MCP_AI_Monitor

🔍 概览

MCP_AI_Monitor 是一个全面的系统监控解决方案，它利用无监督机器学习算法来检测资源使用中的异常行为。该系统旨在为您提供实时深入的系统性能可见性，结合了数据收集、预测分析和详细报告。

✨ 主要特性

• 🤖 人工智能异常检测 - 使用 Isolation Forest 来识别不寻常的系统行为
• 📊 实时分析 - 持续监控 CPU、RAM 和网络指标
• 🧠 自适应学习 - 根据您的系统正常行为进行调整以减少误报
• 📱 即时通知 - 在检测到异常时发送系统警报
• 📈 详细可视化 - 资源使用图表并识别趋势
• ⚙️ 进程分析 - 识别占用大量资源的应用程序
• 🌐 网络监控 - 分析活动连接和网络性能
• 📡 Discord 集成 - 自动将详细报告发送到您的 Discord 频道
• 🎨 现代 CLI 界面 - 终端中彩色且直观的显示

🚀 可用命令

命令	描述
python mcp.py collect	收集系统数据（CPU、RAM）
python mcp.py train	训练用于异常检测的人工智能模型
python mcp.py monitor	启动带有异常检测的实时监控
python mcp.py stats	生成资源使用图和统计信息
python mcp.py discord	将详细报告发送到 Discord
python mcp.py network	分析网络并发送专用报告
python mcp.py all	执行完整流程（收集、训练、监控）

🛠️ 架构

MCP_AI_Monitor 由几个互补模块组成：

1. 数据收集模块 (collect_data.py)

   • 定期记录系统指标
   • 以CSV格式存储数据以便后续分析

2. AI训练模块 (train_model.py)

   • 预处理收集的数据
   • 训练Isolation Forest模型用于异常检测
   • 保存模型以供实时使用

3. 监控模块 (monitor_ai.py)

   • 使用训练好的模型进行实时异常检测
   • 实现学习阶段以适应正常行为
   • 区分应用程序启动与真正的异常

4. Discord集成

   • 发送硬件和网络的独立报告
   • 使用可配置的webhook针对每类数据
   • 优化视觉格式，使用主题嵌入

📊 Discord报告

MCP_AI_Monitor生成详细报告并通过专用webhook发送到Discord：

硬件报告

• 系统信息 - CPU、RAM、操作系统详情
• 使用情况图表 - CPU/RAM趋势可视化
• 活跃进程 - 最消耗资源的应用程序列表

网络报告

• 网络活动 - 上行/下行流量、数据量
• 网络接口 - 活跃接口及其IP地址详情
• 活跃连接 - 跟踪已建立的连接及其相关进程

📋 先决条件

• Python 3.8+
• Python依赖项（可通过pip install -r requirements.txt安装）：
  • psutil - 收集系统数据
  • scikit-learn - 机器学习算法
  • pandas - 数据操作
  • matplotlib - 生成图表
  • colorama - 终端中的彩色显示
  • discord-webhook - 与Discord集成

🔧 安装

1. 克隆此仓库：

git clone https://github.com/MedusaSH/MCP_AI_Monitor.git
cd MCP_AI_Monitor

1. 安装依赖项：

pip install -r requirements.txt

1. 配置您的Discord webhooks（可选）：
   • 修改mcp.py文件中的webhook URL
   • 可以为硬件和网络报告使用不同的webhook

📖 使用指南

快速开始

首次完整使用：

# Collecte de données (60 secondes par défaut)
python mcp.py collect

# Entraînement du modèle IA
python mcp.py train

# Surveillance en temps réel
python mcp.py monitor

自动化工作流

通过一条命令执行整个过程：

# Exécute la séquence complète et envoie un rapport sur Discord
python mcp.py all --duration 120 --report

🔍 异常检测

系统使用Isolation Forest算法来检测异常行为：

1. 学习阶段 - 收集数据以建立基线
2. 动态调整 - 根据正常行为调整阈值
3. 智能过滤 - 检测应用程序启动以减少误报
4. 异常评分 - 按异常程度对事件分类

🌱 贡献

欢迎贡献！要贡献，请：

1. Fork 项目
2. 创建一个功能分支 (git checkout -b feature/amazing-feature)
3. 提交您的更改 (git commit -m 'Add some amazing feature')
4. 推送到分支 (git push origin feature/amazing-feature)
5. 打开 Pull Request

📜 许可证

本项目采用 MIT 许可证。更多信息请参见 LICENSE 文件。

👥 作者

• MedusaSH - 初始开发 - Github

🙏 致谢

• scikit-learn 的 Isolation Forest
• psutil 用于访问系统指标
• discord-webhook 库用于 Discord 集成

---