| 项目 | 说明 |
|---|
| 调研范围 | 公有云、私有云、服务器、网络运维四类场景下用于提升效率与自动化的 AI 应用与产品 |
| 检索时点 | 2026-10-30 |
| 数据来源 | GitHub 公开仓库数据、厂商公开资料与行业公开报道 |
| 口径说明 | GitHub 星数为检索时点快照，仅用于量级参考；市场规模存在多种统计口径，文中分别标注 |
#先说结论
- 运维 AI 已从「把日志喂给大模型做解读」进入 Agentic 阶段：Agent 能自主拆解目标、调用监控/CMDB/工单/网络设备等工具、给出根因并执行修复。
- MCP（Model Context Protocol）已成为 Agent 接入运维能力的标准入口，K8s、Terraform、Zabbix、Prometheus、NetBox、Dynatrace 都已有官方或社区 MCP Server；选平台时 MCP 生态覆盖度几乎是可用性的分水岭。
- 公有云优先用云厂商原生 AI 助手；私有云自建优先夜莺、Keep、Kubernetes MCP；服务器主机优先轻量自托管 Agent；网络运维目前开源最薄，主要靠厂商产品。
- 当前主流设计是「默认可读、写操作需人工点头」，上生产必须保留审批回路。
#一、市场与趋势
先看几个可作立项依据的公开数据：
| 指标 | 数值 | 口径 |
|---|
| 2030 年使用 Agentic AI 的组织占比 | 40% | Gartner，2025 年近乎为 0 |
| 2035 年代理型 AI 市场营收机会 | 4500 亿美元 | Gartner 预测 |
| 已把生产环境 RCA 与自愈权限开放给 AI Agent 的大型企业 | 超 55% | Gartner 报告 |
| 2026 年将采用 AIOps 的大型企业 | 30% | 且自动化超一半网络活动 |
| 2026 年建成可观测性体系者将领先同行 | 70% | Gartner |
| 2025 年中国 AIOps 市场规模 | 78 亿元 | 年增速约 17.9%（另有 146.2 亿元、增速 41% 的口径） |
| 全球 AIOps 平台软件市场（2025） | 约 20.9 亿美元 | CAGR 约 14.5% |
| AI 岗位招聘同比（2026.6） | +112% | 同期传统 IT 运维岗位 -23% |
| 容器用户已在生产运行 K8s | 82% | CNCF 2025，其中 66% 承载 GenAI 推理 |
#运维工具演进时间线
| 阶段 | 代表性形态 | 特征 |
|---|
| 2014–2018 | kubectl + Dashboard | 人肉命令加图形面板，纯手动 |
| 2019–2022 | Prometheus + Grafana + Loki | 指标体系化，告警靠规则 |
| 2023–2024 | K8sGPT 等 | 浅层次「把日志喂给 GPT 做解读」 |
| 2025 | kagent（Solo.io 开源）+ MCP 协议 | Agent 成为 K8s CRD，能力被标准化封装 |
| 2026 上半年起 | Agentic AIOps / Agentic NetOps | Agent 真正进入生产，Gartner 称之为网络运维约 20 年来最大变革 |
行业判断大致是：2025 是 Agent 的概念验证元年，2026 下半年是 AIOps 从工具变体系的分水岭，2027 预计出现第一轮大规模翻车与治理框架成型，2028–2029 格局定型。
#二、开源项目清单
以下星数均为 2026-10-30 检索时点快照。
#AIOps / SRE Agent 平台
| 项目 | 星数 | 语言 | 定位与适用场景 |
|---|
| netdata/netdata | 81215 | Go | AI 驱动的全栈可观测，面向精简团队的快速上手路径，服务器与主机监控首选 |
| ccfos/nightingale（夜莺） | 13414 | Go | 自托管告警（指标/日志/数据库），内置 AI Agent 与 MCP Server，国内落地广 |
| keephq/keep | 12460 | Python | 开源 AIOps 与告警管理平台，聚合多源告警并做 AI 关联分析 |
| k8sgpt-ai/k8sgpt | 8286 | Go | K8s 智能诊断，扫描资源并给出修复建议 |
| apache/hertzbeat | 7449 | Java | Apache 孵化，AI 驱动的实时可观测系统 |
| kagent-dev/kagent | 4124 | Go | 云原生 Agentic AI 框架，把 Agent 作为 K8s CRD 编排 |
| skyhook-io/radar | 3966 | Go | 开源 K8s UI，内置 MCP Server 供 AI Agent 直接消费集群数据 |
| HolmesGPT/holmesgpt | 3726 | Python | SRE Agent，CNCF Sandbox 项目，面向告警根因排查 |
| robusta-dev/robusta | 3125 | Python | Prometheus 告警智能分组、AI 增强与自动修复 |
| openocta/openocta | 3223 | TypeScript | Windows/macOS 上的开源 AIOps Agent |
| alibaba/SREWorks | 2012 | Java | 阿里开源，云原生 DataOps 与 AIOps 平台 |
| Tencent/Metis | 1756 | Python | 腾讯 AIOps learnware 平台 |
| ongridio/ongrid | 1243 | Go | 运维 AI Agent：告警触发后自动翻监控、跑诊断、顺拓扑找影响面；Edge 仅主动外连，主机无需开放入站端口；支持 Slack/Telegram/飞书/钉钉 |
| qinshihu/itops-agent-platform | 947 | TypeScript | 多 Agent IT 运维平台，LLM 驱动自动修复 Zabbix/Prometheus |
| nudgebee/nudgebee | 519 | Go | 面向 cloud/SRE/DevOps/FinOps 的 agentic ops 平台 |
| mezmo/aura | 405 | Rust | 生产验证过的 SRE agent 平台 |
| scitix/siclaw | 238 | TypeScript | 只读基础设施诊断 AI SRE 平台 |
| agamm/awesome-ai-sre | 128 | - | 100+ AI SRE 工具清单，适合作为继续检索的索引源 |
#Kubernetes 与云操作 AI
| 项目 | 星数 | 语言 | 定位与适用场景 |
|---|
| k8sgpt-ai/k8sgpt | 8286 | Go | K8s 集群扫描诊断，支持主流云厂商后端 |
| GoogleCloudPlatform/kubectl-ai | 7596 | Go | AI 驱动的 kubectl 助手，自然语言转集群操作 |
| kagent-dev/kagent | 4124 | Go | 云原生 Agentic AI，编排多 Agent 完成云操作任务 |
| togettoyou/zke | 107 | Go | AI 原生 K8s 云操作环境：桌面式多集群控制台加受控 AIOps Agent，基于 Server 与 Agent 及 QUIC/mTLS，明确面向私有云、混合云及边缘环境 |
| edumgt/k8s-jupyter-lab | 2 | Shell | 气隙与离线环境 AI Agent 平台：VMware OVA 加本地 LLM（Ollama/vLLM/TGI）加 JupyterHub 加 K8s 自动化 |
#MCP Server：Agent 接入运维能力的标准插座
| 项目 | 星数 | 领域 | 说明 |
|---|
| agentgateway/agentgateway | 5781 | 网关 | Rust，面向 AI Agent 与 MCP 的下一代代理 |
| stacklok/toolhive | 2314 | 平台 | 企业级 MCP Server 运行管理平台 |
| containers/kubernetes-mcp-server | 2202 | K8s | K8s 与 OpenShift 官方系 MCP Server |
| Flux159/mcp-server-kubernetes | 1611 | K8s | 社区高使用量 K8s MCP |
| hashicorp/terraform-mcp-server | 1554 | IaC | Terraform 官方生态 MCP |
| rohitg00/kubectl-mcp-server | 965 | K8s | 已入 CNCF Landscape |
| microsoft/mcp-gateway | 899 | 网关 | MCP 反向代理与管理网关 |
| platform-engineering-labs/formae | 776 | IaC | 从既有运行环境出发的 IaC，发现存量并版本化 drift |
| netboxlabs/netbox-mcp-server | 251 | 网络/CMDB | 只读访问 NetBox 数据，网络设备与 IPAM 的事实源 |
| initMAX/zabbix-mcp-server | 245 | 监控 | 封装 237 个 Zabbix API 工具 |
| VictoriaMetrics/mcp-victoriametrics | 241 | 监控 | VictoriaMetrics 指标查询 |
| dynatrace-oss/dynatrace-mcp | 137 | APM | Dynatrace SaaS |
| SigNoz/signoz-mcp-server | 130 | 可观测 | SigNoz 开源可观测平台 |
| last9/last9-mcp-server | 63 | 可观测 | Last9 可观测 |
| pamosima/network-mcp-docker-suite | 57 | 网络 | Docker 化 MCP 套件：Cisco Meraki、Catalyst Center、IOS XE、ISE、ThousandEyes |
| mhajder/librenms-mcp | 42 | 网络监控 | 覆盖设备、端口、清单、位置、告警规则 |
| dynatrace-oss/dynatrace-managed-mcp | 33 | APM | 面向自托管 Dynatrace Managed，私有化场景 |
| netboxlabs/netbox-agent-compliance | 22 | 网络合规 | NetBox AI 合规 Agent |
| lycorp-jp/awx-mcp | 9 | 自动化 | 连接 AI 助手与 AWX REST API v2 |
| msradam/rocannon | 5 | 自动化 | 由 ansible-doc 反射生成 LLM 可调用的 MCP 工具 |
#网络运维 / NetOps（开源最薄弱的一块）
| 项目 | 星数 | 语言 | 说明 |
|---|
| aimusubi/aimusubi | 8 | Shell | Local-first agentic NetOps 框架：用统一 intent 把 LLM 连到真实网络设备 |
| pamosima/network-mcp-docker-suite | 57 | Python | 面向 Cisco 生态的 MCP 套件 |
| mhajder/librenms-mcp | 42 | - | LibreNMS 监控 MCP，偏网络设备监控与告警 |
| netboxlabs/netbox-mcp-server | 251 | Python | 网络 CMDB（设备、端口、IPAM）事实源接入 |
检索 network device llm configuration automation 在 GitHub 返回空集，网络设备层的开源 AI 运维整体稀少，目前主要靠监控 MCP 加厂商闭源产品两条路。
#服务器 / 主机运维
| 项目 | 星数 | 语言 | 说明 |
|---|
| suoten/ServerGuard | 16 | Go | 自动自愈的运维与安全 Agent，覆盖磁盘、内存、证书、防暴力破解、挖矿查杀，16MB 单二进制零依赖 |
| SupOps/SupOps | 4 | TypeScript | 自托管 AIOps agent，面向 Linux 服务器事件调查 |
| vrlda/picket | 1 | Rust | 自托管监控加自动修复，Agent 盯 Linux 主机，告警推 Telegram |
| AsaTyr2018/AccessGateOps | 0 | Go | 面向 AI Agent 与自动化系统的策略化 SSH 访问代理 |
| qmmughal/AgentWire | 4 | C# | OpenTelemetry 加 Wireshark 加 Cloudflare 组合，面向 AI Agent 的监控与审计 |
主机巡检的典型自建方案是：cron 定时，Agent 通过 SSH 跑巡检脚本，对比历史基线做异常判断，再通过钉钉/微信主动告警；成本近零且完全自托管。
#IaC 与自动化
| 项目 | 星数 | 语言 | 说明 |
|---|
| hashicorp/terraform-mcp-server | 1554 | Go | Terraform 生态 MCP |
| platform-engineering-labs/formae | 776 | Go | 从存量环境反向生成 IaC，持续收敛配置漂移 |
| jade-pico/antrieb-mcp-server | 14 | - | 为 LLM 提供真实虚拟机的 provision/execute/validate |
| lycorp-jp/awx-mcp | 9 | - | AI 与 AWX（Ansible）执行对接 |
| msradam/ocarina | 8 | Go | MCP server 自动化框架 |
#三、商业产品与厂商动态
| 厂商与产品 | 能力亮点 | 场景 |
|---|
| NVIDIA Minerva | AI 原生 AIOps 平台，打通基础设施与 AI 工作负载遥测，每小时分析数十亿数据点；实测 NVMe 电源故障 MTTR 从数天缩短至 6 小时，81 条嘈杂告警压缩为 1 条可执行事项，节省 54 小时集群正常运行时间 | AI 数据中心、公有云与私有云 GPU 集群 |
| Datadog Bits AI | DASH 2026 发布 Bits AI SRE、Bits Infrastructure Operations、Bits Agent Builder，针对 CrashLoopBackOff、OOMKilled 类高频故障做自主修复 | 公有云与 K8s 可观测 |
| SUSE Rancher Prime | KubeCon EU 2026 升级为首个 Agentic AI 生态平台，AI 助手 Liz 扩为五人 SRE 智能体小队 | 私有云与混合云容器平台 |
| Dynatrace | Davis AI 因果分析，并提供含自托管 Managed 版本的 MCP Server | APM 与混合云 |
| Cisco | 2026 上海 Cisco Connect 持续扩展基础设施、安全与 AgenticOps；发布 Silicon One G300，102.4 Tbps 交换芯片，网络利用率提升 33%、任务完成时间降低 28% | 数据中心网络 |
| ManageEngine OpManager | 自动发现、SNMP 监控、动态阈值、容量预测加 Agentic AI 建议；强调先建可观测性底座再上 AI | 企业网络监控与 NetOps |
| NetBrain / Juniper Mist | 网络自动化与 AI 运维 | 网络运维 |
| 厂商与产品 | 能力亮点 | 场景 |
|---|
| 华为 iMaster NCE | 网络自动化大脑，L3 自动驾驶网络、Telemetry 毫秒级采集；NetMaster 网络智能体已在交行等落地；星河 AI 金融网络 AI Fabric 2.0 加 AI 鹰眼引擎 | 网络运维与数据中心网络 |
| 华为 CampusInsight | 园区智能运维，结合大模型做故障预测 | 园区网络 |
| 阿里云 | 2026 云峰会宣布对云产品做 Skill 化、MCP 化、CLI 化改造，使每个云产品成为 Agent 可像调函数一样调用的能力模块 | 公有云 |
| 华为云 Volcano / AgentCube | 发布面向 Agent 编排的 AgentCube 子项目 | 公有云与容器调度 |
| 嘉为蓝鲸 | 基于腾讯蓝鲸 PaaS 的一体化运维平台，九大能力（CMDB 鲸石、可观测鲸眼、ITSM 鲸脉、自动化运维鲸舟、多云运营鲸翼等），落地 DataOps/MLOps/LLMOps 三层智能体系；单客户最大纳管节点超 30 万 | 私有云与政企一体化运维 |
| 新华三 / 锐捷 | 发布 AI 网络运维助手与 Agentic NetOps 解读 | 企业网络 |
| ZStack Cloud / H3C CloudOS / 华为 FusionSphere 与 ManageOne / VMware VCF | 私有云底座，均在强化 AI 负载承载与运维自动化 | 私有云建设 |
| OpsAny | 智能运维平台加混合云管理，公有云私有云统一管理、跨云编排、容量与成本管理 | 混合云与多云运维 |
一个趋势判断：厂商原生 AI 运维是目前最现实、最被推荐的入口，因为网络的拓扑、配置、遥测数据只有厂商侧最完整；第三方开源方案更适合 K8s、监控、主机这些标准接口公开的层。
#四、按场景选型
| 场景 | 推荐路径 | 代表方案 |
|---|
| 公有云 | 优先用云厂商原生 AI 助手，产品已 MCP/Skill 化 | 阿里云、华为云 AgentCube、各云厂商 Copilot 系 |
| 私有云 | 自托管可观测底座加开源 Agent 加 MCP 接入 | 夜莺、Keep、Kubernetes MCP Server、zke、k8s-jupyter-lab、嘉为蓝鲸、ZStack 与 H3C CloudOS |
| 服务器 | 轻量自托管 Agent，走 SSH 加脚本加基线比对的低门槛路线 | ServerGuard、SupOps、picket、Netdata、AWX MCP |
| 网络运维 | 厂商产品为主，开源作为巡检与 CMDB 补充 | 华为 iMaster NCE 与 CampusInsight、Cisco AgenticOps、ManageEngine OpManager、NetBrain、Juniper Mist；开源侧 aimusubi、Network MCP Suite、NetBox MCP、LibreNMS MCP |
#选型的四个关键判据
- 数据在哪：监控、拓扑、配置的事实源在谁手里，AI 就最可能先在谁那里做对。
- 是否要求数据不出域：要求自托管就选夜莺、Keep、Netdata、SupOps 一类可离线部署的方案；不要求则云厂商原生更省事。
- MCP 生态覆盖度：Agent 平台能不能挂到已有的 Zabbix、Prometheus、NetBox、Terraform，几乎是可用性的分水岭。
- 写权限的边界：当前主流设计是默认可读、写操作需人工点头，上生产务必保留审批回路。
#五、检索缺口
- 服务器运维开源项目整体偏少，且多数星数很低（个位数到十几），说明该方向仍以厂商工具和脚本自建为主，开源生态尚未成熟。
- 网络设备层开源 AI 运维稀缺：GitHub 上相关查询多次返回空集，目前只有监控 MCP、NetBox 与 CMDB MCP 以及 aimusubi 等零星项目。
- 私有云自托管方案零散：以 zke、k8s-jupyter-lab、Dynatrace Managed MCP 等为代表，尚未形成统一生态。
- 文中 GitHub 星数为 2026-10-30 检索时点快照；市场数据来自 Gartner、CNCF 与招聘平台白皮书等公开口径，不同来源统计范围可能不一致，已在文内分别标注。
#六、结语
这份清单解决的是「有哪些可用」的问题，不解决「选哪个」的问题。真实的选型仍然取决于三件事：数据在谁手里、是否要求数据不出域、以及执行动作的权限边界。建议对候选方案先在自身环境做一轮小范围 POC，用可观测性底座和统一口径把效果量出来，再决定是否扩大。