监控 AIops（预览版）

免责声明：社区维护的开源项目，与 SolarWinds、Paessler 或任何监控厂商无关联、未获其认可或赞助。SolarWinds、Orion、SWQL、THWACK、PRTG 和 Paessler 均为其各自所有者的商标。源码位于 [github.com/AIops-tools/Monitoring-AIops](https://github.com/AIops-tools/Monitoring-AIops)，采用 MIT 许可证。

用于治理网络/基础设施监控操作 —— 31 个 MCP 工具，覆盖 SolarWinds Orion（SWIS REST + SWQL）和 Paessler PRTG（Web API），每个工具均通过内置的 @governed_tool 框架封装：本地统一审计日志存于 ~/.monitoring-aiops/，配备策略引擎、令牌/超额预算防护、撤销令牌记录以及分级自主风险等级。一份配置可同时适用于两个 NOC。SolarWinds 密码 / PRTG API 密钥以加密形式存储（~/.monitoring-aiops/secrets.enc，使用 Fernet + scrypt 加密）—— 磁盘上永不以明文保存。

独立运行：治理框架已打包在本软件包中（monitoring_aiops.governance）—— 无需外部技能家族依赖。

预览/仅模拟模式：PRTG 的免费 Freeware 版本是最容易进行实时验证的选项；SolarWinds 超过 30 天后仅限试用（最大的验证债务）。

本技能功能

预设的 SWQL 库（swql_library 列出所有项）可直接回答最常被问到的 THWACK 问题：nodes_down、flapping_interfaces、muted_report、high_cpu_nodes、volumes_full、unmanaged_scheduled。若需其他查询，使用 swql_query 可执行经过验证的只读（仅 SELECT）SWQL 透传。

快速安装

uv tool install monitoring-aiops
monitoring-aiops init       # 向导：选择平台（solarwinds/prtg）+ 加密密钥
monitoring-aiops doctor

何时使用此技能

• 获取 NOC 快照（overview / noc_rollup）：当前未确认告警数量、宕机/警告节点、最高 CPU 使用率节点
• 回答重复出现的 SWQL 问题（swql_library → swql_canned nodes_down），或执行临时只读 SWQL 查询（swql_query）
• 处理告警风暴（active_alerts 去重/聚合将频繁翻转或宕机风暴合并为一条带计数的条目），随后执行 alert_acknowledge
• SolarWinds 健康状态：node_status、interface_status（按利用率排序的前 N 项）、volume_status、application_status（SAM）、topn（CPU/内存/延迟/丢包）
• PRTG：列出 prtg_sensors / prtg_devices / prtg_groups，通过 prtg_sensor_details / prtg_history 深入排查，检查 prtg_alarms / prtg_system_status
• 安全地将节点移出监控进行维护（使用 schedule_maintenance / unmanage_node 配合 --dry-run 和审批人），或暂停 PRTG 传感器（pause_sensor）

请勿使用的情况：目标平台不是 SolarWinds 或 PRTG 监控系统时——应将虚拟化、存储、备份、集群、网络设备配置或 OT/工业场景路由至其他合适的 AIops-tools 技能。Zabbix 不在本工具支持范围内。

相关技能 —— 技能路由

常见工作流程

回答 SWQL / THWACK 问题

1. monitoring-aiops swql library（或 swql_library）→ 查看预设查询列表
2. monitoring-aiops swql canned nodes_down（或 swql_canned）→ 直接运行
3. 若无预设可用？使用 monitoring-aiops swql query "SELECT ..." —— 透传前会验证是否为只读 SELECT

处理告警风暴

1. active_alerts → 返回去重/聚合后的条目；接口翻转或节点宕机风暴将合并为一条含数量的条目
2. 选择关键条目后，执行 alert_acknowledge（SW 的 AlertActive.Acknowledge / PRTG 的 acknowledgealarm）

查看哪些节点宕机 / CPU 最高

1. noc_rollup → 一次调用获取宕机/警告节点数及最高 CPU 节点
2. 通过 topn（CPU/内存/延迟/丢包）或 swql_canned high_cpu_nodes 进行深入分析

安全地为维护目的解除节点监控（可逆）

1. swql_canned nodes_down / node_status → 确认节点状态
2. schedule_maintenance <node> --end ...（设置时间范围）或

unmanage_node <node> --dry-run → 预览调用结果

1. 重新运行时不带 --dry-run（再次确认；设置 MONITORING_AUDIT_APPROVED_BY + MONITORING_AUDIT_RATIONALE 以通过高风险门禁）—— 此操作会记录反向恢复描述符
2. 维护结束后，执行 remanage_node <node>（或重放记录的反向操作）

治理与安全机制

• 所有工具调用均记录至 ~/.monitoring-aiops/audit.db（可通过 MONITORING_AIOPS_HOME 修改路径）。
• 高风险操作（如 unmanage_node、remove_node）可要求指定审批人：设置 MONITORING_AUDIT_APPROVED_BY 和 MONITORING_AUDIT_RATIONALE。
• 破坏性写操作支持 --dry-run 和 CLI 层面的双重确认。
• 抑制/维护类写操作均为限时（需指定结束时间或持续时间）。可逆写操作会记录反向描述符（mute→unmute，unmanage→remanage，pause→resume）。

参考资料

• references/capabilities.md — 完整的工具、平台及 SWQL/API 路径参考
• references/cli-reference.md — CLI 命令参考
• references/setup-guide.md — 上手指南、凭证配置与连接设置