agentic-ssh-mcp
Enables secure SSH command execution and log retrieval with intelligent summarization using local LLM (Ollama) and Model Context Protocol (MCP) standards.
README
SSH MCP Tool Suite
SSH MCP Tool Suite, Kubernetes pod logları, veritabanı hataları ve sistem çıktılarının SSH üzerinden güvenli bir şekilde çalıştırılmasını, yerel LLM (Ollama/phi3/gemma) entegrasyonu ile akıllıca özetlenmesini sağlayan ve Model Context Protocol (MCP) standartlarına tam uyumlu geliştirilmiş production-ready bir araç setidir.
Bu suite, büyük komut çıktılarının LLM context penceresini şişirmesini önlemek amacıyla "Consistency Contract" ve "Authority Tagging" mimari prensipleri doğrultusunda optimize edilmiştir.
🚀 Öne Çıkan Özellikler
- Hafif Context Tasarımı (Zero-Bloat):
ssh_executevecheck_job_statusaraçları varsayılan olarak hamstdoutvestderralanlarını döndürmez. Böylece model context'i şişmez. - Ham Çıktı Ayrımı (Separate Data Plane): Komut loglarının tamamını çekmek için bağımsız bir
get_job_outputaracı kullanılır. - Consistency Contract (Tutarlılık Sözleşmesi): Modelin akıl yürütmesini ("reasoning") stabilize etmek için her veri çıktısı kendi kaynağını (
source) ve veri güncelliği/otorite rolünü (authority) etiketler:- Canlı veriler:
authority: "primary" - Durum kopyası verileri:
authority: "replica" - Sabit statik çıktılar:
authority: "snapshot"
- Canlı veriler:
- Otomatik Hata Yolu (Tail on Error): Komut veya bağlantı hatası oluştuğunda son 50 karakterlik log çıktısı (
tail) çıktıya otomatik olarak eklenir. Başarılı çıktılarda bu yük oluşmaz. - İki Aşamalı Akıllı Log Özetleme (Two-Stage Log Summarization Pipeline):
- Aşama 1: Deterministik Temizleme ve Sıkıştırma (Basic - Ollama Bağımsız): Tüm süreçlerde ilk adım olarak çalışır. Loglardaki kronik restart döngülerini tespit eder, zaman damgalarını sadeleştirir ve kritik log kalıplarını regex ile deterministik olarak gruplayıp sıkıştırır. Ollama gerektirmez ve sunucu her koşulda bu seviyeyi çalıştırır.
- Aşama 2: Semantik Analiz ve LLM Özetleme (Extreme - Ollama Opsiyonel): İlk aşamadan geçen sıkıştırılmış ve temizlenmiş log verisi, eğer Ollama sunucusu aktifse yerel LLM modellerine (
gemma:2b,phi3:mini) girdi olarak verilir ve semantik bir özet analiz raporu üretilir. Ollama erişilemez durumdaysa bu aşama pas geçilerek Aşama 1 çıktısı korunur.
- Asenkron Çalışma Desteği: Uzun süren işler (background=True) asenkron başlatılıp daha sonra sorgulanabilir.
- Güvenlik (Password Masking): request_log kayıtlarında şifreler otomatik olarak maskelenir (
***).
📂 Dizin Yapısı
SshTool/
├── app/
│ ├── core/ — Temel yapılandırma ve Pydantic veri modelleri
│ ├── db/ — SQLite veritabanı bağlantısı ve Repository katmanı
│ ├── jobs/ — SSH çalıştırma motoru ve JobManager servisi
│ ├── mcp/ — MCP araçlarının (ssh_execute, job_status, ssh_history) tanımları
│ ├── ssh/ — Paramiko tabanlı SSH Client katmanı
│ ├── summarizer/ — Ollama entegrasyonu ve log özetleme servisi
│ └── main.py — FastMCP sunucusu başlangıç noktası
├── tests/
│ └── smoke_test.py — Otomatik API ve senaryo doğrulama testleri
└── requirements.txt — Bağımlılık listesi
🛠️ Kurulum ve Çalıştırma
Gereksinimler
- Python 3.10+
- SQLite3
- Yerel Ollama Çalışma Ortamı (Opsiyonel, özetleme için
phi3:miniveyagemma:2bgereklidir)
Bağımlılıkların Yüklenmesi
pip install -r requirements.txt
MCP Sunucusunun Çalıştırılması
Sunucuyu doğrudan çalıştırmak için:
python app/main.py
Claude Desktop veya diğer MCP istemcilerine entegre etmek için mcp_config.json veya benzeri yapılandırma dosyasına şu satırı ekleyebilirsiniz:
{
"mcpServers": {
"ssh-tool": {
"command": "python",
"args": ["C:\\path\\to\\SshTool\\app\\main.py"]
}
}
}
🔌 MCP Araçları (MCP Tools Contract)
1. ssh_execute
Uzak sunucuda SSH üzerinden komut çalıştırır.
-
Parametreler:
host(str): Sunucu adresi.username(str): SSH kullanıcı adı.password(str): SSH şifresi.command(str): Çalıştırılacak shell komutu.timeout(Optional[int]): Zaman aşımı (saniye).background(bool): Arka planda (asenkron) çalıştırma seçeneği.summary(SummaryOptions): Özetleme seçenekleri.
-
Çıktı (Başarılı):
{ "job_id": "5e01f600-...", "status": "success", "exit_code": 0, "summary": "Komut başarıyla tamamlandı.", "details_available": true, "source": "execution", "authority": "primary" }
2. check_job_status
Bir işin durumunu ve veritabanı güncelliğini sorgular.
-
Parametreler:
job_id(str)summary(SummaryOptions)
-
Çıktı (Başarısız/Hata Durumu - Otomatik Tail):
{ "job_id": "5e01f600-...", "status": "failed", "exit_code": 127, "summary": "...", "tail": "sh: docker-compose: command not found", "details_available": true, "source": "status", "authority": "replica", "created_at": "...", "started_at": "...", "finished_at": "..." }
3. get_job_output
Belirtilen işin ürettiği tam stdout ve stderr çıktı loglarını getirir.
-
Parametreler:
job_id(str)
-
Çıktı:
{ "job_id": "5e01f600-...", "stdout": "Ham çıktı logları...", "stderr": "Ham hata logları...", "source": "output", "authority": "snapshot" }
4. get_ssh_history
Belirtilen host/kullanıcı ikilisine ait geçmiş iş kayıtlarını listeler.
🧪 Testler
Uygulanan tüm girdi/çıktı davranışlarını ve API sözleşmelerini doğrulamak için smoke testleri çalıştırabilirsiniz:
python tests/smoke_test.py
Test suite şu doğrulamaları kapsar:
- Şifrelerin
request_logiçerisinde maskelenerek güvenli şekilde kaydedilmesi. ssh_executevecheck_job_statusçıktılarındastdout/stderralanlarının dönmediğinin doğrulanması.- Hata durumlarında
tailalanının otomatik olarak eklendiğinin kontrolü. sourceveauthorityetiketlerinin tutarlılığı.- Asenkron iş akışları ve çıktı alma araçlarının (
get_job_output) entegrasyonu.
🚀 Ollama Başlangıç Kontrolü & Fallback
MCP sunucusu başlatılırken (lifespan startup), yerel Ollama sunucusu ve hedeflenen LLM modelinin varlığı otomatik olarak test edilir:
- Model ve Bağlantı Doğrulama: Ollama
/api/tagsendpoint'i üzerinden tüm yüklü modeller çekilir ve yapılandırılan modelin (örn.gemma:2bveyaphi3:mini) indirilmiş olup olmadığı denetlenir. - Hata Toleransı (Resilient Startup): Eğer Ollama sunucusu kapalıysa ya da yapılandırılan model yüklü değilse, sunucu çökmez. Terminale/stderr konsoluna detaylı bir
WARNINGuyarısı basılır ve sunucu başarıyla ayağa kalkar. - Otomatik Basic Fallback: Ollama'ya erişilemediği durumlarda,
extremeözetleme istekleri geldiğinde sistem otomatik olarak regex/kod tabanlıbasicözetleyiciye fallback yapar. Çıktıdakisummary_modealanı"basic"olarak işaretlenir.
Recommended Servers
playwright-mcp
A Model Context Protocol server that enables LLMs to interact with web pages through structured accessibility snapshots without requiring vision models or screenshots.
Magic Component Platform (MCP)
An AI-powered tool that generates modern UI components from natural language descriptions, integrating with popular IDEs to streamline UI development workflow.
Audiense Insights MCP Server
Enables interaction with Audiense Insights accounts via the Model Context Protocol, facilitating the extraction and analysis of marketing insights and audience data including demographics, behavior, and influencer engagement.
VeyraX MCP
Single MCP tool to connect all your favorite tools: Gmail, Calendar and 40 more.
graphlit-mcp-server
The Model Context Protocol (MCP) Server enables integration between MCP clients and the Graphlit service. Ingest anything from Slack to Gmail to podcast feeds, in addition to web crawling, into a Graphlit project - and then retrieve relevant contents from the MCP client.
Kagi MCP Server
An MCP server that integrates Kagi search capabilities with Claude AI, enabling Claude to perform real-time web searches when answering questions that require up-to-date information.
E2B
Using MCP to run code via e2b.
Neon Database
MCP server for interacting with Neon Management API and databases
Exa Search
A Model Context Protocol (MCP) server lets AI assistants like Claude use the Exa AI Search API for web searches. This setup allows AI models to get real-time web information in a safe and controlled way.
Qdrant Server
This repository is an example of how to create a MCP server for Qdrant, a vector search engine.