1. 项目概述

OpsAgent 是一个基于 LLM (Large Language Model) 的 Kubernetes 集群管理工具，它通过 AI 能力来简化和增强 Kubernetes 的操作和管理。该项目旨在帮助用户更容易地进行集群诊断、安全审计、资源分析和清单生成等操作。

2. 技术栈

2.1 核心技术

• 编程语言: Go (主要), Python (部分功能支持)
• AI 模型: 兼容OpenAI API (支持Qwen、deepseek、GPT-4o...)
• 容器技术: Docker
• 云原生: Kubernetes

2.2 主要依赖

• CLI 框架: Cobra
• Kubernetes Client: client-go
• AI 集成: go-openai
• 其他工具:
  • Trivy (容器安全扫描)
  • kubectl (Kubernetes 命令行工具)
  • Google Custom Search API (网络搜索集成)

3. 核心功能模块

3.1 分析模块

• 分析 Kubernetes 资源的潜在问题
• 提供人类可读的分析报告和解决方案
• 支持多种资源类型分析

3.2 审计模块

• 执行 Pod 安全审计
• 检查配置错误
• 扫描容器镜像漏洞
• 生成安全报告

3.3 诊断模块 (diagnose)

• Pod 问题诊断
• 提供详细的诊断报告
• 推荐解决方案

3.4 生成模块

• 基于提示生成 Kubernetes 清单
• 支持清单验证
• 提供应用确认机制

3.5 执行模块

• 基于自然语言指令执行操作
• 支持多种 Kubernetes 操作
• 提供操作确认机制

4. 技术特点

4.1 AI 集成

• 支持多种 LLM 提供商:
  • OpenAI API
  • Qwen
  • deepseek
  • 其他 OpenAI 兼容的 LLM
• AP key自管理
• 自适应提示工程

4.2 安全特性

• 支持 kubeconfig 配置
• 集群内外部署支持
• 操作确认机制
• 容器安全扫描

4.3 扩展性

• 模块化设计
• 工具插件系统
• 支持自定义插件/命令

5. 应用场景

5.1 DevOps 场景

• 快速问题诊断
• 自动化配置生成
• 安全合规检查
• 资源优化建议

5.2 安全运维

• 定期安全审计
• 漏洞扫描
• 配置审查
• 安全建议

5.3 开发测试

• 快速生成测试配置
• 环境问题诊断
• 配置验证

6. 项目特色

6.1 智能化

• 自然语言交互
• 智能问题分析
• 自动化建议生成

6.2 易用性

• 清晰的命令行界面
• 人类可读的输出
• 详细的操作指导

6.3 可靠性

• 错误重试机制
• 验证确认机制
• 详细的日志记录

7. 部署方式

7.1 本地部署

• Go 工具链安装
• 依赖工具配置
• 环境变量设置

7.2 容器部署

• Docker 镜像构建
• Kubernetes 部署
• 配置映射

9. 未来展望

9.1 潜在改进

• 支持更多 AI 模型
• 增强安全特性
• 改进用户体验
• 扩展工具集成

9.2 发展方向

• 云原生集成
• 多集群支持
• 智能运维
• 自动化运维

10. CI/CD 流程

10.1 自动化工作流

测试工作流 (Test)

• 触发条件: PR 提交或 master 分支推送
• 功能:
  • 使用最新版本 Go 环境
  • 运行所有测试用例
  • 确保代码质量

构建工作流 (Build)

• 触发条件: master/main 分支推送或手动触发
• 功能:
  • 构建 Docker 镜像
  • 推送到 GitHub Container Registry (GHCR)
  • 自动标记版本号
  • 维护 latest 和 py 标签

10.2 依赖管理

使用 Dependabot 进行依赖版本更新：

• 每日检查 Go 模块依赖更新
• 每日检查 GitHub Actions 依赖更新
• 自动创建 PR 进行依赖升级
• 限制最大同时开启的 PR 数量为 5

10.3 镜像仓库

项目使用 GitHub Container Registry (ghcr.io) 存储 Docker 镜像：

• 版本化标签: ghcr.io/[owner]/OpsAgent:[version]
• 最新版本: ghcr.io/[owner]/OpsAgent:latest
• Python 版本: ghcr.io/[owner]/OpsAgent:py

ToDo list

• 在调用gpt api前应该有一个dry-run的参数来确定prompt是否合适。避免token消耗过多
• prompt 可以从外部输入不一定要预制定。例如日志和监控作为prompt 来分析异常
• 前端可以选择加载不同模型，类似于cherry studio

8. 最佳实践

8.3 安全注意事项

使用示例

基本命令

./ops-agent --model chatgpt-4o --verbose execute '查询集群ems-eu namespace的pod的内存和cpu limit值，以csv格式输出。表头包含pod名称、cpu、内存'

支持的模型

• qwen系列
• chatgpt-4o-latest
• deepseek-r1
• qwen-plus

调试模式

--model gpt-4o --verbose execute 'how many namespace in the cluster?'