# AutoOPS

**Repository Path**: cai-jingchuang/AutoOPS

## Basic Information

- **Project Name**: AutoOPS
- **Description**: 一个基于 FastAPI 和 Vue 3 的智能设备运维系统
- **Primary Language**: Python
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 1
- **Forks**: 1
- **Created**: 2026-01-25
- **Last Updated**: 2026-03-12

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# AutoOPS 智慧运维系统

一个基于 FastAPI 和 Vue 3 的智能设备运维系统，集成 MCP 协议，提供智能对话、知识库管理和Agent调节设备参数等功能。
> 这个是个人项目，没有经过落地验证效果，只是实现了Agent+工作智慧化的一个想法，可用于学习和参考。

## 功能特性

### 核心功能
- **智能对话系统**：基于 LangChain 和 LangGraph 的 AI 智能助手，支持流式响应
- **知识库管理**：支持单个添加和批量导入设备故障问答知识
- **会话管理**：支持创建新会话，自动保存历史记录
- **主题切换**：支持白色/深色主题切换，自动保存用户偏好
- **用户认证**：完整的用户注册和登录系统

### MCP 设备控制
系统集成了 MCP 协议，提供以下设备参数调节工具：
- 真空值调节
- 温度设定值调节
- 压力设定值调节
- 运行速度调节
- 液压系统压力调节
- 气动系统压力调节
- 伺服电机 PID 参数调节
- 电机运行参数调节
- 传感器参数调节
- 控制系统 PID 参数调节
- 冷却系统温度调节
- 送料速度调节
- 制动器参数调节
- 电机扭矩调节
- 原点位置调节
- 同步参数调节
- 过载保护参数调节
- 变频器频率调节

### 知识库功能
- 支持单个问答添加
- 支持 JSON 文件批量导入
- 基于向量数据库（Milvus）的语义检索
- 结合 BM25 和稠密向量的混合检索算法
- 使用 RRF (Reciprocal Rank Fusion) 合并检索结果

## 技术栈

### 后端
- **FastAPI**：高性能 Python Web 框架
- **LangChain**：AI 应用开发框架
- **LangGraph**：构建有状态的 AI 应用
- **FastMCP**：MCP 协议实现
- **PyMySQL**：MySQL 数据库连接
- **Pymilvus**：向量数据库客户端
- **Zhipu AI**：智谱 AI Embedding 模型
- **LangChain MCP Adapters**：MCP 工具集成

### 前端
- **Vue 3**：渐进式 JavaScript 框架
- **Vue Router**：路由管理
- **Vite**：前端构建工具
- **Markdown-it**：Markdown 渲染

### 数据库
- **MySQL**：用户和会话数据存储
- **Milvus**：知识库向量存储

## 项目结构

```
AutoOPS/
├── asset/                      # 资源文件
│   ├── auto_ops.sql            # 数据库初始化脚本
│   └── machine_qa.json        # 设备故障问答知识库
├── mcp/                        # MCP 服务器
│   └── mcp_server.py          # 设备操作 MCP 服务
├── src/                         # 后端源码
│   ├── agent_helper.py        # AI 助手核心逻辑
│   ├── api.py                # FastAPI 路由定义
│   ├── api_model.py          # Pydantic 数据模型
│   ├── db_helper.py          # 数据库操作封装
│   ├── middlewares.py        # 中间件
│   ├── prompts.py            # AI 提示词
│   └── tools.py              # 工具函数
├── web/                         # 前端源码
│   ├── src/
│   │   ├── components/
│   │   │   ├── Chat.vue           # 聊天界面
│   │   │   ├── KnowledgeBase.vue  # 知识库管理
│   │   │   └── Login.vue         # 登录界面
│   │   ├── styles/
│   │   │   └── main.css          # 全局样式
│   │   ├── App.vue             # 根组件
│   │   └── main.js             # 应用入口
│   ├── index.html
│   └── package.json
├── pyproject.toml              # Python 项目配置
└── README.md                  # 项目文档
```

## 安装部署

### 环境要求
- Python >= 3.12
- Node.js >= 16
- MySQL >= 8.0
- Milvus >= 2.6

### 后端安装

1. 克隆项目
```bash
git clone <repository-url>
cd AutoOPS
```

2. 安装 Python 依赖
```bash
# 使用 uv 安装（推荐）
pip install uv
uv sync

3. 配置环境变量
创建 `.env` 文件：
```env
# 数据库配置
DB_HOST=localhost
DB_PORT=3306
DB_USER=root
DB_PASSWORD=your_password

# Milvus 配置
MILVUS_URI=http://localhost:19530
MILVUS_TOKEN=your_milvus_token

# 智谱 AI 配置
ZHIPU_API_KEY=your_zhipu_api_key

# OpenAI 兼容 API 配置
OPENAI_API_KEY=your_openai_api_key
BASE_URL=https://api.openai.com/v1
MODEL_NAME=gpt-4

# MCP 服务器配置
MCP_SERVER_URL=http://localhost:8300/sse
```

4. 初始化数据库
```bash
mysql -u root -p < asset/auto_ops.sql
```

5. 启动后端服务
```bash
cd src
python -m uvicorn api:app --host 0.0.0.0 --port 8000
```

### 前端安装

1. 安装依赖
```bash
cd web
npm install
```

2. 启动开发服务器
```bash
npm run dev
```

3. 构建生产版本
```bash
npm run build
```

### MCP 服务器启动

```bash
cd mcp
python mcp_server.py
```

## 使用说明

### 用户注册与登录
1. 访问系统首页
2. 点击"注册新账号"创建账户
3. 使用用户名和密码登录系统

### 智能对话
1. 进入"聊天中心"
2. 输入设备问题或指令
3. AI 助手会自动分析并执行相应操作
4. 支持创建新会话，清空当前对话

### 知识库管理
1. 进入"知识库管理"
2. 单个添加：输入问题和答案，点击"添加到知识库"
3. 批量导入：上传 JSON 格式的问答文件，点击"批量导入"
4. 搜索功能：输入关键词检索相关问答

### 主题切换
点击侧边栏左下角的主题切换按钮（🌙/☀️）在白色和深色主题之间切换。

### MCP 工具调用
当用户提出设备参数调节需求时，AI 助手会自动调用相应的 MCP 工具：
- 示例："帮我把 翻转真空 调成 35"
- 系统会调用 `adjust_vacuum` 工具执行调节

## API 接口文档

### 认证接口
- `POST /login` - 用户登录
- `POST /register` - 用户注册

### 对话接口
- `POST /chat` - 发送消息（流式响应）
- `POST /create_session` - 创建新会话

### 知识库接口
- `POST /add_knowledge_qa` - 添加单个问答
- `POST /search_knowledge_qa` - 搜索知识库
- `POST /batch_import_knowledge` - 批量导入问答

## 知识库 JSON 格式

批量导入的 JSON 文件格式示例：
```json
[
  {
    "question": "设备真空值过高怎么办？",
    "answer": "检查真空泵是否正常工作，调整真空值至35左右，确保真空系统密封性良好。"
  },
  {
    "question": "设备温度异常升高怎么办？",
    "answer": "检查冷却系统是否正常，调整温度设定值至标准范围，检查散热风扇是否运转。"
  }
]
```

要求：
- `question` 字段最多 200 字
- `answer` 字段最多 500 字
- 文件必须包含至少一条问答

## 开发说明

### 添加新的 MCP 工具
1. 在 `mcp/mcp_server.py` 中定义工具函数
2. 使用 `@mcp.tool` 装饰器注册
3. 在 `src/prompts.py` 中更新提示词

### 添加新的知识库问答
1. 准备 JSON 格式的问答数据
2. 在前端"知识库管理"中批量导入
3. 或直接添加到数据库

## 常见问题

## 许可证

MIT License

## 贡献

欢迎提交 Issue 和 Pull Request！

## 联系方式

如有问题，请联系项目维护者。