# 碎碎念

最近也是开学了，抽时间更新一下

下面这篇文章转载于公众号：运维躬行录

# 茗述

最近我遇到了一个特别有意思的场景，让我对 AI 运维有了全新的认识。事情是这样的：我有一台 Rocky Linux 服务器需要部署 WordPress，但我不想手动敲那些繁琐的命令。于是我就想，能不能让 AI 直接帮我操作服务器？结果发现，现在真的有工具能做到这一点 —— 通过 sshmcp 协议。

# 什么是 sshmcp？这玩意儿到底有多神奇

说实话，第一次听说 sshmcp 的时候我还以为是什么新的加密协议。后来才知道，这是基于 MCP（Model Context Protocol）协议的一个 SSH 工具，专门为了让 AI 能够安全地远程操作服务器而设计的。

简单来说，sshmcp 就像是给 AI 配了一个 "数字手"，让它能够通过 SSH 连接到你的服务器，执行命令、传输文件，甚至帮你排查问题。但最关键的是，它不会把你的 SSH 密码直接暴露给 AI 模型，所有的凭据都在本地管理，从根源上保证了安全性 [5]。

# 如何开始使用 sshmcp

项目地址：https://github.com/classfang/ssh-mcp-server/blob/main/README_CN.md

我使用的 ai 工具是：Cherry Studio

项目地址：https://www.cherry-ai.com/

安装完成后配置大模型

大模型配置好后安装 mcp

如果你也想体验这种 AI 运维的感觉，其实并不复杂。根据官方文档，你可以通过 NPX 直接运行 ssh-mcp-server：

npm i @fangjunjie/ssh-mcp-server

或者如果你更喜欢 Python 版本，也可以使用：

pip install ssh-mcp-server
ssh-mcp-server --config your-config.json

添加 mcp 服务器

配置文件通常包含你的 SSH 连接信息：

{

  "mcpServers": {

    "ssh-mcp-server": {

      "command": "npx",

      "args": [

        "-y",

        "@fangjunjie/ssh-mcp-server",

        "--host", "192.168.198.133",

        "--port", "22",

        "--username", "root",

        "--password", "pwd123456"

      ]

    }

  }

}

一旦配置完成，任何支持 MCP 协议的 AI 助手（比如 Cursor、Trae 等）就可以通过这个服务器来操作你的远程机器了 [3]。

# sshmcp 的核心优势：安全与效率的完美平衡

说到 sshmcp，我觉得它最厉害的地方在于解决了 AI 运维的最大痛点 —— 安全性。传统的做法要么是把 SSH 密钥直接给 AI（极其危险），要么就是完全手动操作（效率低下）。而 sshmcp 通过以下机制保证了安全：

• • 凭据隔离：SSH 凭据完全在本地管理，永远不会暴露给 AI 模型
• • 命令控制：可以通过黑白名单机制精确控制允许执行的命令范围
• • 标准化接口：遵循 MCP 协议规范，可与所有支持该协议的 AI 助手无缝集成
• • 双向文件传输：不仅支持命令执行，还支持安全的文件上传下载

这意味着你可以放心地让 AI 帮你处理日常运维任务，而不必担心服务器被黑或者数据泄露。

# 操作演示 - 让 ai 安装 lnmp 环境，部署 wordpress

发现端口占用处理

# 实际应用场景：不止是部署 WordPress

虽然我用 WordPress 部署作为例子，但 sshmcp 的应用场景远不止于此：

应急响应：当服务器出现故障时，AI 可以立即连接并执行诊断命令，快速定位问题所在 [2]。

批量操作：如果你管理着多台服务器，AI 可以同时连接所有服务器并执行相同的维护任务。

配置管理：AI 可以帮助你标准化服务器配置，确保所有服务器都遵循相同的安全策略。

日志分析：AI 可以直接读取服务器日志，分析异常模式并提供优化建议。

安全审计：定期检查服务器的安全配置，发现潜在的风险点。

# 安全考虑：别让便利成为隐患

虽然 sshmcp 看起来很美好，但我们还是要保持谨慎。毕竟让 AI 直接操作生产服务器是有风险的。以下几点建议供参考：

1. . 最小权限原则：为 AI 创建专用的 SSH 用户，只授予必要的权限
2. . 命令限制：使用黑白名单严格控制 AI 可以执行的命令
3. . 审计日志：记录 AI 执行的所有操作，便于事后审查
4. . 测试环境先行：先在测试环境中验证 AI 的操作逻辑
5. . 人工审核关键操作：对于删除、重启等高危操作，要求人工确认

说实话，体验过这种 AI 辅助的运维方式后，我真的觉得传统手动运维有点过时了。想象一下，以后我们可能只需要告诉 AI："帮我优化这台服务器的性能"，它就能自动分析瓶颈、调整配置、应用最佳实践。

当然，这并不意味着运维工程师会被取代。相反，我们的角色会从 "操作工" 转变为 "策略制定者" 和 "质量监督员"。我们需要设计更好的自动化流程，制定更智能的运维策略，同时确保 AI 的行为符合我们的预期和安全要求。