Maintenant propose une solution de monitoring auto-hébergée avec support intégré des agents IA

Une nouvelle solution de monitoring auto-hébergée nommée maintenant a fait son apparition, offrant une supervision complète de l'infrastructure via un unique binaire Go. Développé par Benjamin Touchard sous l'organisation kOlapsis, cet outil s'adresse aux équipes utilisant Docker, Docker Swarm ou Kubernetes qui souhaitent éviter les configurations complexes. Le projet met l'accent sur le déploiement sans dépendances externes et inclut un support natif pour les agents IA via le Model Context Protocol (MCP), permettant l'investigation automatisée des alertes directement depuis l'interface de monitoring.

Ce qui s'est passé

Maintenant se positionne comme un remplacement clé en main pour les stacks de monitoring fragmentées. Au lieu d'exiger des outils distincts pour la santé des conteneurs, la disponibilité des endpoints, l'expiration des certificats et le suivi des tâches cron, il regroupe ces capacités dans une application légère. L'architecture centrale repose sur un seul binaire pouvant fonctionner en trois modes : embarqué pour les configurations mono-hôte, serveur pour l'ingestion centralisée, et agent pour le monitoring d'hôtes distants. Cette conception élimine le besoin de bases de données externes comme PostgreSQL pour les petits déploiements, car elle utilise SQLite par défaut, tout en supportant PostgreSQL pour les flottes plus importantes.

La fonctionnalité la plus distinctive est son intégration native avec les assistants IA. Maintenant inclut un serveur MCP intégré doté de 51 outils qui permettent aux clients IA d'interroger l'état du système, de lire les logs des conteneurs, de vérifier les files d'attente d'alertes et d'accuser réception des incidents. Cette intégration fonctionne via les transports stdio ou Streamable HTTP, permettant une connectivité transparente avec des outils tels que Claude, OpenCode et n8n. En exposant les données de monitoring via des interfaces MCP standard, l'outil permet aux développeurs d'utiliser des requêtes en langage naturel pour diagnostiquer les problèmes, par exemple en demandant à un assistant IA « ce qui brûle » pour identifier immédiatement les défaillances critiques.

Détails clés

• Découverte sans configuration : Détecte et surveille automatiquement les conteneurs dans Docker, Swarm et Kubernetes sans configuration YAML manuelle, en utilisant des labels pour la personnalisation optionnelle.
• Serveur MCP intégré : Fournit 51 outils pour que les agents IA interagissent avec le système de monitoring, prenant en charge OAuth2 pour un accès distant sécurisé depuis des clients comme Claude Desktop.
• Empreinte légère : L'application entière s'exécute comme un seul binaire Go, consommant environ 100 Mo de RAM après plusieurs jours de fonctionnement sur un hôte chargé.
• Support multi-hôtes : Utilise des agents légers en lecture seule connectés via des flux gRPC mutuellement authentifiés pour surveiller jusqu'à 20 machines distantes dans l'édition Personal.
• Intelligence de mise à jour : Scanne les registres OCI pour détecter les nouvelles versions d'images et compare les digests pour les tags flottants, alertant les utilisateurs avant qu'ils ne tirent des images obsolètes.
• Conception axée sur la sécurité : Fonctionne en mode lecture seule sans authentification intégrée, s'appuyant sur des reverse proxies pour la sécurité, et abandonne les privilèges root au profit d'un utilisateur non-root après le démarrage.

Contexte

Pour de nombreuses équipes pratiquant l'auto-hébergement, la surveillance de l'infrastructure implique souvent d'assembler plusieurs outils spécialisés. Prometheus peut gérer les métriques, Blackbox Exporter vérifie les endpoints, et un service séparé suit les certificats SSL. Cette fragmentation augmente la charge de maintenance et crée des lacunes en matière de visibilité. Maintenant tente de consolider ces fonctions dans un tableau de bord unique. Il surveille l'état des conteneurs, les contrôles de santé, les boucles de redémarrage et l'utilisation des ressources, tout en suivant les dépendances externes telles que l'expiration des certificats TLS et les dates de fin de support des OS.

L'inclusion du Model Context Protocol (MCP) reflète une tendance croissante dans les outils DevOps : rendre les données d'infrastructure accessibles aux grands modèles de langage. MCP est un standard ouvert qui permet aux applications IA de se connecter de manière sécurisée aux sources de données et aux outils. En implémentant un serveur MCP, maintenant permet aux agents IA non seulement de lire les alertes, mais aussi d'enquêter activement dessus. Par exemple, un agent peut récupérer des logs spécifiques de conteneurs ou vérifier le statut d'un heartbeat échoué sans nécessiter d'intégrations API personnalisées pour chaque plateforme IA.

Pourquoi c'est important

Les équipes qui gèrent leur propre infrastructure logicielle souffrent souvent de la fatigue liée aux alertes et de procédures de configuration complexes. Les solutions de monitoring traditionnelles exigent beaucoup de temps pour configurer les exporters, définir les requêtes PromQL et construire les tableaux de bord. La configuration basée sur les labels de Maintenant réduit cette charge en découvrant automatiquement les services et en appliquant des valeurs par défaut sensées. Pour les petites et moyennes entreprises, cela signifie un déploiement plus rapide et moins de temps consacré à la maintenance de la stack de monitoring elle-même. La capacité de surveiller les tâches cron et les certificats TLS dès la sortie de l'emballage répond à des points de douleur courants qui sont souvent négligés jusqu'à ce qu'ils causent des pannes.

L'intégration IA offre un avantage pratique pour la réponse aux incidents. Au lieu de se connecter manuellement aux serveurs pour consulter les logs après le déclenchement d'une alerte, les ingénieurs peuvent utiliser des assistants IA connectés via MCP pour trier les problèmes instantanément. Cette capacité est particulièrement précieuse pour les ingénieurs d'astreinte qui doivent résoudre rapidement les incidents en dehors des heures ouvrables. En fournissant un accès structuré aux données de monitoring via MCP, maintenant réduit la friction entre la détection d'un problème et la compréhension de sa cause racine, potentiellement diminuant le temps moyen de résolution (MTTR).

Ce que vous pouvez faire

• Tester la démo en direct : Visitez l'instance Pro publique du projet pour voir comment elle surveille une stack réelle sans rien installer localement.
• Déployer via Docker Compose : Utilisez la configuration de démarrage rapide fournie pour exécuter maintenant sur un hôte unique, en veillant à le placer derrière un reverse proxy d'authentification pour la sécurité.
• Configurer l'intégration IA : Mettez en place le serveur MCP pour qu'il fonctionne avec votre assistant IA préféré, tel que Claude ou OpenCode, afin d'activer la lecture automatique des logs et l'accusé de réception des alertes.
• Ajouter des agents distants : Si vous gérez plusieurs serveurs, déployez des agents en lecture seule sur les hôtes distants en utilisant le jeton d'enrôlement à usage unique généré dans l'UI.
• Surveiller les tâches cron : Créez des moniteurs de heartbeat pour vos tâches planifiées en ajoutant de simples commandes curl à vos scripts, garantissant que vous êtes notifié si les jobs ne s'exécutent pas.
• Vérifier les paramètres de sécurité : Assurez-vous que votre déploiement suit le modèle de sécurité recommandé en montant le socket Docker en lecture seule et en exécutant le conteneur avec no-new-privileges activé.