当前位置: 首页 > news >正文

基于1Panel的AI运维

本文档将介绍如何通过1Panel进行AI运维,具体步骤包括安装部署1Panel、安装GO环境、安装mcp-1panel、配置MCP服务、安装MaxKB和Cursor并配置,最后提供简易的AI运维示例。

1、安装部署1Panel

1.1、加载root环境变量

开启终端后执行如下命令:

sudo -i

1.2、开始安装

执行以下安装脚本,根据命令行提示完成安装:

bash -c "$(curl -sSL https://resource.fit2cloud.com/1panel/package/v2/quick_start.sh)"

如果遇到 Docker 安装失败等问题,可以尝试运行以下脚本:

bash <(curl -sSL https://linuxmirrors.cn/docker.sh)

1.3、访问网站

安装成功后,控制台会打印面板访问信息,可通过浏览器访问1Panel:

http://目标服务器IP地址:目标端口/安全入口

  • 如有安全组端口提示,请在安全组中开放对应的目标端口。

  • ssh登录1Panel服务器后,执行1pctl user-info命令可获取安全入口。

安装成功后,可使用 1pctl命令行工具来维护1Panel。

2、开放端口

为了确保外部能够正常访问1Panel服务,您需要在服务器的安全组规则中开放对应目标端口。

在完成了1Panel的安装部署后,根据提示网址打开浏览器进入1Panel,界面如下。

3、安装GO环境

3.1、更新系统

登录到服务器并更新本地包索引

sudo apt update

3.2、下载与解压

使用wget命令下载最新的tarball文件:

wget https://go.dev/dl/go1.25.6.linux-amd64.tar.gz

使用如下命令,把文件解压到 /usr/local 目录:

sudo tar -C /usr/local -xzf go1.25.6.linux-amd64.tar.gz

查看 /usr/local/go 目录的内容:

ls /usr/local/go

3.3、添加环境变量

打开.bashrc:

nano ~/.bashrc

粘贴如下行:

export PATH=$PATH:/usr/local/go/bin

重新加载 .bashrc文件:

source ~/.bashrc

3.4、验证安装结果

使用以下命令查看版本号以验证是否安装成功:

go version

4、安装mcp-1panel

4.1、从源代码构建 (二进制)

克隆代码仓库:

git clone https://github.com/1Panel-dev/mcp-1panel.git
cd mcp-1panel

构建项目:

make build

4.2、环境变量配置

将./build/mcp-1panel移动到系统环境变量PATH所包含的目录中

确保你在 mcp-1panel 项目根目录,然后执行以下命令将文件移动到/usr/local/bin:

mv ./build/mcp-1panel /usr/local/bin/

确保文件的可执行权限:

chmod +x /usr/local/bin/mcp-1panel

4.3、验证配置结果

执行以下命令,返回根目录:

cd /

执行以下命令,验证是否能全局识别该命令:

mcp-1panel --help
mcp-1panel

运行mcp-1panel后显示Run Stdio server即为成功,执行ctrl+c结束进程

5、配置MCP

5.1、获取1Panel的Api接口

进入1Panel面板设置,查看api接口内的接口密钥并配置白名单

5.2、启动MCP server

使用SSE启动 MCP server:

​mcp-1panel -host <your 1Panel access address> -token <your 1Panel access token> -transport sse -addr http://localhost:8000
  • -token:1Panel 访问令牌
  • -host:1Panel 访问地址

6、基于Cursor的AI运维

6.1、Cursor安装

登录官网选择对应系统和版本的安装包进行下载

6.2、配置mcp server

本地安装启动cursor后执行ctrl+L命令打开chat窗口,在setting里的Tools&MCP中配置

相关配置内容参考如下:

{ "mcpServers": { "mcp-1panel": { "command": "mcp-1panel", "env": { "PANEL_ACCESS_TOKEN": "<your 1Panel access token>", "PANEL_HOST": "such as http://localhost:8080" } } } }

6.3、AI运维实战

通过与cursor中的大模型对话实现基于1Panel的AI运维

7 、基于MaxKB的AI运维

7.1、MaxKB安装

进入1Panel应用商店列表,在【全部】分类下找到MaxKB应用进行安装。

7.2、在安装页面配置MaxKB应用参数:

  • 名称:要创建的MaxKB应用的名称。
  • 版本:选择MaxKB的版本。
  • 端口:MaxKB应用的服务端口。
  • 容器名称:MaxKB应用容器名称。
  • CPU 限制:MaxKB应用可以使用的CPU核心数。
  • 内存限制:MaxKB应用可以使用的内存大小。
  • 端口外部访问:MaxKB应用可以使用IP:PORT进行访问(MaxKB应用必须勾选外部端口访问)。

点击确认开始安装,页面自将动跳转到已安装应用列表,等待 MaxKB 应用状态变为已启动。

7.3、登录MaxKB

安装完成后,通过浏览器访问如下页面登录MaxKB:

地址: http://目标服务器IP地址:服务运行端口(默认 8080)

用户名: admin

密码: MaxKB@123..

admin第一次登录时将要求修改默认密码,修改密码后,重新登录系统即可安全使用MaxKB。

7.4、模型配置

提前获取大模型的api key,进入maxkb的模型界面进行配置

7.5、MCP配置

进入maxkb的工具界面进行配置,MCP Server Config 格式参考如下:

{ "amap-maps": { "url": "http://IP:端口/MCPserver名称", "transport":"sse" # 如果使用 Streamable_HTTP 协议,需将"sse"替换成"streamable_http" } }

7.6、智能体配置

进入maxkb的智能体界面进行创建,智能体相关配置可自行调整。

7.7、AI运维实战

通过与创建好的智能体对话实现基于1Panel的AI运维

http://www.jsqmd.com/news/323087/

相关文章:

  • 8个新颖的应用场景,探索YashanDB数据库的潜力
  • 分享坚果投影仪N3二手回收价格是多少
  • 2026年知网AIGC检测不通过怎么办?3款降AI工具亲测有效
  • BUU-[SWPU2019]Web1
  • 毕业论文降AI工具怎么选?6款热门工具深度测评
  • 一键降AI真的有用吗?实测不达标退款的工具到底行不行
  • 研究生必看:论文AI率从90%降到10%的超全攻略
  • 2026年DeepSeek写论文AI率太高怎么办?双引擎降AI亲测有效
  • 第一次用降AI工具?照着这个流程做知网AI率低于15%
  • Go反射:性能瓶颈与零拷贝优化
  • 为什么降AI总失败?90%的人都踩了这3个坑
  • 深入解析:全功能按键非阻塞式
  • 2026年知网AIGC检测又升级了,这样降AI才能一次过
  • kali 基础介绍(Lateral Movement、Collection)
  • 【游戏推荐】消失的钓鱼 去钓鱼了 (GONE Fishing)免安装中文版
  • 2026年6款降AI率工具横评,哪个效果最好?
  • M³KG-RAG必学:多模态知识图谱增强RAG,解决“听得懂看得见“的收藏级技术方案
  • DeepSeek+豆包+Kimi降AI指令都试了?不如直接用这个工具
  • 个人开发者必看:软著申请材料清单+避坑指南
  • 图解码说-六大设计原则(开闭原则、单一职责原则、里氏替换原则、接口隔离原则、依赖倒置原则、迪米特法则) - 详解
  • 【游戏推荐】停车世界:建设与管理 (Parking World Build and Manage)免安装中文版
  • DeepSeek+豆包+Kimi降AI指令大全:配合工具效果翻倍
  • 基于深度学习YOLOv12的疲劳驾驶检测系统(YOLOv12+YOLO数据集+UI界面+登录注册界面+Python项目源码+模型)
  • 3款降AI率工具实测对比:9大平台验证谁能全过?
  • 8大AI场景+工具详解,从PPT到编程全方位提升工作效率(大模型入门指南)
  • 2026年知网AIGC检测不通过?用嘎嘎降AI三步搞定验证
  • 大数据领域数据网格:实现数据价值最大化的途径
  • 2026年免费降AI率工具推荐:研究生亲测这5款最靠谱
  • 【游戏推荐】房产达人2 单机+联机(House Flipper 2)免安装中文版
  • 基于深度学习YOLOv11的疲劳驾驶检测系统(YOLOv11+YOLO数据集+UI界面+登录注册界面+Python项目源码+模型)