推荐语
AIops实战：Dify与Ansible MCP强强联手，打造智能运维新范式。核心内容： 1. Dify+Ansible MCP的智能运维架构设计 2. 自然语言指令到自动化执行的全流程解析 3. 实战部署指南与最佳实践分享
杨芳贤
53AI创始人/腾讯云(TVP)最具价值专家
↑↑↑ 点击关注，分享IT技术|职场晋升技巧|AI工具研究Aiops有一段时间了，目前手里有不少可落地的方案了，接下来会把这些方案全部整理到我的大模型课程里。同时，欢迎大家把你遇到的场景在评论区留言。我会在能力范围内给你提供思路和建议。
今天的案例是基于dify和Ansible的MCP来做一个运维智能体。
一、核心思路和架构
1. 角色分工
1）Dify
- 意图理解: 接收用户的自然语言指令，利用内置的 LLM（如 DeepSeek）理解用户的真实意图。
- 工具调用: 根据分解的任务，决定调用哪个外部工具。
- 对话管理: 管理与用户的交互会话，提供友好的反馈。
2）Ansible
- 任务执行: 接收来自上层的具体指令（如
ping 一个主机、restart 一个服务），并在目标服务器上执行这些操作。
3）MCP
- 标准化桥梁: MCP 是一个开放协议，它定义了 LLM 如何与外部工具和数据源进行安全、标准化的交互。
工具封装: 我们将 Ansible 的常用模块（如 command, playbook）封装成 MCP 标准的“工具”。2. 工作流程
1）用户通过 Dify 提供的聊天界面，用自然语言发出指令，例如：“重启 db01 服务器的 MySQL 服务”。
2）LLM 分析指令，识别出关键信息：动作（restart）、目标主机（db01）、服务名（mysql）。3）LLM 查看其可用的 MCP 工具列表和功能说明，确定使用使用run_ad_hoc工具执行指令“systemctl restart mysql”。4）LLM 通过 MCP 协议调用run_ad_hoc工具，并传入参数 {'host': 'db01', 'module': 'command', 'args':'systemctl restart mysql'}。5）MCP Ansible服务器接收到调用请求，解析参数。6）服务器内部使用 ansible-runner 库，动态生成并执行一个临时的 Ansible Ad-Hoc命令：ansible db01 -m command -a "systemctl restart mysql"。7）Ansible 在 db01 服务器上执行命令，并将执行结果（成功/失败、详细信息）返回给 MCP 服务器。8）MCP 服务器将 Ansible 的输出格式化为结构化数据，通过 MCP 协议返回给 Dify 中的 LLM。9）LLM 接收到执行结果，将其组织成自然语言，例如：“已成功在 db01 服务器上重启 MySQL 服务。”，并最终呈现给用户。3. 架构图
二、MCP部署与配置
步骤 1: 准备Ansible环境
这里假设已经有了一个可用的Ansible控制节点，并且其它机器已经可以通过Ansible管理。
步骤 2: 部署 Ansible MCP Server
这里需要直接部署到Ansible控制机上。
1、克隆代码
git clone https://github.com/aminglinux/ansible-mcp.gitcd ansible-mcp
2、安装依赖库
pip3 install -r requirements.txt
3、启动服务
uvicorn main:app --reload --host 0.0.0.0 --port 8080
步骤 3: 在 Dify 中配置 MCP 工具
在 Dify 的界面中，进入工具 → MCP，点击 “添加MCP服务”。
在配置中填写：
1）服务端点URL：http://<host>:8080/sse（这里host地址就是你部署Ansible MCP服务的IP地址）
2）名称、服务器标识：ansible_mcp
3）认证这里比较特殊，由于我们并没有设置认证，你可以随便写点啥都行，如果不填写没法点授权按钮。
可以看到，目前包含8个工具。
三、构建智能体
1. 在Dify创建Agent应用
2. 设置提示词
你是一个Linux运维专家，擅长Ansbile的各种操作，尤其是擅长撰写Ansible的playbook
你有诸多ansbile相关的工具，其中工具的功能如下：1. list_inventory : 列出inventory2. list_hosts: 列出所有主机3. validate_playbook : 验证playbook是否有错误4. ping_hosts : 检查主机是否存活5. run_ad_hoc : 临时运行ansible任务6. generate_playbook: 生成playbook文件7. run_playbook: 运行指定的playbook
另外请遵循以下规则：1. 默认你会调用./inventory.ini文件，如果有指定可以使用指定inventory文件，没有就用默认的。2. 用户需求如果比较复杂，请拆解任务，并使用合适的工具来落地需求，比如用户给一个主机名，你需要去查inventory，然后再去调用别的工具3. 当用户需要生成playbook时，请你自动生成一个playbook文本，然后赋值给data参数，并传递给generate_playbook工具4. 当用户执行playbook时，要先检查用户给的playbook文件名是否在playbooks/目录里存在，如果存在直接调用，如果不存在则需要自动生成5. 在执行playbook之前，请先确认该playbook是否有问题
3. 添加工具
四、示例说明
1. 列出所有主机
2. 查看某主机的磁盘使用情况
3. 查看系统负载
这个任务先后调用了6次工具，它会自动创建playbook文件，检查playbook文件是否有问题，再去执行该playbook。整体上还是非常智能的。
最后介绍下我的大模型课：我的运维大模型课上线了，目前还在预售期，有很大优惠。AI越来越成熟了，大模型技术需求量也越来越多了，至少我觉得这个方向要比传统的后端开发、前端开发、测试、运维等方向的机会更大，而且一点都不卷！扫码咨询优惠（粉丝优惠力度大）
·············· END ··············哈喽，我是阿铭，《跟阿铭学Linux》作者，曾就职于腾讯，有着18年的IT从业经验，现全职做IT类职业培训：运维、k8s、大模型。日常分享运维、AI、大模型相关技术以及职场相关，欢迎围观。
粤ICP备14082021号
免费POC，
零成本试错
