AI 重塑运维：基于 Spring AI 的 Docker 自然语言管理实践-51CTO.COM

MCP (Model Context Protocol) 是一个创新的开源协议，它的核心目标是彻底简化 AI 应用程序的开发流程。通过提供标准化的通信接口，MCP 在 AI 模型与应用程序上下文之间搭建了一座智能桥梁，让开发者能够更加高效地构建和部署 AI 驱动的应用。

MCP Docker 服务器使用指南

图片

在容器化技术日益普及的今天，Docker 的管理和运维工作往往需要掌握大量的命令和配置知识。MCP Docker 服务器应运而生，它是一个革命性的工具，能让你通过自然语言来管理 Docker 容器，大大降低了使用门槛。

通过 MCP Docker 服务器，你可以用日常对话的方式来完成复杂的容器管理任务。例如，你只需要用自然语言告诉 AI："启动一个 Nginx 容器并映射到 8080 端口，挂载指定目录的静态文件"，AI 就能自动完成所有必要的部署步骤，包括：

拉取合适的镜像
配置端口映射
设置目录挂载
启动并管理容器

这种方式不仅大大简化了 Docker 的使用流程，还能帮助团队提高工作效率，减少人为错误。无论你是 Docker 新手还是经验丰富的运维人员，MCP Docker 服务器都能让你的容器管理工作变得更加轻松自如。

Spring AI 与 Docker 集成

Spring AI 提供了强大的 MCP 集成能力，让开发者能够轻松地将 AI 能力引入到 Docker 容器管理中。

环境准备

安装 uv

# 笔者这里使用 mac , 如果Windows的话去搜索一下安装就行啦
brew install uv

下载 mcp-docker-server 插件

git clone https://github.com/ckreiling/mcp-server-docker.git

创建客户端项目

首先需要在项目中添加相关依赖：

<dependencyManagement>
    <dependencies>
        <dependency>
            <groupId>org.springframework.ai</groupId>
            <artifactId>spring-ai-bom</artifactId>
            <version>1.0.0-M5</version>
            <type>pom</type>
            <scope>import</scope>
        </dependency>
    </dependencies>
</dependencyManagement>

<dependencies>
    <dependency>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter</artifactId>
    </dependency>

    <dependency>
        <groupId>org.springframework.ai</groupId>
        <artifactId>spring-ai-openai-spring-boot-starter</artifactId>
    </dependency>

    <dependency>
        <groupId>org.springframework.experimental</groupId>
        <artifactId>spring-ai-mcp</artifactId>
        <version>0.4.1</version>
    </dependency>
</dependencies>

配置文件

笔者这里使用 deepseek v3 模型，只需要在 application.properties 中添加以下配置：

spring.ai.openai.chat.options.model=deepseek-chat
spring.ai.openai.base-url=https://api.deepseek.com
spring.ai.openai.api-key=sk-XXX

MCP Docker 客户端实现

以下是一个使用 Spring AI 和 MCP 来管理 Docker 容器的示例实现：

@Bean
public CommandLineRunner dockerCommands(ChatClient.Builder chatClientBuilder,
                                        List<McpFunctionCallback> functionCallbacks,
                                        ConfigurableApplicationContext context) {

    return args -> {
        var chatClient = chatClientBuilder
                .defaultFunctions(functionCallbacks.toArray(new McpFunctionCallback[0]))
                .build();
        // 示例：使用自然语言管理 Docker 容器
        String command = "启动一个 Nginx 容器并映射到 8888 端口 ，并挂载 /Users/lengleng/work/open/pig-ui/docker/dist 的静态页面";
        System.out.println("执行命令: " + command);
        System.out.println("AI 响应: " + chatClient.prompt(command).call().content());

        context.close();
    };
}

@Bean
public List<McpFunctionCallback> functionCallbacks(McpSyncClient mcpClient) {
    return mcpClient.listTools(null)
            .tools()
            .stream()
            .map(tool -> new McpFunctionCallback(mcpClient, tool))
            .toList();
}

@Bean(destroyMethod = "close")
public McpSyncClient mcpClient() {
    // 配置 Docker MCP 服务器,指向 mcp-server-docker 插件的路径
    var dockerParams = ServerParameters.builder("uv")
            .args("--directory", "/Users/lengleng/Downloads/mcp-server-docker", "run", "mcp-server-docker")
            .build();

    var mcpClient = McpClient.using(new StdioClientTransport(dockerParams))
            .requestTimeout(Duration.ofSeconds(30))
            .sync();

    var init = mcpClient.initialize();
    System.out.println("Docker MCP 服务初始化状态: " + init);

    return mcpClient;
}

图片

执行日志示例

以下是一个完整的执行过程示例，展示了如何使用自然语言命令来管理 Docker 容器：

# 1. 执行自然语言命令
执行命令: 启动一个 Nginx 容器并映射到 8888 端口，并挂载 /Users/lengleng/work/open/pig-ui/docker/dist 的静态页面

# 2. 系统检查现有容器
发现冲突: 容器名称 "/nginx_container" 已被容器 "3f20f2720263..." 使用
状态: 系统自动处理冲突，移除旧容器

# 3. 创建新容器
容器ID: db72b87c2069...
容器名称: nginx_container
状态: 创建成功

# 4. 启动容器
状态: 运行中
端口映射: 80 -> 8888
目录挂载: /Users/lengleng/work/open/pig-ui/docker/dist -> /usr/share/nginx/html

# 5. 最终结果
✅ Nginx 容器成功启动
✅ 端口 8888 成功映射
✅ 静态文件目录成功挂载

通过这个日志示例，我们可以看到 MCP Docker 服务器是如何：

智能理解自然语言命令
自动处理容器名称冲突
正确配置端口映射和目录挂载
完成容器的创建和启动

这种自动化的过程大大简化了 Docker 容器的管理工作，即使是复杂的操作也能通过简单的自然语言命令完成。