DevOps & Monitoring

Maintenant bietet selbst gehostetes Monitoring mit integrierter Unterstützung für KI-Agenten

Das Open-Source-Tool maintenant stellt konfigurationsfreies Monitoring für Docker und Kubernetes bereit und verfügt über einen nativen Model Context Protocol Server für die KI-Integration.

Illustration eines Serverschranks mit einem Monitoring-Auge und KI-Netzwerkmustern
Für diesen Artikel erstellte Illustration

Automatisch aus dem englischen Original übersetzt.

Eine neue selbst gehostete Monitoring-Lösung namens maintenant ist aufgetaucht, die umfassende Infrastrukturüberwachung durch eine einzelne Go-Binärdatei bietet. Das Tool wurde vom Entwickler Benjamin Touchard unter der Organisation kOlapsis veröffentlicht und richtet sich an Teams, die Docker, Docker Swarm oder Kubernetes-Umgebungen betreiben und komplexe Konfigurationen vermeiden möchten. Das Projekt legt Wert auf deployment ohne Abhängigkeiten und enthält integrierte Unterstützung für KI-Agenten über das Model Context Protocol (MCP), was automatische Untersuchungen von Warnmeldungen direkt aus der Monitoring-Oberfläche ermöglicht.

Was passiert ist

Maintenant positioniert sich als Drop-in-Ersatz für fragmentierte Monitoring-Stacks. Anstatt separate Tools für Container-Gesundheit, Endpoint-Verfügbarkeit, Zertifikatsablauf und Cron-Job-Nachverfolgung zu erfordern, bündelt es diese Funktionen in einer leichtgewichtigen Anwendung. Die Kernarchitektur basiert auf einer einzigen Binärdatei, die in drei Modi betrieben werden kann: eingebettet für Einzelhost-Setups, Server für zentrale Datenaufnahme und Agent für die Überwachung entfernter Hosts. Dieses Design eliminiert die Notwendigkeit externer Datenbanken wie PostgreSQL für kleine Bereitstellungen, da standardmäßig SQLite verwendet wird, wobei PostgreSQL für größere Flotten unterstützt wird.

Das herausragendste Merkmal ist die native Integration mit KI-Assistenten. Maintenant enthält einen eingebauten MCP-Server mit 51 Tools, die es KI-Clients ermöglichen, den Systemzustand abzufragen, Container-Logs zu lesen, Warnwarteschlangen zu prüfen und Vorfälle zu bestätigen. Diese Integration funktioniert über stdio oder Streamable HTTP Transports und ermöglicht nahtlose Konnektivität mit Tools wie Claude, OpenCode und n8n. Durch die Bereitstellung von Monitoring-Daten über Standard-MCP-Schnittstellen können Entwickler natürliche Sprachabfragen zur Diagnose von Problemen nutzen, z. B. indem sie einem KI-Assistenten fragen, "was gerade brennt", um kritische Fehler sofort zu identifizieren.

Wichtige Details

  • Konfigurationsfreie Erkennung: Erkennt und überwacht automatisch Container in Docker, Swarm und Kubernetes ohne manuelle YAML-Konfiguration, wobei Labels für optionale Anpassungen genutzt werden.
  • Integrierter MCP-Server: Stellt 51 Tools für KI-Agenten bereit, um mit dem Monitoring-System zu interagieren, und unterstützt OAuth2 für sicheren Remote-Zugriff von Clients wie Claude Desktop.
  • Leichtgewichtiges Footprint: Die gesamte Anwendung läuft als einzelne Go-Binärdatei und verbraucht nach mehreren Tagen Betrieb auf einem stark belasteten Host etwa 100 MB RAM.
  • Multi-Host-Unterstützung: Verwendet leichtgewichtige schreibgeschützte Agenten, die über gegenseitig authentifizierte gRPC-Streams verbunden sind, um bis zu 20 entfernte Maschinen in der Personal Edition zu überwachen.
  • Update-Intelligenz: Scannt OCI-Registries, um neuere Image-Versionen zu erkennen, vergleicht Digests für Floating-Tags und warnt Benutzer, bevor sie veraltete Images pullen.
  • Sicherheitsorientiertes Design: Operiert im schreibgeschützten Modus ohne eingebaute Authentifizierung, verlässt sich auf Reverse Proxies für Sicherheit und senkt die Berechtigungen nach dem Start auf einen Nicht-Root-Benutzer.

Hintergrund

Für viele Self-Hosting-Teams umfasst die Überwachung der Infrastruktur oft das Zusammensetzen mehrerer spezialisierter Tools. Prometheus könnte Metriken handhaben, Blackbox Exporter prüft Endpoints und ein separater Dienst verfolgt SSL-Zertifikate. Diese Fragmentierung erhöht den Wartungsaufwand und erzeugt Lücken in der Sichtbarkeit. Maintenant versucht, diese Funktionen in einem einzigen Dashboard zu konsolidieren. Es überwacht Container-Zustände, Health Checks, Neustart-Schleifen und Ressourcennutzung, während es auch externe Abhängigkeiten wie TLS-Zertifikatsablauf und OS-End-of-Support-Daten nachverfolgt.

Die Aufnahme des Model Context Protocol (MCP) spiegelt einen wachsenden Trend im DevOps-Tooling wider: Infrastrukturdaten für große Sprachmodelle zugänglich zu machen. MCP ist ein offener Standard, der es KI-Anwendungen ermöglicht, sicher mit Datenquellen und Tools zu verbinden. Durch die Implementierung eines MCP-Servers ermöglicht maintenant KI-Agenten, Warnungen nicht nur zu lesen, sondern aktiv zu untersuchen. Ein Agent kann beispielsweise spezifische Container-Logs abrufen oder den Status eines fehlgeschlagenen Heartbeats prüfen, ohne benutzerdefinierte API-Integrationen für jede KI-Plattform zu benötigen.

Warum es wichtig ist

Teams, die ihre eigene Software-Infrastruktur verwalten, kämpfen oft mit Alarmmüdigkeit und komplexen Setup-Prozeduren. Traditionelle Monitoring-Lösungen erfordern erheblichen Zeitaufwand, um Exporter zu konfigurieren, PromQL-Abfragen zu definieren und Dashboards zu erstellen. Maintenant’s label-basierte Konfiguration reduziert diese Last durch automatische Service-Erkennung und sensible Defaults. Für kleine bis mittelständische Unternehmen bedeutet dies schnellere Bereitstellung und weniger Zeit für die Wartung des Monitoring-Stacks selbst. Die Möglichkeit, Cron-Jobs und TLS-Zertifikate out-of-the-box zu überwachen, adressiert häufige Schmerzpunkte, die oft erst dann bemerkt werden, wenn sie Ausfälle verursachen.

Die KI-Integration bietet einen praktischen Vorteil für die Incident Response. Anstatt manuell auf Server einzuloggen, um Logs zu prüfen, nachdem eine Warnung ausgelöst wurde, können Ingenieure KI-Assistenten nutzen, die über MCP verbunden sind, um Probleme sofort zu triagieren. Diese Fähigkeit ist besonders wertvoll für On-Call-Ingenieure, die Vorfälle außerhalb der Arbeitszeiten schnell lösen müssen. Durch strukturierten Zugriff auf Monitoring-Daten über MCP reduziert maintenant die Reibung zwischen der Erkennung eines Problems und dem Verständnis seiner Ursache, was potenziell die mittlere Zeit bis zur Lösung (MTTR) senkt.

Was Sie tun können

  • Live-Demo testen: Besuchen Sie die öffentliche Pro-Instanz des Projekts, um zu sehen, wie sie einen echten Stack überwacht, ohne lokal etwas zu installieren.
  • Bereitstellung via Docker Compose: Nutzen Sie die bereitgestellte Quick-Start-Konfiguration, um maintenant auf einem einzelnen Host auszuführen, und stellen Sie sicher, dass Sie es hinter einem Auth-Reverse-Proxy platzieren, um Sicherheit zu gewährleisten.
  • KI-Integration konfigurieren: Richten Sie den MCP-Server so ein, dass er mit Ihrem bevorzugten KI-Assistenten wie Claude oder OpenCode zusammenarbeitet, um automatisiertes Log-Reading und Warnbestätigung zu ermöglichen.
  • Remote-Agenten hinzufügen: Wenn Sie mehrere Server verwalten, stellen Sie schreibgeschützte Agenten auf entfernten Hosts bereit, indem Sie das einmalige Registrierungs-Token verwenden, das in der UI generiert wird.
  • Cron-Jobs überwachen: Erstellen Sie Heartbeat-Monitore für Ihre geplanten Aufgaben, indem Sie einfache curl-Befehle in Ihre Skripte aufnehmen, um sicherzustellen, dass Sie benachrichtigt werden, wenn Jobs nicht ausgeführt werden.
  • Sicherheitseinstellungen überprüfen: Stellen Sie sicher, dass Ihre Bereitstellung dem empfohlenen Sicherheitsmodell folgt, indem Sie den Docker-Socket schreibgeschützt mounten und den Container mit aktivierten no-new-privileges ausführen.

Weitere News

Alle News