个标准化 MCP 工具，构建 “拓扑分析 - 绑定控制 - 性能测试 - 诊断优化” 全维度的 NUMA 硬件管理体系，涵盖 NUMA 拓扑与状态监控、进程 / 容器 NUMA 绑定、NUMA 性能对比与诊断三大维度，具体服务与工具映射如下： - -| 服务分类 | MCP 工具名称 | 核心功能定位 | 默认端口 | -|------------------------|-----------------------------|------------------------------------------------|-----------| -| NUMA 拓扑与状态监控 | [numa_topo_mcp](#numa_topo_mcp) | 解析 NUMA 节点分布、CPU 核心归属与内存关联关系，生成拓扑图 | 12203 | -| | [numastat_mcp](#numastat_mcp) | 实时监控各 NUMA 节点内存访问量、本地/跨节点访问占比，识别不均衡问题 | 12210 | -| 进程/容器 NUMA 绑定 | [numa_bind_proc_mcp](#numa_bind_proc_mcp) | 进程启动时绑定到指定 NUMA 节点，避免跨节点内存访问 | 12401 | -| | [numa_rebind_proc_mcp](#numa_rebind_proc_mcp) | 对运行中进程重新绑定 NUMA 节点，动态调整资源分配 | 12402 | -| | [numa_bind_docker_mcp](#numa_bind_docker_mcp) | 启动 Docker 容器时绑定 NUMA 节点，管控容器硬件资源 | 12403 | -| | [numa_container_mcp](#numa_container_mcp) | 查看/修改已运行 Docker 容器的 NUMA 绑定配置，动态优化 | 12404 | -| NUMA 性能对比与诊断 | [numa_perf_compare_mcp](#numa_perf_compare_mcp) | 对比不同 NUMA 绑定策略下的性能数据（延迟/吞吐量），生成优化建议 | 12405 | -| | [numa_diagnose_mcp](#numa_diagnose_mcp) | 诊断 NUMA 相关硬件问题（节点故障、内存访问异常），输出修复方案 | 12406 | - -#### 5.8.2 使用案例 - -以下按 “进程 NUMA 优化、Docker 容器 NUMA 管控、NUMA 性能测试与诊断” 三大高频硬件优化场景分类，提供自然语言交互 Prompt 格式，直接替换 IP、进程 ID、节点 ID 等关键信息即可使用： - -- 场景 1：数据库进程 NUMA 绑定（性能优化） - - ```text - 192.168.7.10 上的 MySQL 进程（PID 3456）跨 NUMA 节点访问导致延迟高，帮我：1. 用 numa_topo_mcp 查该服务器的 NUMA 节点分布；2. 把 MySQL 进程重新绑定到 NUMA 节点 0；3. 用 numastat_mcp 验证跨节点访问占比是否下降 - ``` - -- 场景 2：Docker 容器 NUMA 管控（资源隔离） - - ```text - 要在 192.168.7.15 启动一个 AI 训练容器（镜像 tensorflow:latest），帮我：1. 启动时用 numa_bind_docker_mcp 绑定到 NUMA 节点 1；2. 启动后用 numa_container_mcp 确认绑定是否生效；3. 限制容器只使用节点 1 的 CPU 和内存 - ``` - -- 场景 3：NUMA 绑定策略性能对比（方案选型） - - ```text - 帮我在本地服务器测试不同 NUMA 绑定对“data-process”程序的影响：1. 分别绑定到 NUMA 节点 0、节点 1、不绑定；2. 用 numa_perf_compare_mcp 对比三种场景下的处理延迟和吞吐量；3. 推荐最优绑定策略 - ``` - -- 场景 4：NUMA 硬件问题诊断（故障排查） - - ```text - 192.168.7.20 服务器近期内存访问延迟突然升高，怀疑是 NUMA 节点问题，帮我：1. 用 numa_diagnose_mcp 检查所有 NUMA 节点和内存状态；2. 用 numastat_mcp 看各节点跨访问占比；3. 输出问题根因和修复建议 - ``` - -### 5.9 MCP 总览 - -当前已集成 **30+ 核心功能模块**，能力覆盖运维全场景，具体包含七大方向： - -1. 硬件信息采集：支持 CPU 架构解析、NUMA 拓扑查询、GPU 负载监控，为底层资源分析提供数据基线； -2. 系统资源监控：实时采集内存使用状态、CPU 负载变化、网络流量数据，动态捕捉资源瓶颈； -3. 进程与服务管控：实现进程启停控制、信号量含义查询、后台进程稳定执行，保障服务运行可控； -4. 文件操作管理：覆盖文件增删改查、压缩解压（tar/zip 格式）、权限与所有权配置，满足文件全生命周期需求； -5. 性能诊断优化：**内置火焰图生成能力**（基于系统原生 `perf` 工具封装）、系统调用排查、CPU 缓存失效定位，无需额外部署独立性能分析工具，即可助力深度性能调优； -6. 虚拟化与容器辅助：支持 Docker 容器 NUMA 绑定、QEMU 虚拟机管理，适配虚拟化运维场景； -7. 网络扫描探测：可执行 IP/网段探测、端口识别，快速完成网络基础巡检。 - -上述能力仅依赖系统原生基础工具（如 `perf`），无需额外部署第三方独立运维套件，即可满足从基础运维到深度性能优化的全流程需求。 - -在部署与迭代层面，具备两大核心优势： - -- **双模式适配**：支持本地直接调用与远程 SSH 管控，兼顾单机运维与多节点集群管理场景； -- **高稳定性与可扩展性**：单个模块的升级、维护不影响整体运行；开源特性允许社区开发者参与功能迭代与 Bug 修复，持续丰富模块能力，适配更多新兴运维场景。 - -#### 5.9.1 MCP_Server列表 - -| 端口号 | 服务名称 | 目录路径 | 简介 | -|--------|------------------------------|-----------------------------------------------|-------------------------------------------------| -| 12100 | [remote_info_mcp](#remote_info_mcp) | mcp_center/servers/remote_info_mcp | 获取端点信息 | -| 12101 | [shell_generator_mcp](#shell_generator_mcp) | mcp_center/servers/shell_generator_mcp | 生成&执行shell命令 | -| 12110 | [top_mcp](#top_mcp) | mcp_center/servers/top_mcp | 获取系统负载信息 | -| 12111 | [kill_mcp](#kill_mcp) | mcp_center/servers/kill_mcp | 控制进程&查看进程信号量含义 | -| 12112 | [nohup_mcp](#nohup_mcp) | mcp_center/servers/nohup_mcp | 后台执行进程 | -| 12113 | [strace_mcp](#strace_mcp) | mcp_center/servers/strace_mcp | 跟踪进程信息，可以用于异常情况分析 | -| 12114 | [nvidia_mcp](#nvidia_mcp) | mcp_center/servers/nvidia_mcp | GPU负载信息查询 | -| 12125 | [file_content_tool_mcp](#file_content_tool_mcp) | mcp_center/servers/file_content_tool_mcp | 文件内容增删改查 | -| 12145 | [systrace_mcpserver_mcp](#systrace_mcpserver_mcp) | mcp_center/servers/systrace/systrace_mcpserver_mcp | 开启MCP Server服务 | -| 12146 | [ssystrace_openapi_mcp](#ssystrace_openapi_mcp) | mcp_center/servers/systrace/ssystrace_openapi_mcp | 开启OpenAPI Server服务 | -| 12147 | [euler_copilot_tune_mcp](#euler_copilot_tune_mcp) | mcp_center/servers/euler_copilot_tune_mcp | 调优MCP服务 | -| 12202 | [lscpu_mcp](#lscpu_mcp) | mcp_center/servers/lscpu_mcp | CPU架构等静态信息收集 | -| 12203 | [numa_topo_mcp](#numa_topo_mcp) | mcp_center/servers/numa_topo_mcp | 查询 NUMA 硬件拓扑与系统配置 | -| 12204 | [numa_bind_proc_mcp](#numa_bind_proc_mcp) | mcp_center/servers/numa_bind_proc_mcp | 启动时绑定进程到指定 NUMA 节点 | -| 12205 | [numa_rebind_proc_mcp](#numa_rebind_proc_mcp) | mcp_center/servers/numa_rebind_proc_mcp | 修改已启动进程的 NUMA 绑定 | -| 12206 | [numa_bind_docker_mcp](#numa_bind_docker_mcp) | mcp_center/servers/numa_bind_docker_mcp | 为 Docker 容器配置 NUMA 绑定 | -| 12208 | [numa_perf_compare_mcp](#numa_perf_compare_mcp) | mcp_center/servers/numa_perf_compare_mcp | 用 NUMA 绑定控制测试变量 | -| 12209 | [numa_diagnose_mcp](#numa_diagnose_mcp) | mcp_center/servers/numa_diagnose_mcp | 用 NUMA 绑定定位硬件问题 | -| 12210 | [numastat_mcp](#numastat_mcp) | mcp_center/servers/numastat_mcp | 查看系统整体 NUMA 内存访问状态 | -| 12211 | [numa_cross_node_mcp](#numa_cross_node_mcp) | mcp_center/servers/numa_cross_node_mcp | 定位跨节点内存访问过高的进程 | -| 12214 | [numa_container_mcp](#numa_container_mcp) | mcp_center/servers/numa_container_mcp | 监控 Docker 容器的 NUMA 内存访问 | -| 12216 | [hotspot_trace_mcp](#hotspot_trace_mcp) | mcp_center/servers/hotspot_trace_mcp | 快速定位系统 / 进程的 CPU 性能瓶颈 | -| 12217 | [cache_miss_audit_mcp](#cache_miss_audit_mcp) | mcp_center/servers/cache_miss_audit_mcp | 定位 CPU 缓存失效导致的性能损耗 | -| 12218 | [func_timing_trace_mcp](#func_timing_trace_mcp) | mcp_center/servers/func_timing_trace_mcp | 精准测量函数执行时间（含调用栈） | -| 12219 | [strace_syscall_mcp](#strace_syscall_mcp) | mcp_center/servers/strace_syscall_mcp | 排查不合理的系统调用（高频 / 耗时） | -| 12220 | [perf_interrupt_mcp](#perf_interrupt_mcp) | mcp_center/servers/perf_interrupt_mcp | 定位高频中断导致的 CPU 占用 | -| 12222 | [flame_graph_mcp](#flame_graph_mcp) | mcp_center/servers/flame_graph_mcp | 火焰图生成：可视化展示性能瓶颈 | -| 13100 | [free_mcp](#free_mcp) | mcp_center/servers/free_mcp | 获取系统内存整体状态 | -| 13101 | [vmstat_mcp](#vmstat_mcp) | mcp_center/servers/vmstat_mcp | 系统资源交互瓶颈信息采集 | -| 13102 | [sar_mcp](#sar_mcp) | mcp_center/servers/sar_mcp | 系统资源监控与故障诊断 | -| 13103 | [sync_mcp](#sync_mcp) | mcp_center/servers/sync_mcp | 内存缓冲区数据写入磁盘 | -| 13104 | [swapon_mcp](#swapon_mcp) | mcp_center/servers/swapon_mcp | 查看swap设备状态 | -| 13105 | [swapoff_mcp](#swapoff_mcp) | mcp_center/servers/swapoff_mcp | swap设备停用 | -| 13106 | [fallocate_mcp](#fallocate_mcp) | mcp_center/servers/fallocate_mcp | 临时创建并启用swap文件 | -| 13107 | [find_mcp](#find_mcp) | mcp_center/servers/find_mcp | 文件查找 | -| 13108 | [touch_mcp](#touch_mcp) | mcp_center/servers/touch_mcp | 文件创建与时间校准 | -| 13109 | [mkdir_mcp](#mkdir_mcp) | mcp_center/servers/mkdir_mcp | 文件夹创建 | -| 13110 | [rm_mcp](#rm_mcp) | mcp_center/servers/rm_mcp | 文件删除 | -| 13111 | [mv_mcp](#mv_mcp) | mcp_center/servers/mv_mcp | 文件移动或重命名 | -| 13112 | [ls_mcp](#ls_mcp) | mcp_center/servers/ls_mcp | 查看目录内容 | -| 13113 | [head_mcp](#head_mcp) | mcp_center/servers/head_mcp | 文件开头内容查看工具 | -| 13114 | [tail_mcp](#tail_mcp) | mcp_center/servers/tail_mcp | 文件末尾内容查看工具 | -| 13115 | [cat_mcp](#cat_mcp) | mcp_center/servers/cat_mcp | 文件内容查看工具 | -| 13116 | [chown_mcp](#chown_mcp) | mcp_center/servers/chown_mcp | 文件所有者修改工具 | -| 13117 | [chmod_mcp](#chmod_mcp) | mcp_center/servers/chmod_mcp | 文件权限修改工具 | -| 13118 | [tar_mcp](#tar_mcp) | mcp_center/servers/tar_mcp | 文件压缩解压工具 | -| 13119 | [zip_mcp](#zip_mcp) | mcp_center/servers/zip_mcp | 文件压缩解压工具 | -| 13120 | [grep_mcp](#grep_mcp) | mcp_center/servers/grep_mcp | 文件内容搜索工具 | -| 13121 | [sed_mcp](#sed_mcp) | mcp_center/servers/sed_mcp | 文本处理工具 | -| 13125 | [echo_mcp](#echo_mcp) | mcp_center/servers/echo_mcp | 文本写入工具 | - -#### 5.9.2 MCP_Server 详情 - -本部分将针对核心MCP服务模块展开详细说明，通过“服务-工具-功能-参数-返回值”的结构化表格，清晰呈现每个MCP_Server的具体能力：包括其包含的工具列表、各工具的核心作用、调用时需传入的关键参数，以及执行后返回的结构化数据格式。旨在为运维人员提供“即查即用”的操作指南，确保能快速理解服务功能、正确配置参数、高效解析返回结果，满足日常运维、性能分析与故障排查的实际需求。 - -##### remote_info_mcp - -| MCP_Server名称 | MCP_Tool列表 | 工具功能 | 核心输入参数 | 关键返回内容 | -|-----------------|-----------------------|--------------------------------------------------------------------------|------------------------------------------------------------------------------|------------------------------------------------------------------------------| -| | top_collect_tool | 获取目标设备（本地/远程）中**内存占用排名前k个**的进程信息，k支持自定义配置 | - `host`：远程主机名/IP（本地采集可不填）
- `k`：需获取的进程数量（默认5） | 进程列表（含`pid`进程ID、`name`进程名称、`memory`内存使用量（MB）） | -| | get_process_info_tool | 查询指定PID进程的**详细运行信息**，支持本地与远程进程信息获取 | - `host`：远程主机名/IP（本地查询可不填）
- `pid`：需查询的进程ID（必传，且为正整数） | 进程详细字典（含`status`状态、`create_time`创建时间、`cpu_times`CPU时间、`memory_info`内存信息、`open_files`打开文件列表、`connections`网络连接等） | -| | change_name_to_pid_tool | 根据进程名称反向查询对应的**PID列表**，解决“已知进程名查ID”的场景需求 | - `host`：远程主机名/IP（本地查询可不填）
- `name`：需查询的进程名称（必传，不能为空） | 以空格分隔的PID字符串（如“1234 5678”） | -| **remote_info_mcp** | get_cpu_info_tool | 采集目标设备的CPU硬件与使用状态信息，包括核心数、频率、核心使用率 | - `host`：远程主机名/IP（本地采集可不填） | CPU信息字典（含`physical_cores`物理核心数、`total_cores`逻辑核心数、`max_frequency`最大频率（MHz）、`cpu_usage`各核心使用率（%）等） | -| | memory_anlyze_tool | 分析目标设备的内存使用情况，计算总内存、可用内存及使用率 | - `host`：远程主机名/IP（本地采集可不填） | 内存信息字典（含`total`总内存（MB）、`available`可用内存（MB）、`used`已用内存（MB）、`percent`内存使用率（%）等） | -| | get_disk_info_tool | 采集目标设备的磁盘分区信息与容量使用状态，过滤临时文件系统（tmpfs/devtmpfs） | - `host`：远程主机名/IP（本地采集可不填） | 磁盘列表（含`device`设备名、`mountpoint`挂载点、`fstype`文件系统类型、`total`总容量（GB）、`percent`磁盘使用率（%）等） | -| | get_os_info_tool | 获取目标设备的操作系统类型与版本信息，适配OpenEuler、Ubuntu、CentOS等多系统 | - `host`：远程主机名/IP（本地采集可不填） | 操作系统信息字符串（如“OpenEuler 22.03 LTS”或“Ubuntu 20.04.5 LTS”） | -| | get_network_info_tool | 采集目标设备的网络接口信息，包括IP地址、MAC地址、接口启用状态 | - `host`：远程主机名/IP（本地采集可不填） | 网络接口列表（含`interface`接口名、`ip_address`IP地址、`mac_address`MAC地址、`is_up`接口是否启用（布尔值）等） | -| | write_report_tool | 将系统信息分析结果写入本地报告文件，自动生成带时间戳的文件路径 | - `report`：报告内容字符串（必传，不能为空） | 报告文件路径字符串（如“/reports/system_report_20240520_153000.txt”） | -| | telnet_test_tool | 测试目标主机指定端口的Telnet连通性，验证端口开放状态 | - `host`：远程主机名/IP（必传）
- `port`：端口号（1-65535，必传） | 连通性结果（布尔值：`True`成功，`False`失败） | -| | ping_test_tool | 测试目标主机的ICMP Ping连通性，验证主机网络可达性 | - `host`：远程主机名/IP（必传） | 连通性结果（布尔值：`True`成功，`False`失败） | -| | get_dns_info_tool | 采集目标设备的DNS配置信息，包括DNS服务器列表与搜索域 | - `host`：远程主机名/IP（本地采集可不填） | DNS信息字典（含`nameservers`DNS服务器列表、`search`搜索域列表） | -| | perf_data_tool | 采集目标设备的实时性能数据，支持“指定进程”或“全系统”性能监控 | - `host`：远程主机名/IP（本地采集可不填）
- `pid`：进程ID（全系统监控可不填） | 性能数据字典（含`cpu_usage`CPU使用率（%）、`memory_usage`内存使用率（%）、`io_counters`I/O统计信息） | - ---- - -##### shell_generator_mcp - -| MCP_Server名称 | MCP_Tool列表 | 工具功能 | 核心输入参数 | 关键返回内容 | -|------------------|-----------------------|--------------------------------------------------------------------------|------------------------------------------------------------------------------|------------------------------------------------------------------------------| -| **shell_generator** | cmd_generator_tool | 1. 系统信息采集：指定`host`则通过SSH获取远程主机信息（系统发行版、运行时间、根分区/内存使用、Top5内存进程），不指定则采集本机信息；2. LLM命令生成：将系统信息与用户需求传入大语言模型，生成符合场景的Linux shell命令；3. 格式校验：提取LLM返回的YAML格式命令块，输出有效命令字符串 | - `host`（可选）：远程主机名/IP，需提前在配置文件配置主机IP、端口、用户名、密码，不提供则操作本机
- `goal`（必填）：用户运维需求描述（如“查询根分区使用率”“查看内存占用最高的3个进程”） | 符合场景的Linux shell命令字符串（经格式校验后的有效命令） | -| | cmd_executor_tool | 1. 多场景命令执行：支持本地或远程主机执行shell命令；2. 远程执行：通过SSH连接远程主机（基于配置文件信息），执行命令并捕获标准输出/错误输出，执行后关闭连接；3. 本地执行：通过`subprocess`模块执行命令，返回结果；4. 错误处理：命令执行出错（权限不足、命令不存在等）时，返回具体错误信息 | - `host`（可选）：远程主机名/IP，需与配置文件信息匹配，不提供则操作本机
- `command`（必填）：需执行的Linux shell命令字符串（建议由`cmd_generator_tool`生成） | 1. 命令执行成功：返回命令标准输出内容；2. 命令执行失败：返回具体错误信息（如“权限不足：Permission denied”“命令不存在：command not found”） | - ---- - -##### top_mcp - -| MCP_Server名称 | MCP_Tool列表 | 工具功能 | 核心输入参数 | 关键返回内容 | -|----------------|-----------------------|--------------------------------------------------------------------------|------------------------------------------------------------------------------|------------------------------------------------------------------------------| -| **top_mcp** | top_collect_tool | 获取目标设备（本地/远程）中**内存占用排名前k个**的进程信息，k支持自定义配置 | - `host`：远程主机名/IP（本地采集可不填）
- `k`：需获取的进程数量（默认5） | 进程列表（含`pid`进程ID、`name`进程名称、`memory`内存使用量（MB）） | -| | top_servers_tool | 通过`top`命令获取指定目标（本地/远程服务器）的负载信息，涵盖CPU、内存、磁盘、网络及进程状态，为运维、性能分析和故障排查提供数据支持 | - `host`：远程主机名/IP（本地采集可不填）
- `dimensions`：需采集的维度（可选值：cpu、memory、disk、network）
- `include_processes`：是否包含进程信息（布尔值）
- `top_n`：需返回的进程数量（整数） | - `server_info`：服务器基本信息
- `metrics`：请求维度的统计结果（如CPU使用率、内存占用率）
- `processes`：进程列表（仅`include_processes`=True时返回）
- `error`：错误信息（如连接失败，无错误则为null） | - ---- - -##### kill_mcp - -| MCP_Server名称 | MCP_Tool列表 | 工具功能 | 核心输入参数 | 关键返回内容 | -|----------------|-----------------------|--------------------------------------------------------------------------|------------------------------------------------------------------------------|------------------------------------------------------------------------------| -| | pause_process | 通过`kill`指令发送`SIGSTOP`信号暂停进程（支持本地/远程） | - `pid`：需暂停的进程PID（正整数，必填）
- `host`：远程主机名/IP（默认`localhost`，本地操作可不填）
- `port`：SSH端口（默认22，远程操作时使用）
- `username`：SSH用户名（默认`root`，远程操作时需指定）
- `password`：SSH密码（远程操作时必填） | - `success`：操作是否成功（布尔值）
- `message`：操作结果描述（字符串）
- `data`：包含操作详情的字典
  - `host`：操作的主机名/IP
  - `pid`：被暂停的进程PID | -| **kill_mcp** | resume_process | 通过`kill`指令发送`SIGCONT`信号恢复进程（支持本地/远程） | - `pid`：需恢复的进程PID（正整数，必填）
- `host`：远程主机名/IP（默认`localhost`，本地操作可不填）
- `port`：SSH端口（默认22，远程操作时使用）
- `username`：SSH用户名（默认`root`，远程操作时需指定）
- `password`：SSH密码（远程操作时必填） | - `success`：操作是否成功（布尔值）
- `message`：操作结果描述（字符串）
- `data`：包含操作详情的字典
  - `host`：操作的主机名/IP
  - `pid`：被恢复的进程PID | -| | get_kill_signals | 查看本地或远程服务器的`kill`信号量含义及功能说明 | - `host`：远程主机名/IP（本地查询可不填）
- `port`：SSH端口（默认22，远程查询时使用）
- `username`：SSH用户名（远程查询时必填）
- `password`：SSH密码（远程查询时必填） | - `success`：查询是否成功（布尔值）
- `message`：查询结果描述（字符串）
- `data`：包含信号量信息的字典
  - `host`：查询的主机名/IP（本地为`localhost`）
  - `signals`：信号量列表，每个元素包含：
    - `number`：信号编号（整数）
    - `name`：信号名称（如`SIGTERM`）
    - `description`：信号功能说明 | - ---- - -##### ls_mcp - -| MCP_Server名称 | MCP_Tool列表 | 工具功能 | 核心输入参数 | 关键返回内容 | -|----------------|-----------------------|------------------|------------------------------------------------------------------------------|--------------------| -| **ls_mcp** | ls_collect_tool | 列出目录内容 | - `host`：远程主机名/IP（本地采集可不填）
- `file`：目标文件/目录 | 目标目录内容的列表 | - ---- - -##### lscpu_mcp - -| MCP_Server名称 | MCP_Tool列表 | 工具功能 | 核心输入参数 | 关键返回内容 | -|----------------|-----------------------| ------------------------------------- | ------------------------------ | ---------------------------------------------------------------------------------------------------------------------------------------- | -| **lscpu_mcp** | lscpu_info_tool | 使用 `lscpu` 命令获取本地或远程主机的 CPU 架构及核心静态信息 | - `host`：远程主机名/IP（若不提供则获取本机信息） | `architecture`：CPU 架构（如 x86\_64）、`cpus_total`：CPU 总数量、`model_name`：CPU 型号名称、`cpu_max_mhz`：CPU 最大频率 (MHz)、`vulnerabilities`：常见安全漏洞的缓解状态字典 | - ---- - -##### mkdir_mcp - -| MCP_Server名称 | MCP_Tool列表 | 工具功能 | 核心输入参数 | 关键返回内容 | -|----------------|-----------------------|----------------------------------------------------------|------------------------------------------------------------------------------|----------------------------| -| **mkdir_mcp** | mkdir_collect_tool | 进行目录创建、支持批量创建、设置权限、递归创建多级目录 | - `host`：远程主机名/IP（本地采集可不填）
- `dir`：创建目录名 | 布尔值，表示mkdir操作是否成功 | - ---- - -##### mv_mcp - -| MCP_Server名称 | MCP_Tool列表 | 工具功能 | 核心输入参数 | 关键返回内容 | -|----------------|-----------------------|--------------------------|------------------------------------------------------------------------------|----------------------------| -| **mv_mcp** | mv_collect_tool | 移动或重命名文件/目录 | - `host`：远程主机名/IP（本地采集可不填）
- `source`：源文件或目录
- `target`：目标文件或目录 | 布尔值，表示mv操作是否成功 | - ---- - -##### nohup_mcp - -| MCP_Server名称 | MCP_Tool列表 | 工具功能 | 核心输入参数 | 关键返回内容 | -|----------------|-----------------------|----------------------------------------------------------|------------------------------------------------------------------------------|------------------------------------------------------------------------------| -| **nohup_mcp** | run_with_nohup | 使用`nohup`在本地或远程服务器运行命令，支持后台执行 | - `command`：需执行的命令（字符串，必填）
- `host`：远程主机IP或hostname（本地执行可不填）
- `port`：SSH端口（默认22，远程执行时使用）
- `username`：SSH用户名（远程执行时必填）
- `password`：SSH密码（远程执行时必填）
- `output_file`：输出日志文件路径（可选，默认自动生成）
- `working_dir`：命令执行的工作目录（可选） | - `success`：操作是否成功（布尔值）
- `message`：执行结果描述（字符串）
- `pid`：进程ID（成功执行时返回）
- `output_file`：输出日志文件路径
- `command`：实际执行的命令
- `host`：执行命令的主机（本地为`localhost`） | - ---- - -##### perf_microarch_mcp - -| MCP_Server名称 | MCP_Tool列表 | 工具功能 | 核心输入参数 | 关键返回内容 | -|----------------------|---------------------------|---------------------------------------------------------------------------------------|------------------------------------|--------------------------------------------------------------------------------------------------------------------------------------| -| **perf_microarch_mcp** | cache_miss_audit_tool | 通过 `perf stat -a -e cache-misses,cycles,instructions sleep 10` 采集整机的微架构指标，支持本地和远程执行 | - `host`：可选，远程主机名/IP，留空则采集本机 | `cache_misses`：缓存未命中次数
`cycles`：CPU 周期数
`instructions`：指令数
`ipc`：每周期指令数 (Instructions per Cycle)
`seconds`：采集时长（秒） | - ---- - -##### cache_miss_audit_mcp - -| MCP_Server名称 | MCP_Tool列表 | 工具功能 | 核心输入参数 | 关键返回内容 | -|----------------------|---------------------------|---------------------------------------------------------------------------------------|------------------------------------|--------------------------------------------------------------------------------------------------------------------------------------| -| **cache_miss_audit_mcp** | cache_miss_audit_tool | 通过 `perf stat -a -e cache-misses,cycles,instructions sleep 10` 采集整机的微架构指标，支持本地和远程执行 | - `host`：可选，远程主机名/IP，留空则采集本机 | `cache_miss`：缓存未命中次数
`cycles`：CPU 周期数
`instructions`：指令数
`ipc`：每周期指令数 (Instructions per Cycle)
`seconds`：采集时长（秒） | - ---- - -##### cat_mcp - -| MCP_Server名称 | MCP_Tool列表 | 工具功能 | 核心输入参数 | 关键返回内容 | -|----------------|-----------------------|------------------|------------------------------------------------------------------------------|--------------------| -| **cat_mcp** | cat_file_view_tool | 快速查看文件内容 | - `host`：远程主机名/IP（本地采集可不填）
- `file`：查看的文件路径 | 文件内容字符串 | - ---- - -##### chmod_mcp - -| MCP_Server名称 | MCP_Tool列表 | 工具功能 | 核心输入参数 | 关键返回内容 | -|----------------|-------------------------|--------------------------|------------------------------------------------------------------------------|----------------------------| -| **chmod_mcp** | chmod_change_mode_tool | 修改文件或目录的权限 | - `host`：远程主机名/IP（本地操作可不填）
- `mode`：权限模式（如755、644等）
- `file`：目标文件或目录路径 | 布尔值，表示操作是否成功 | - ---- - -##### chown_mcp - -| MCP_Server名称 | MCP_Tool列表 | 工具功能 | 核心输入参数 | 关键返回内容 | -|----------------|---------------------------|------------------------------|------------------------------------------------------------------------------|----------------------------| -| **chown_mcp** | chown_change_owner_tool | 修改文件或目录的所有者和所属组 | - `host`：远程主机名/IP（本地操作可不填）
- `owner_group`：文件所有者和文件关联组
- `file`：要修改的目标文件 | 布尔值，表示操作是否成功 | - ---- - -##### disk_manager_mcp - -| MCP_Server名称 | MCP_Tool列表 | 工具功能 | 核心输入参数 | 关键返回内容 | -|--------------------|-----------------------|--------------------------------------------------------------------------|------------------------------------------------------------------------------|------------------------------------------------------------------------------| -| | top_collect_tool | 获取目标设备（本地/远程）中**内存占用排名前k个**的进程信息，k支持自定义配置 | - `host`：远程主机名/IP（本地采集可不填）
- `k`：需获取的进程数量（默认5） | 进程列表（含`pid`进程ID、`name`进程名称、`memory`内存使用量（MB）） | -| | get_process_info_tool | 查询指定PID进程的**详细运行信息**，支持本地与远程进程信息获取 | - `host`：远程主机名/IP（本地查询可不填）
- `pid`：需查询的进程ID（必传，且为正整数） | 进程详细字典（含`status`状态、`create_time`创建时间、`cpu_times`CPU时间、`memory_info`内存信息、`open_files`打开文件列表、`connections`网络连接等） | -| | change_name_to_pid_tool | 根据进程名称反向查询对应的**PID列表**，解决“已知进程名查ID”的场景需求 | - `host`：远程主机名/IP（本地查询可不填）
- `name`：需查询的进程名称（必传，不能为空） | 以空格分隔的PID字符串（如“1234 5678”） | -| | get_cpu_info_tool | 采集目标设备的CPU硬件与使用状态信息，包括核心数、频率、核心使用率 | - `host`：远程主机名/IP（本地采集可不填） | CPU信息字典（含`physical_cores`物理核心数、`total_cores`逻辑核心数、`max_frequency`最大频率（MHz）、`cpu_usage`各核心使用率（%）等） | -| | memory_anlyze_tool | 分析目标设备的内存使用情况，计算总内存、可用内存及使用率 | - `host`：远程主机名/IP（本地采集可不填） | 内存信息字典（含`total`总内存（MB）、`available`可用内存（MB）、`used`已用内存（MB）、`percent`内存使用率（%）等） | -| **disk_manager_mcp** | get_disk_info_tool | 采集目标设备的磁盘分区信息与容量使用状态，过滤临时文件系统（tmpfs/devtmpfs） | - `host`：远程主机名/IP（本地采集可不填） | 磁盘列表（含`device`设备名、`mountpoint`挂载点、`fstype`文件系统类型、`total`总容量（GB）、`percent`磁盘使用率（%）等） | -| | get_os_info_tool | 获取目标设备的操作系统类型与版本信息，适配OpenEuler、Ubuntu、CentOS等多系统 | - `host`：远程主机名/IP（本地采集可不填） | 操作系统信息字符串（如“OpenEuler 22.03 LTS”或“Ubuntu 20.04.5 LTS”） | -| | get_network_info_tool | 采集目标设备的网络接口信息，包括IP地址、MAC地址、接口启用状态 | - `host`：远程主机名/IP（本地采集可不填） | 网络接口列表（含`interface`接口名、`ip_address`IP地址、`mac_address`MAC地址、`is_up`接口是否启用（布尔值）等） | -| | write_report_tool | 将系统信息分析结果写入本地报告文件，自动生成带时间戳的文件路径 | - `report`：报告内容字符串（必传，不能为空） | 报告文件路径字符串（如“/reports/system_report_20240520_153000.txt”） | -| | telnet_test_tool | 测试目标主机指定端口的Telnet连通性，验证端口开放状态 | - `host`：远程主机名/IP（必传）
- `port`：端口号（1-65535，必传） | 连通性结果（布尔值：`True`成功，`False`失败） | -| | ping_test_tool | 测试目标主机的ICMP Ping连通性，验证主机网络可达性 | - `host`：远程主机名/IP（必传） | 连通性结果（布尔值：`True`成功，`False`失败） | -| | get_dns_info_tool | 采集目标设备的DNS配置信息，包括DNS服务器列表与搜索域 | - `host`：远程主机名/IP（本地采集可不填） | DNS信息字典（含`nameservers`DNS服务器列表、`search`搜索域列表） | -| | perf_data_tool | 采集目标设备的实时性能数据，支持“指定进程”或“全系统”性能监控 | - `host`：远程主机名/IP（本地采集可不填）
- `pid`：进程ID（全系统监控可不填） | 性能数据字典（含`cpu_usage`CPU使用率（%）、`memory_usage`内存使用率（%）、`io_counters`I/O统计信息） | - ---- - -##### echo_mcp - -| MCP_Server名称 | MCP_Tool列表 | 工具功能 | 核心输入参数 | 关键返回内容 | -|----------------|-------------------------|--------------------------|------------------------------------------------------------------------------|----------------------------| -| **echo_mcp** | echo_write_to_file_tool | 使用echo命令将文本写入文件 | - `host`：远程主机名/IP（本地操作可不填）
- `text`：要写入的文本内容
- `file`：要写入的文件路径
- `options`：echo选项（可选），如"-n"不输出换行符等
- `mode`：写入模式，"w"表示覆盖写入，"a"表示追加写入，默认为"w" | 布尔值，表示写入操作是否成功 | - ---- - -##### fallocate_mcp - -| MCP_Server名称 | MCP_Tool列表 | 工具功能 | 核心输入参数 | 关键返回内容 | -|------------------|---------------------------|--------------------------|------------------------------------------------------------------------------|--------------------------------| -| **fallocate_mcp** | fallocate_create_file_tool | 创建并启用swap文件（修正工具功能描述，与参数匹配） | - `host`：远程主机名/IP（本地采集可不填）
- `name`：swap空间对应的设备或文件路径
- `size`：创建的磁盘空间大小 | 布尔值，表示创建启用swap文件是否成功 | - ---- - -##### file_content_tool_mcp - -| MCP_Server名称 | MCP_Tool列表 | 工具功能 | 核心输入参数 | 关键返回内容 | -|------------------------|-------------------------|--------------------------------------------------------------------------|------------------------------------------------------------------------------|------------------------------------------------------------------------------| -| | file_grep_tool | 通过`grep`命令搜索文件中匹配指定模式的内容（支持正则、大小写忽略等） | - `file_path`：目标文件路径（绝对路径，必填）
- `pattern`：搜索模式（支持正则，如"error"，必填）
- `options`：`grep`可选参数（如"-n"显示行号、"-i"忽略大小写，可选）
- `host`：远程主机名/IP（默认`localhost`，本地操作可不填）
- `port`：SSH端口（默认22，远程操作时使用）
- `username`：SSH用户名（默认`root`，远程操作时需指定）
- `password`：SSH密码（远程操作时必填） | - `success`：操作是否成功（布尔值）
- `message`：操作结果描述（如"本地文件搜索完成"）
- `data`：包含操作详情的字典
  - `host`：操作的主机名/IP
  - `file_path`：目标文件路径
  - `result`：匹配结果列表（每行一个匹配项） | -| | file_sed_tool | 通过`sed`命令替换文件中匹配的内容（支持全局替换、原文件修改） | - `file_path`：目标文件路径（绝对路径，必填）
- `pattern`：替换模式（如"s/old/new/g"，`g`表示全局替换，必填）
- `in_place`：是否直接修改原文件（布尔值，默认`False`，仅输出结果）
- `options`：`sed`可选参数（如"-i.bak"备份原文件，可选）
- `host`/`port`/`username`/`password`：同`file_grep_tool` | - `success`：操作是否成功（布尔值）
- `message`：操作结果描述（如"远程sed执行成功"）
- `data`：包含操作详情的字典
  - `host`：操作的主机名/IP
  - `file_path`：目标文件路径
  - `result`：替换后内容（`in_place=False`时返回） | -| **file_content_tool_mcp** | file_awk_tool | 通过`awk`命令对文本文件进行高级处理（支持列提取、条件过滤） | - `file_path`：目标文件路径（绝对路径，必填）
- `script`：`awk`处理脚本（如"'{print $1,$3}'"提取1、3列，必填）
- `options`：`awk`可选参数（如"-F:"指定分隔符为冒号，可选）
- `host`/`port`/`username`/`password`：同`file_grep_tool` | - `success`：操作是否成功（布尔值）
- `message`：操作结果描述（如"本地awk处理成功"）
- `data`：包含操作详情的字典
  - `host`：操作的主机名/IP
  - `file_path`：目标文件路径
  - `result`：处理结果列表（每行一个结果项） | -| | file_sort_tool | 通过`sort`命令对文本文件进行排序（支持按列、升序/降序） | - `file_path`：目标文件路径（绝对路径，必填）
- `options`：`sort`可选参数（如"-n"按数字排序、"-k2"按第2列排序、"-r"降序，可选）
- `output_file`：排序结果输出路径（可选，默认不保存到文件）
- `host`/`port`/`username`/`password`：同`file_grep_tool` | - `success`：操作是否成功（布尔值）
- `message`：操作结果描述（如"远程排序完成"）
- `data`：包含操作详情的字典
  - `host`：操作的主机名/IP
  - `file_path`/`output_file`：目标文件/输出文件路径
  - `result`：排序结果列表（`output_file`为空时返回） | -| | file_unique_tool | 通过`unique`命令对文本文件进行去重（支持统计重复次数） | - `file_path`：目标文件路径（绝对路径，必填）
- `options`：`unique`可选参数（如"-u"仅显示唯一行、"-c"统计重复次数，可选）
- `output_file`：去重结果输出路径（可选，默认不保存到文件）
- `host`/`port`/`username`/`password`：同`file_grep_tool` | - `success`：操作是否成功（布尔值）
- `message`：操作结果描述（如"本地去重完成"）
- `data`：包含操作详情的字典
  - `host`：操作的主机名/IP
  - `file_path`/`output_file`：目标文件/输出文件路径
  - `result`：去重结果列表（`output_file`为空时返回） | -| | file_echo_tool | 通过`echo`命令向文件写入内容（支持覆盖/追加模式） | - `content`：要写入的内容（如"Hello World"，必填）
- `file_path`：目标文件路径（绝对路径，必填）
- `append`：是否追加内容（布尔值，默认`False`，覆盖原文件）
- `host`/`port`/`username`/`password`：同`file_grep_tool` | - `success`：操作是否成功（布尔值）
- `message`：操作结果描述（如"本地写入成功"）
- `data`：包含操作详情的字典
  - `host`：操作的主机名/IP
  - `file_path`：目标文件路径
  - `action`：操作类型（"overwrite"覆盖/"append"追加） | - ---- - -##### find_mcp - -| MCP_Server名称 | MCP_Tool列表 | 工具功能 | 核心输入参数 | 关键返回内容 | -|----------------|-------------------------|------------------------------|------------------------------------------------------------------------------|------------------------------------------------| -| | find_with_name_tool | 基于名称在指定目录下查找文件 | - `host`：远程主机名/IP（本地采集可不填）
- `path`：指定查找的目录
- `name`：要找的文件名 | 查找到的文件列表（含`file`符合查找要求的具体文件路径） | -| **find_mcp** | find_with_date_tool | 基于修改时间在指定目录下查找文件 | - `host`：远程主机名/IP（本地采集可不填）
- `path`：指定查找的目录
- `date_condition`：修改时间条件（如"-mtime -1"表示1天内修改，补充参数使功能匹配） | 查找到的文件列表（含`file`符合查找要求的具体文件路径） | -| | find_with_size_tool | 基于文件大小在指定目录下查找文件 | - `host`：远程主机名/IP（本地采集可不填）
- `path`：指定查找的目录
- `size_condition`：文件大小条件（如"+10M"表示大于10MB，补充参数使功能匹配） | 查找到的文件列表（含`file`符合查找要求的具体文件路径） | - ---- - -##### flame_graph_mcp - -| MCP_Server名称 | MCP_Tool列表 | 工具功能 | 核心输入参数 | 关键返回内容 | -|------------------|-----------------------| ----------------------------------------- | -------------------------------------------------------------------------------------------------------------------------------------------------------------- | --------------------------------------------------------------------------------- | -| **flame_graph_mcp** | flame_graph | 基于 `perf.data` 生成 CPU 火焰图，用于性能分析（支持本地/远程） | - `host`：远程主机地址（可选）
- `perf_data_path`：perf.data 输入路径（必选）
- `output_path`：SVG 输出路径（默认：\~/cpu\_flamegraph.svg）
- `flamegraph_path`：FlameGraph 脚本路径（必选） | - `svg_path`：生成的火焰图文件路径
- `status`：生成状态（success / failure）
- `message`：状态信息 | - ---- - -##### free_mcp - -| MCP_Server名称 | MCP_Tool列表 | 工具功能 | 核心输入参数 | 关键返回内容 | -|----------------|-----------------------|--------------------------------------------|------------------------------------------------------------------------------|------------------------------------------------------------------------------| -| **free_mcp** | free_collect_tool | 获取目标设备（本地/远程）中内存整体状态信息 | - `host`：远程主机名/IP（本地采集可不填） | 内存信息列表（含`total`系统内存总量（MB）、`used`系统已使用内存量(MB)、`free`空闲物理内存（MB）、`available`系统可分配内存（MB）） | - ---- - -##### func_timing_trace_mcp - -| MCP_Server名称 | MCP_Tool列表 | 工具功能 | 核心输入参数 | 关键返回内容 | -|------------------------|---------------------------| ------------------------------------------ | -------------------------------------------------- | ----------------------------------------------------------------------------------------------------------------------------------------- | -| **func_timing_trace_mcp** | func_timing_trace_tool | 使用 `perf record -g` 采集目标进程的函数调用栈耗时，并解析热点函数 | - `pid`：目标进程 PID
- `host`：可选，远程主机 IP/域名；留空则采集本机 | `top_functions`：函数耗时分析结果，包含列表，每项包括：
• `function`：函数名
• `self_percent`：函数自身耗时占比
• `total_percent`：函数总耗时占比
• `call_stack`：函数调用栈 | - ---- - -##### grep_mcp - -| MCP_Server名称 | MCP_Tool列表 | 工具功能 | 核心输入参数 | 关键返回内容 | -|----------------|-----------------------|--------------------------|------------------------------------------------------------------------------|------------------------------------------------| -| **grep_mcp** | grep_search_tool | 在文件中搜索指定模式的内容 | - `host`：远程主机名/IP（本地搜索可不填）
- `options`：grep选项（可选），如"-i"忽略大小写，"-n"显示行号等
- `pattern`：要搜索的模式（支持正则表达式）
- `file`：要搜索的文件路径 | 包含匹配行的字符串，如果没有找到匹配项则返回相应的提示信息 | - ---- - -##### head_mcp - -| MCP_Server名称 | MCP_Tool列表 | 工具功能 | 核心输入参数 | 关键返回内容 | -|----------------|-----------------------|--------------------------|------------------------------------------------------------------------------|--------------------| -| **head_mcp** | head_file_view_tool | 快速查看文件开头部分内容 | - `host`：远程主机名/IP（本地采集可不填）
- `num`：查看文件开头行数，默认为10行
- `file`：查看的文件路径 | 文件内容字符串 | - ---- - -##### hotspot_trace_mcp - -| MCP_Server名称 | MCP_Tool列表 | 工具功能 | 核心输入参数 | 关键返回内容 | -|--------------------|-------------------------| ---------------------------------------------------- | ------------------------------------------------------- | ---------------------------------------------------------------------------------------------------------------------- | -| **hotspot_trace_mcp** | hotspot_trace_tool | 使用 `perf record` 和 `perf report` 分析系统或指定进程的 CPU 性能瓶颈 | - `host`：远程主机名/IP（可选，不填则分析本机）
- `pid`：目标进程 ID（可选，不填则分析整机） | - `total_samples`：总样本数
- `event_count`：事件计数（如 cycles）
- `hot_functions`：热点函数列表（按 Children 百分比排序，包含函数名、库、符号类型和占比） | - ---- - -##### numa_bind_docker_mcp - -| MCP_Server名称 | MCP_Tool列表 | 工具功能 | 核心输入参数 | 关键返回内容 | -|------------------------|---------------------------| ------------------------------------------------------------------------- | --------------------------------------------------------------------------------------------------------------------------------------- | -------------------------------------------------------------------------------- | -| **numa_bind_docker_mcp** | numa_bind_docker_tool | 使用 `numactl` 将指定 NUMA 绑定参数插入到镜像原有的 ENTRYPOINT / CMD 前，运行 Docker 容器（本地/远程） | - `image`：镜像名称
- `cpuset_cpus`：允许使用的 CPU 核心范围
- `cpuset_mems`：允许使用的内存节点
- `detach`：是否后台运行容器（默认 False）
- `host`：远程主机名/IP（可选） | - `status`：操作状态（success / error）
- `message`：操作结果信息
- `output`：命令的原始输出（如有） | - ---- - -##### numa_bind_proc_mcp - -| MCP_Server名称 | MCP_Tool列表 | 工具功能 | 核心输入参数 | 关键返回内容 | -|------------------------|---------------------------| ------------------------------------------------ | --------------------------------------------------------------------------------------------------- | ------------------------------------------------- | -| **numa_bind_proc_mcp** | numa_bind_proc_tool | 使用 `numactl` 命令在指定的 NUMA 节点和内存节点上运行程序（支持本地/远程执行） | - `host`：远程主机名/IP（本地可不填）
- `numa_node`：NUMA 节点编号（整数）
- `memory_node`：内存节点编号（整数）
- `program_path`：程序路径（必填） | `stdout`：程序标准输出、`stderr`：程序标准错误、`exit_code`：程序退出码 | - ---- - -##### numa_container_mcp - -| MCP_Server名称 | MCP_Tool列表 | 工具功能 | 核心输入参数 | 关键返回内容 | -|--------------------|-------------------------| -------------------------------------- | --------------------------------------------------------------- | ------------------------------------------------------------------------------------------------------- | -| **numa_container_mcp** | numa_container | 监控指定 Docker 容器的 NUMA 内存访问情况（支持本地/远程执行） | - `container_id`：要监控的容器 ID 或名称
- `host`：远程主机地址（可选，若为空则在本地执行） | - `status`：操作状态（success / error）
- `message`：操作结果信息
- `output`：NUMA 内存访问统计信息（包含每个 NUMA 节点的内存使用情况） | - ---- - -##### numa_cross_node_mcp - -| MCP_Server名称 | MCP_Tool列表 | 工具功能 | 核心输入参数 | 关键返回内容 | -|----------------------|---------------------------| ------------------------------- | ------------------------------------------------------------- | -------------------------------------------------------------------------------------------------------------------------------------------- | -| **numa_cross_node_mcp** | numa_cross_node | 自动检测 NUMA 跨节点访问异常的进程（支持本地与远程主机） | - `host`：远程主机 IP/域名（可选，留空则检测本机）
- `threshold`：跨节点内存比例阈值（默认 30%） | `overall_conclusion`：整体结论（是否存在问题、严重程度、摘要），`anomaly_processes`：异常进程列表（包含 `pid`、`local_memory`、`remote_memory`、`cross_ratio`、`name`、`command`） | - ---- - -##### numa_diagnose_mcp - -| MCP_Server名称 | MCP_Tool列表 | 工具功能 | 核心输入参数 | 关键返回内容 | -|--------------------|-------------------------| --------------------------------------------- | ---------------------------- | ------------------------------------------------------------------------------------------------------------------------------- | -| **numa_diagnose_mcp** | numa_diagnose | 获取 NUMA 架构硬件监控信息，包括 CPU 实时频率、规格参数以及 NUMA 拓扑结构 | - `host`：远程主机地址（可选，不填则在本地执行） | - `real_time_frequencies`：各 CPU 核心实时频率 (MHz)
- `specifications`：CPU 规格信息（型号 / 频率范围 / NUMA 节点）
- `numa_topology`：NUMA 拓扑结构 | - ---- - -##### numa_perf_compare_mcp - -| MCP_Server名称 | MCP_Tool列表 | 工具功能 | 核心输入参数 | 关键返回内容 | -|------------------------|---------------------------| ------------------------------- | ---------------------------------------------------------------------------------- | ----------------------------------------------------------------------------------------------- | -| **numa_perf_compare_mcp** | numa_perf_compare | 执行NUMA基准测试，支持本地绑定、跨节点绑定和不绑定三种策略 | - `benchmark`：基准测试可执行文件路径（如 `/root/mcp_center/stream`）
- `host`：远程主机名称或IP地址（可选） | `numa_nodes`：系统NUMA节点数量
`test_results`：包含三种绑定策略的测试结果
`timestamp`：执行时间
`error`：错误信息（如有） | - ---- - -##### numa_rebind_proc_mcp - -| MCP_Server名称 | MCP_Tool列表 | 工具功能 | 核心输入参数 | 关键返回内容 | -|------------------------|---------------------------| -------------------------------------------------------------- | -------------------------------------------------------------------------------------------------------- | -------------------------------------------------------------------------- | -| **numa_rebind_proc_mcp** | numa_rebind_proc_tool | 修改已运行进程的 NUMA 内存绑定，使用 migratepages 工具将进程的内存从一个 NUMA 节点迁移到另一个节点 | - `pid`：进程 ID
- `from_node`：当前内存所在的 NUMA 节点编号
- `to_node`：目标 NUMA 节点编号
- `host`：远程主机 IP 或名称（可选） | `status`：操作状态（success / error）
`message`：操作结果信息
`output`：命令的原始输出（如有） | - ---- - -##### numa_topo_mcp - -| MCP_Server名称 | MCP_Tool列表 | 工具功能 | 核心输入参数 | 关键返回内容 | -|--------------------|-------------------------| ------------------------------- | ---------------------------------- | --------------------------------------------------------------------------------------------------------------------- | -| **numa_topo_mcp** | numa_topo_tool | 使用 numactl 获取本地或远程主机的 NUMA 拓扑信息 | - `host`：远程主机名称或 IP（可选，不填表示获取本机信息） | - `nodes_total`：总节点数
- `nodes`：节点信息列表，每个节点包含：`node_id`（节点 ID）、`cpus`（CPU 列表）、`size_mb`（内存大小 MB）、`free_mb`（空闲内存 MB） | - ---- - -##### numastat_mcp - -| MCP_Server名称 | MCP_Tool列表 | 工具功能 | 核心输入参数 | 关键返回内容 | -|--------------------|-------------------------| ------------------------------------ | ------------------------------- | ------------------------------------------------------------------------------------------------------------------------------------------- | -| **numastat_mcp** | numastat_info_tool | 使用 `numastat` 命令获取本地或远程主机的 NUMA 统计信息 | - `host`：远程主机名称或 IP，若不提供则获取本机信息 | `numa_hit`: NUMA 命中次数、`numa_miss`: NUMA 未命中次数、`numa_foreign`: 外部访问次数、`interleave_hit`: 交错命中次数、`local_node`: 本地节点访问次数、`other_node`: 其他节点访问次数 | - ---- - -##### nvidia_mcp - -| MCP_Server名称 | MCP_Tool列表 | 工具功能 | 核心输入参数 | 关键返回内容 | -|----------------|-------------------------|-------------------------------------------|------------------------------------------------------------------------------|--------------------------------------------------------------------------------------------------| -| | nvidia_smi_status | 输出结构化 GPU 状态数据（JSON 友好） | - `host`：远程主机 IP/hostname（本地可不填）
- `port`：SSH 端口（默认 22）
- `username`/`password`：远程查询必填
- `gpu_index`：指定 GPU 索引（可选）
- `include_processes`：是否包含进程信息（默认 False） | - `success`：查询成功与否
- `message`：结果描述
- `data`：结构化数据，包含：
  - `host`：主机地址
  - `gpus`：GPU 列表（含索引、型号、利用率、显存等） | -| **nvidia_mcp** | nvidia_smi_raw_table | 输出 `nvidia-smi` 原生表格（保留原始格式） | - `host`：远程主机 IP/hostname（本地可不填）
- `port`：SSH 端口（默认 22）
- `username`/`password`：远程查询必填 | - `success`：查询成功与否
- `message`：结果描述
- `data`：原始表格数据，包含：
  - `host`：主机地址
  - `raw_table`：`nvidia-smi` 原生表格字符串（含换行和格式） | - ---- - -##### perf_interrupt_mcp - -| MCP_Server名称 | MCP_Tool列表 | 工具功能 | 核心输入参数 | 关键返回内容 | -|--------------------|-------------------------| ---------------------------- | ---------------------------------- | ------------------------------------------------------------------------------------------------------------------------------- | -| **perf_interrupt_mcp** | perf_interrupt_health_check | 检查系统中断统计信息，以定位高频中断导致的 CPU 占用 | - `host`：远程主机名称或 IP 地址，若不提供则获取本机信息 | 返回一个包含中断信息的列表，每个元素包含：`irq_number` 中断编号、`total_count` 总触发次数、`device` 设备名称、`cpu_distribution` 各 CPU 核心的中断分布、`interrupt_type` 中断类型 | - ---- - -##### rm_mcp - -| MCP_Server名称 | MCP_Tool列表 | 工具功能 | 核心输入参数 | 关键返回内容 | -|----------------|-----------------------|--------------------------|------------------------------------------------------------------------------|----------------------------| -| **rm_mcp** | rm_collect_tool | 对文件或文件夹进行删除 | - `host`：远程主机名/IP（本地采集可不填）
- `path`：要进行删除的文件或文件夹路径 | 布尔值，表示rm操作是否成功 | - ---- - -##### sar_mcp - -|MCP_Server名称|MCP_Tool列表|工具功能|核心输入参数|关键返回内容| -|---|---|---|---|---| -||sar_cpu_collect_tool|分析CPU使用的周期性规律|- `host`：远程主机名/IP（本地采集可不填）
- `interval`：监控的时间间隔
- `count`：监控次数|采集指标列表：含`timestamp`采集时间点、`user`用户空间程序占用CPU的百分比、`nice`低优先级用户进程占用的CPU百分比、`system`内核空间程序占用CPU的百分比、`iowait`CPU等待磁盘I/O操作的时间百分比、`steal`虚拟化环境中其他虚拟机占用的CPU时间百分比、`idle`CPU空闲时间百分比| -||sar_memory_collect_tool|分析内存资源使用的周期性规律|- `host`：远程主机名/IP（本地采集可不填）
- `interval`：监控的时间间隔
- `count`：监控次数|采集指标列表：含`timestamp`采集时间点、`kbmemfree`物理空闲内存量、`kbavail`实际可用内存、`kbmemused`已使用的物理内存、`memused`已用内存占总物理内存的百分比、`kbbuffers`内核缓冲区（Buffer）占用的内存、`kbcached`内核缓存（Cache）占用的内存、`kbcommit`当前工作负载所需的总内存量、`commit`kbcommit占系统总可用内存百分比、`kbactive`活跃内存、`kbinact`非活跃内存、`kbdirty`等待写入磁盘的脏数据量| -||sar_disk_collect_tool|分析磁盘IO使用的周期性规律|- `host`：远程主机名/IP（本地采集可不填）
- `interval`：监控的时间间隔
- `count`：监控次数|采集指标列表：含`timestamp`采集时间点、`name`磁盘设备名称、`tps`每秒传输次数、`rkB_s`每秒读取的数据量、`wkB_s`每秒写入的数据量、`dkB_s`每秒丢弃的数据量、`areq-sz`平均每次I/O请求的数据大小、`aqu-sz`平均I/O请求队列长度、`await`平均每次I/O请求的等待时间、`util`设备带宽利用率| -|**sar_mcp**|sar_network_collect_tool|分析网络流量的周期性规律|- `host`：远程主机名/IP（本地采集可不填）
- `interval`：监控的时间间隔
- `count`：监控次数|采集指标列表：含`timestamp`采集时间点、`iface`网络接口名称、`rxpck_s`每秒接收的数据包数量、`txpck_s`每秒发送的数据包数量、`rxkB_s`每秒接收的数据量、`txkB_s`每秒发送的数据量、`rxcmp_s`每秒接收的压缩数据包数、`txcmp_s`每秒发送的压缩数据包数、`rxmcst_s`每秒接收的多播数据包数、`ifutil`网络接口带宽利用率| -||sar_cpu_historicalinfo_collect_tool|进行历史状态分析，排查过去某时段cpu的性能问题|- `host`：远程主机名/IP（本地查询可不填）
- `file`：sar要分析的log文件
- `starttime`：分析开始的时间点
- `endtime`：分析结束的时间点|采集指标列表：含`timestamp`采集时间点、`user`用户空间程序占用CPU的百分比、`nice`低优先级用户进程占用的CPU百分比、`system`内核空间程序占用CPU的百分比、`iowait`CPU等待磁盘I/O操作的时间百分比、`steal`虚拟化环境中其他虚拟机占用的CPU时间百分比、`idle`CPU空闲时间百分比| -||sar_memory_historicalinfo_collect_tool|进行历史状态分析，排查过去某时段内存的性能问题|- `host`：远程主机名/IP（本地查询可不填）
- `file`：sar要分析的log文件
- `starttime`：分析开始的时间点
- `endtime`：分析结束的时间点|采集指标列表：含`timestamp`采集时间点、`kbmemfree`物理空闲内存量、`kbavail`实际可用内存、`kbmemused`已使用的物理内存、`memused`已用内存占总物理内存的百分比、`kbbuffers`内核缓冲区（Buffer）占用的内存、`kbcached`内核缓存（Cache）占用的内存、`kbcommit`当前工作负载所需的总内存量、`commit`kbcommit占系统总可用内存百分比、`kbactive`活跃内存、`kbinact`非活跃内存、`kbdirty`等待写入磁盘的脏数据量| -||sar_disk_historicalinfo_collect_tool|进行历史状态分析，排查过去某时段磁盘IO的性能问题|- `host`：远程主机名/IP（本地查询可不填）
- `file`：sar要分析的log文件
- `starttime`：分析开始的时间点
- `endtime`：分析结束的时间点|采集指标列表：含`timestamp`采集时间点、`name`磁盘设备名称、`tps`每秒传输次数、`rkB_s`每秒读取的数据量、`wkB_s`每秒写入的数据量、`dkB_s`每秒丢弃的数据量、`areq-sz`平均每次I/O请求的数据大小、`aqu-sz`平均I/O请求队列长度、`await`平均每次I/O请求的等待时间、`util`设备带宽利用率| -||sar_network_historicalinfo_collect_tool|进行历史状态分析，排查过去某时段网络的性能问题|- `host`：远程主机名/IP（本地查询可不填）
- `file`：sar要分析的log文件
- `starttime`：分析开始的时间点
- `endtime`：分析结束的时间点|采集指标列表：含`timestamp`采集时间点、`iface`网络接口名称、`rxpck_s`每秒接收的数据包数量、`txpck_s`每秒发送的数据包数量、`rxkB_s`每秒接收的数据量、`txkB_s`每秒发送的数据量、`rxcmp_s`每秒接收的压缩数据包数、`txcmp_s`每秒发送的压缩数据包数、`rxmcst_s`每秒接收的多播数据包数、`ifutil`网络接口带宽利用率| - ---- - -##### sed_mcp - -| MCP_Server名称 | MCP_Tool列表 | 工具功能 | 核心输入参数 | 关键返回内容 | -|----------------|-----------------------|--------------------------|------------------------------------------------------------------------------|----------------------------| -| **sed_mcp** | sed_text_replace_tool | 在文件中替换指定模式的文本 | - `host`：远程主机名/IP（本地操作可不填）
- `options`：sed选项（可选），如"-i"直接修改文件
- `pattern`：要替换的模式（支持正则表达式）
- `replacement`：替换后的文本
- `file`：要操作的文件路径 | 布尔值，表示操作是否成功 | -| | sed_text_delete_tool | 删除文件中匹配模式的行 | - `host`：远程主机名/IP（本地操作可不填）
- `options`：sed选项（可选），如"-i"直接修改文件
- `pattern`：要删除的行的模式（支持正则表达式）
- `file`：要操作的文件路径 | 布尔值，表示操作是否成功 | - ---- - -##### strace_mcp - -| MCP_Server名称 | MCP_Tool列表 | 工具功能 | 核心输入参数 | 关键返回内容 | -|----------------|-----------------------------|--------------------------------------------|------------------------------------------------------------------------------|--------------------------------------------------------------------------------------------------| -| | strace_track_file_process | 跟踪进程的文件操作和运行状态（如打开、读取、写入文件等） | - `pid`：目标进程PID（必填）
- `host`：远程主机IP/hostname（本地跟踪可不填）
- `port`：SSH端口（默认22）
- `username`/`password`：远程跟踪时必填
- `output_file`：日志路径（可选）
- `follow_children`：是否跟踪子进程（默认False）
- `duration`：跟踪时长（秒，可选） | - `success`：跟踪启动状态
- `message`：结果描述
- `strace_pid`：跟踪进程ID
- `output_file`：日志路径
- `target_pid`/`host`：目标进程及主机信息 | -| **strace_mcp** | strace_check_permission_file| 排查进程的"权限不足"和"文件找不到"错误 | - `pid`：目标进程PID（必填）
- 远程参数（`host`/`port`/`username`/`password`）
- `output_file`：日志路径（可选）
- `duration`：跟踪时长（默认30秒） | - 基础状态信息（`success`/`message`等）
- `errors`：错误统计字典，包含：
  - 权限不足错误详情
  - 文件找不到错误详情 | -| | strace_check_network | 诊断进程网络问题（连接失败、超时、DNS解析等） | - `pid`：目标进程PID（必填）
- 远程参数（同上）
- `output_file`：日志路径（可选）
- `duration`：跟踪时长（默认30秒）
- `trace_dns`：是否跟踪DNS调用（默认True） | - 基础状态信息
- `errors`：网络错误统计，包含：
  - 连接被拒绝、超时等错误
  - DNS解析失败详情（若启用） | -| | strace_locate_freeze | 定位进程卡顿原因（IO阻塞、锁等待等慢操作） | - `pid`：目标进程PID（必填）
- 远程参数（同上）
- `output_file`：日志路径（可选）
- `duration`：跟踪时长（默认30秒）
- `slow_threshold`：慢操作阈值（默认0.5秒） | - 基础状态信息
- `analysis`：卡顿分析字典，包含：
  - 慢操作调用详情
  - 阻塞类型分类统计
  - 耗时最长的系统调用 | - ---- - -##### strace_syscall_mcp - -| MCP_Server名称 | MCP_Tool列表 | 工具功能 | 核心输入参数 | 关键返回内容 | -|----------------|-----------------------|--------------------------|------------------------------------------------------------------------------|--------------------------------------------------------------------------------------------------| -| **strace_syscall_mcp** | strace_syscall | 采集指定进程的系统调用统计信息 | - `host`：可选，远程主机地址
- `pid`：目标进程ID（必填）
- `timeout`：采集超时时间，默认10秒 | List\[Dict]，每个字典包含：
- `syscall`：系统调用名称
- `total_time`：总耗时（秒）
- `call_count`：调用次数
- `avg_time`：平均耗时（微秒）
- `error_count`：错误次数 | - ---- - -##### swapoff_mcp - -| MCP_Server名称 | MCP_Tool列表 | 工具功能 | 核心输入参数 | 关键返回内容 | -|----------------|-----------------------------|--------------------------------------------|------------------------------------------------------------------------------|----------------------------| -| **swapoff_mcp** | swapoff_disabling_swap_tool | 停用交换空间（Swap），释放已启用的交换分区或交换文件，将其从系统内存管理中移除 | - `host`：远程主机名/IP（本地采集可不填）
- `name`：停用的swap空间路径 | 布尔值，表示停用指定swap空间是否成功 | - ---- - -##### swapon_mcp - -| MCP_Server名称 | MCP_Tool列表 | 工具功能 | 核心输入参数 | 关键返回内容 | -|----------------|-----------------------|--------------------------|------------------------------------------------------------------------------|----------------------------| -| **swapon_mcp** | swapon_collect_tool | 获取目标设备（本地/远程）中当前swap设备状态 | - `host`：远程主机名/IP（本地采集可不填） | swap设备列表（含`name`swap空间对应的设备或文件路径、`type`swap空间的类型、`size`swap空间的总大小、`used`当前已使用的swap空间量、`prio`swap空间的优先级） | - ---- - -##### tail_mcp - -| MCP_Server名称 | MCP_Tool列表 | 工具功能 | 核心输入参数 | 关键返回内容 | -|----------------|-----------------------|--------------------------|------------------------------------------------------------------------------|----------------------------| -| **tail_mcp** | tail_file_view_tool | 快速查看文件末尾部分内容 | - `host`：远程主机名/IP（本地采集可不填）
- `num`：查看文件末尾行数，默认为10行
- `file`：查看的文件路径 | 文件内容字符串 | - ---- - -##### tar_mcp - -| MCP_Server名称 | MCP_Tool列表 | 工具功能 | 核心输入参数 | 关键返回内容 | -|----------------|-----------------------|--------------------------|------------------------------------------------------------------------------|----------------------------| -| **tar_mcp** | tar_extract_file_tool | 使用tar命令解压文件或目录 | - `host`：远程主机名称或IP地址，若不提供则表示对本机文件进行修改
- `options`：tar命令选项（如`-xzvf`等）
- `file`：压缩包文件路径
- `extract_path`：指定解压目录 | 布尔值，表示解压操作是否成功 | -| | tar_compress_file_tool | 使用tar命令压缩文件或目录 | - `host`：远程主机名称或IP地址，若不提供则表示对本机文件进行压缩
- `options`：tar命令选项（如`-czvf`、`-xzvf`等）
- `source_path`：需要压缩的文件或目录路径
- `archive_path`：压缩包输出路径 | 布尔值，表示压缩操作是否成功 | - ---- - -##### touch_mcp - -| MCP_Server名称 | MCP_Tool列表 | 工具功能 | 核心输入参数 | 关键返回内容 | -|----------------|---------------------------|--------------------------|------------------------------------------------------------------------------|----------------------------| -| **touch_mcp** | touch_create_files_tool | 进行文件快速初始化、批量创建 | - `host`：远程主机名/IP（本地采集可不填）
- `file`：创建的文件名 | 布尔值，表示touch操作是否成功 | -| | touch_timestamp_files_tool | 进行文件时间戳校准与模拟 | - `host`：远程主机名/IP（本地查询可不填）
- `options`：更新访问时间\更新修改时间(`-a`表示仅更新访问时间、`-m`表示仅更新修改时间)
- `file`：文件名 | 布尔值，表示touch操作是否成功 | - ---- - -##### vmstat_mcp - -| MCP_Server名称 | MCP_Tool列表 | 工具功能 | 核心输入参数 | 关键返回内容 | -|----------------|-----------------------------|--------------------------|------------------------------------------------------------------------------|----------------------------| -| **vmstat_mcp** | vmstat_collect_tool | 获取目标设备资源整体状态 | - `host`：远程主机名/IP（本地采集可不填） | 系统资源状态字典（含`r`运行队列进程数、`b`等待 I/O 的进程数、`si`每秒从磁盘加载到内存的数据量（KB/s）、`so`每秒从内存换出到磁盘的数据量（KB/s）、`bi`从磁盘读取的块数、`bo`写入磁盘的块数、`in`每秒发生的中断次数（含时钟中断）、`cs`每秒上下文切换次数、`us`用户进程消耗 CPU 时间、`sy`内核进程消耗 CPU 时间、`id`CPU 空闲时间、`wa`CPU 等待 I/O 完成的时间百分比、`st`被虚拟机偷走的 CPU 时间百分比） | -| | vmstat_slabinfo_collect_tool | 获取内核 slab 内存缓存（slabinfo）的统计信息 | - `host`：远程主机名/IP（本地查询可不填） | slab内存缓存信息详细字典（含`cache`内核中slab缓存名称、`num`当前活跃的缓存对象数量、`total`该缓存的总对象数量、`size`每个缓存对象的大小、`pages`每个slab中包含的缓存对象数量） | - ---- - -##### zip_mcp - -| MCP_Server名称 | MCP_Tool列表 | 工具功能 | 核心输入参数 | 关键返回内容 | -|----------------|-----------------------|--------------------------|------------------------------------------------------------------------------|----------------------------| -| **zip_mcp** | zip_extract_file_tool | 使用unzip命令解压zip文件 | - `host`：远程主机名称或IP地址，若不提供则表示对本机文件进行修改
- `file`：压缩包文件路径
- `extract_path`：指定解压目录 | 布尔值，表示解压操作是否成功 | -| | tar_compress_file_tool | 使用zip命令压缩文件或目录 | - `host`：远程主机名称或IP地址，若不提供则表示对本机文件进行压缩
- `source_path`：需要压缩的文件或目录路径
- `archive_path`：压缩包输出路径 | 布尔值，表示压缩操作是否成功 | diff --git "a/docs/\351\203\250\347\275\262\346\211\213\345\206\214.md" "b/docs/\351\203\250\347\275\262\346\211\213\345\206\214.md" index 32b78fa3d0a28024a4a9bf191bc58b32e984fa58..143a269a96cc8c435ae05e2c3075820ae7a59ba7 100644 --- "a/docs/\351\203\250\347\275\262\346\211\213\345\206\214.md" +++ "b/docs/\351\203\250\347\275\262\346\211\213\345\206\214.md" @@ -82,3 +82,111 @@ sudo oi --init ![部署完成](./resource/oi-deploy-08-finish.png) 轻量部署模式完成后，会显示已经初始化的智能体以及自动配置的默认智能体。 + +## 3. 内网离线环境部署 + +### 3.1 预下载资源 + +在内网环境中部署时，请提前下载以下资源： + +- 下载 MongoDB Server 安装包，放置在 `/opt/mongodb` 目录下： + - x86_64 版本：[mongodb-org-server-7.0.21-1.el9.x86_64.rpm](https://repo.mongodb.org/yum/redhat/9/mongodb-org/7.0/x86_64/RPMS/mongodb-org-server-7.0.21-1.el9.x86_64.rpm) + - aarch64 版本：[mongodb-org-server-7.0.21-1.el9.aarch64.rpm](https://repo.mongodb.org/yum/redhat/9/mongodb-org/7.0/aarch64/RPMS/mongodb-org-server-7.0.21-1.el9.aarch64.rpm) +- 下载 MongoDB Shell 安装包，放置在 `/opt/mongodb` 目录下： + - x86_64 版本：[mongodb-mongosh-2.5.2.x86_64.rpm](https://downloads.mongodb.com/compass/mongodb-mongosh-2.5.2.x86_64.rpm) + - aarch64 版本：[mongodb-mongosh-2.5.2.aarch64.rpm](https://downloads.mongodb.com/compass/mongodb-mongosh-2.5.2.aarch64.rpm) +- **全量部署**模式下，请下载 MinIO RPM 安装包，放置在 `/opt/minio` 目录下： + - x86_64 版本：[x86_64 版本下载页面](https://dl.min.io/server/minio/release/linux-amd64/) + *请选择最新版本进行下载，例如：`minio-20250907161309.0.0-1.x86_64.rpm`* + - aarch64 版本：[aarch64 版本下载页面](https://dl.min.io/server/minio/release/linux-arm64/) + *请选择最新版本进行下载，例如：`minio-20250907161309.0.0-1.arm64.rpm`* + +### 3.2 使用大模型服务 + +#### 3.2.1 内网线上大模型服务 + +若内网环境的大模型服务须通过 HTTPS 访问，请确保证书已正确配置在系统中，避免部署过程中出现证书验证失败的问题。若无法配置有效的证书，请在环境变量中添加以下内容以跳过证书验证： + +```bash +export OI_SKIP_SSL_VERIFY=true +``` + +将上述命令添加到 `~/.bashrc` 或 `~/.bash_profile` 文件中，以确保每次登录时该环境变量均被设置。 + +#### 3.2.2 本地部署大模型服务 + +若没有可用的大模型服务，可以在本地部署一个支持工具调用能力的大模型服务。openEuler Intelligence 支持标准的 OpenAI API (v1/chat/completions)。 + +若本地设备没有 GPU，建议使用激活参数更少的 MoE 模型，如 Qwen3-30B-A3B，以获得更好的性能表现。 + +**注**：*本地部署大模型需要较大的计算资源，建议使用至少 32GB 内存和多核 CPU 的服务器或 PC 进行部署。* + +### 3.3 为 openEuler Intelligence 配置代理 + +若内网环境需要通过代理服务器访问大模型服务，请在 `oi-runtime` 的 service 文件 (`/etc/systemd/system/oi-runtime.service`) 中设置以下内容： + +```bash +[Service] +Environment="HTTP_PROXY=http://:" +Environment="HTTPS_PROXY=http://:" +Environment="NO_PROXY=localhost,127.0.0.1" +``` + +将 `` 和 `` 替换为实际的代理服务器地址和端口号。保存文件后，执行以下命令以重新加载服务配置并重启 `oi-runtime` 服务： + +```bash +sudo systemctl daemon-reload +sudo systemctl restart oi-runtime +``` + +## 4. 常见问题解答 (Q&A) + +### Q1: 部署过程中遇到 pip 包下载很慢怎么办？ + +A1: 可以使用国内的 pip 镜像源，例如清华大学的镜像源。可以通过修改 pip 配置文件来使用清华镜像源： + +```bash +mkdir -p ~/.pip +echo "[global]" > ~/.pip/pip.conf +echo "index-url = https://pypi.tuna.tsinghua.edu.cn/simple" >> ~/.pip/pip.conf +``` + +### Q2: 如果无法访问外网，如何获取所需的依赖包？ + +A2: 可以在有外网的环境中下载所需的依赖包，然后通过 U 盘等方式将其拷贝到目标环境中进行安装。具体步骤如下： + +1. 在有外网的环境中，使用以下命令下载所需的依赖包： + + ```bash + pip download -d /path/to/download/dir + ``` + + 将 `` 替换为实际需要下载的包名，`/path/to/download/dir` 替换为实际的下载目录。 + +2. 将下载的依赖包拷贝到目标环境中。 + +3. 在目标环境中，使用以下命令安装依赖包： + +```bash +pip install --no-index --find-links=/path/to/download/dir +``` + +将 `/path/to/download/dir` 替换为实际的下载目录，`` 替换为实际需要安装的包名。 + +### Q3: 服务器系统版本受制约，无法升级到 openEuler 24.03 LTS SP2，怎么办？ + +A3: 可以尝试在当前系统版本上手动安装所需的软件包和依赖项。由于 openEuler 24.03 LTS 以上的版本都使用 6.6 版本的内核和 Python 3.11，因此只需要将 `/etc/os-release` 和 `/etc/openEuler-release` 文件中的版本信息修改为 24.03 LTS SP2 即可。 + +请注意，使用这种方法安装需要自行准备所需的软件包和依赖项，可能会遇到兼容性问题，建议在测试环境中进行验证后再应用到生产环境中。 + +### Q4: 全量部署后，如何访问图形界面？ + +A4: 全量部署完成后，可以通过浏览器访问图形界面。默认情况下，图形界面的访问地址为 `http://localhost:8080`。 + +### Q5: 全量部署后，Shell 端无法连接后端服务怎么办？ + +A5: 请先通过浏览器访问图形界面，确保后端服务已正常启动。浏览器正常登录后，需要打开“开发者工具”，从“应用”选项卡中找到“本地存储”，查看 `ECSESSION` 键对应的值。然后在 Shell 端按下 `Ctrl + S` 打开设置页面，找到“API 密钥”输入框，将 `ECSESSION` 的值粘贴进去并保存。保存后，Shell 端即可正常连接后端服务。 + +### Q6: 全量部署后，如何初始化智能体？ + +A6: 全量部署后，需先在网页端注册名为 `openEuler` 的管理员用户，然后登录图形界面。先在“插件中心”中注册所需的 MCP Server 服务，然后在“应用中心”中创建并配置智能体。具体操作请参考 Web 图形界面的使用手册。