skyasu2
服务介绍
OpenManager Vibe V4
OpenManager Vibe V4 是一个基于自然语言的服务器分析和监控系统。管理员可以用简单的语言询问服务器状态，系统会自动进行分析并提供结果。
部署链接
项目结构
.
├── frontend/ # 前端代码
│ ├── css/ # 样式表文件
│ ├── public/ # 静态资源文件
│ ├── index.html # 主登录页面
│ ├── server_dashboard.html # 服务器监控仪表板
│ ├── server_detail.html # 服务器详细信息页面
│ ├── agent.js # 代理脚本
│ ├── ai_processor.js # 自然语言处理引擎
│ ├── data_processor.js # 数据处理逻辑
│ ├── dummy_data_generator.js # 虚拟数据生成器
│ ├── fixed_dummy_data.js # 固定虚拟数据
│ ├── summary.js # 数据摘要及报告生成
│ └── config.js # 配置文件
│
└── mcp-lite-server/ # 后端服务器
├── context/ # 上下文文档存储
├── server.js # 后端服务器代码
└── package.json # 后端依赖定义
MCP 连接流程
前端与MCP Lite服务器按以下方式连接：
- 前端：用户以自然语言输入关于服务器状态的问题。
- API调用：前端将问题和上下文信息发送到MCP服务器的
/query端点。 - 后端处理：MCP服务器根据上下文文件匹配问题，并生成适当的响应。
- 结果显示：响应被传回前端，并以可视化形式展示给用户。
在演示环境中：
- 大部分逻辑在前端执行，并使用虚拟数据。
- MCP服务器仅提供简单的自然语言处理功能作为辅助角色。
- 在实际环境中，MCP服务器可以扩展为与实际监控数据和高级LLM集成的架构。
主要功能
- 基于自然语言的查询：管理员可以用日常语言询问服务器状态及问题点。
- 自动分析：系统分析问题，提供相关服务器列表及问题原因。
- 直观的仪表板：以可视化方式显示服务器状态及性能指标。
- 详细报告：生成包含问题原因和解决方案的分析报告。
- 数据过滤：支持按时间、服务器类型、位置等条件过滤数据。
技术栈
前端
- HTML5/CSS3/JavaScript (原生)
- Bootstrap UI框架
- Chart.js (数据可视化)
- Font Awesome/Bootstrap Icons (图标)
后端
- Node.js
- Express.js
- 文件基础的上下文管理系统
🏗 系统架构：大规模AI代理 vs 本项目（基于MCP）
🧠 实际LLM基础的AI代理架构
- 数据流：实时监控日志 → 收集器(Kafka/Fluentd等) → 分析引擎
- 自然语言处理：
- LLM API (如OpenAI, Claude等) 集成
- Python/Java为基础的后端
- 包含高级查询解析和语境理解功能
- 分析引擎：
- 与InfluxDB, Elasticsearch等时序/搜索引擎集成
- 基于事件的模式分析，触发警报
- UI集成：
- 完全集成的仪表板
- 交互界面 + 使用记录学习
⚙️ 本项目（轻量级MCP基础演示系统）
- 前端：纯HTML/JS构建，部署在Netlify上- MCP 服务器: 基于Node.js的文档搜索服务器，部署在Render上
- 基于文档的问答: 通过
context文件夹内的.txt文档管理响应模式 - 数据分析: 直接在浏览器中进行过滤和生成报告
- 优点:
- 即使没有大型语言模型（LLM）也能像AI一样工作（低成本/高效率）
- 只需添加文档即可扩展响应
- 引入和维护成本低
- 局限性:
- 问题理解能力有限（不理解上下文）
- 不适合大规模实时分析
🤖 开发方式（基于Vibe Coding）
本项目是通过向GPT基础工具输入提示，并通过Cursor以AI编码指示的方式开发的。
按阶段开发流程
第一阶段：初步规划与功能定义（使用GPT）
- 提出项目结构建议
- 定义MCP服务器的角色、基于上下文的响应方式
- 设置技术栈及UI基本方向
第二阶段：功能实现及前端集成（使用Cursor）
- 构建前端JS代码
- 处理MCP请求fetch
- 渲染Markdown响应
第三阶段：高级化及文档模式应对（Cursor + GPT协作）
- 扩展多文档上下文响应结构
- 设计自动报告模板
- 根据故障类型设计响应文档并处理分支
📐 开发指南
✅ UI及设计
index.html和UI样式应保持当前状态（建议保留90%以上）- 允许在不影响用户体验流的情况下进行更改
✅ MCP后端
- 可自由改进服务器功能及增加上下文结构
- 上下文文档结构遵循基于文本的
.txt或.md - API扩展时推荐RESTful结构
开发指南
在项目工作中，请遵守以下指南：
UI及设计相关（基于Commit ad03d5f）
- 索引文件及用户界面: 必须严格保持当前的UI/UX设计。
index.html以及对外展示的用户界面组件需要至少保持现有风格的90%。- 除非绝对必要，否则不要修改前端设计。
后端开发
- 后端功能改进: 可自由进行服务器侧的功能改进与扩展。
- 改进数据处理逻辑
- 添加及优化API端点
- 进行性能提升及可扩展性增强的工作
安装与运行
前端
bash
cd frontend
作为静态服务器运行（例如：VS Code的Live Server或其他静态文件服务器）
后端服务器
bash
cd mcp-lite-server
npm install
node server.js
部署环境
- 前端: Netlify (https://openvibe3.netlify.app)
- 后端: Render.com (https://openmanager-vibe-v4.onrender.com)
未来开发计划
- AI整合: 实际自然语言处理LLM集成
- 实时数据: 与实际服务器监控系统（如Prometheus, Zabbix等）集成
- 可视化扩展: 数据分析图表多样化
- 通知系统: 故障发生时自动通知及报告发送
开发者信息
本项目是通过Claude、GPT、Gemini等多种AI模型基础上的Vibe Coding方式进行开发的。
许可证
此项目为内部开发用途编写，未单独说明相关许可证。
