oeDeploy 专题3：基于 MCP 的软件部署效率提升
在此前的专题中，我们介绍了 oeDeploy 的两个应用案例（专题 1 ，专题 2 ），oeDeploy 可以帮助开发者快速完成软件部署与开发环境搭建。
随着大模型的快速发展与近期 MCP 协议的火热，我们的开发模式正在快速转向自动化、智能化。
本期专题，我们将演示如何用 oeDeploy + MCP，进一步提升开发者的安装部署效率。
配置 oeDeploy MCP Server
MCP，全称模型上下文协议（Model Context Protocol，MCP），用于实现 LLM 与外部数据源和工具链的连接。
就好比是 LLM 这个聪明的大脑，拥有了 MCP 这双灵活的手，能处理更多复杂的工作。而 oeDeploy 就是这双手所拿的工具套件，从而让 LLM 帮助用户更高效地解决安装部署问题。
在当前示例中，我们使用 VS Code 上的开源工具 Roo Code 作为交互窗口，开发环境为 OpenAtom openEuler（简称 openEuler） 24.03 LTS。
步骤 1：配置大模型 API
从 DeepSeek 官网或者其他大模型服务提供商获取 API，配置到 Roo Code 的设置页面。配置完成后，可以用简单对话判断 API 是否生效。
步骤 2：oeDeploy MCP 环境准备
从 oeDeploy 代码仓下载 MCP Server 相关文件，并保存到自定义的路径，例如 ~/.oedp/mcp/
mkdir -p ~/.oedp/mcp/
git clone https://gitee.com/openeuler/oeDeploy.git
cp oeDeploy/doc/DevelopGuide.md ~/.oedp/mcp/
cp oeDeploy/oedp-mcp/mcp-oedp.py ~/.oedp/mcp/
cp oeDeploy/oedp-mcp/mcp-make-oedp-plugin.py ~/.oedp/mcp/
安装 python 依赖。当前示例使用 pip 安装到系统的 python 目录，但更推荐用 uv 安装到虚环境。
pip install pydantic mcp --trusted-host mirrors.huaweicloud.com -i https://mirrors.huaweicloud.com/repository/pypi/simple
步骤 3：启动 MCP Server
在 Roo Code 的 MCP 配置页面中，点击【编辑项目配置】，添加如下 JSON 配置。
{
"mcpServers": {
"mcp-oedp": {
"command": "python3",
"args": [
".oedp/mcp/mcp-oedp.py"
],
"disabled": false,
"alwaysAllow": []
},
"mcp-make-oedp-plugin": {
"command": "python3",
"args": [
".oedp/mcp/mcp-make-oedp-plugin.py"
],
"disabled": false,
"alwaysAllow": []
}
}
}
如果配置成功，则可以在 MCP 的列表中看到两个新增的 MCP Server，且状态指示灯为绿色。
其中， mcp-oedp 提供 oeDeploy 基本命令的 MCP 调用能力， mcp-make-oedp-plugin 可以帮助用户自动开发一个自定义的 oeDeploy 插件。
★
请根据实际情况调整 python 源码的路径。如果 MCP Server 状态异常，请根据提示信息检查 python 依赖是否满足。
用自然语言完成 k8s 集群部署
接下来，我们用对话的方式，让 LLM 借助 oeDeploy 插件的能力，快速完成 k8s 集群的部署。
在 Roo Code 对话窗口中，输入如下指令：
用oeDeploy一键部署kubernetes
master节点ip为192.168.0.36，root密码为xxxxxxx，架构为amd64，oe版本为24.03-LTS
第1个worker节点ip为192.168.0.209，root密码为xxxxxxx，架构为amd64，oe版本为24.03-LTS
第2个worker节点ip为192.168.0.166，root密码为xxxxxxx，架构为amd64，oe版本为24.03-LTS
LLM 会选择合适的 MCP Server，自动完成对应 oeDeploy 部署插件的下载、初始化、参数配置、一键部署。
根据用户描述，LLM 会自动修改 k8s 部署的相关配置参数。
随后，LLM 会自动生成 oeDeploy 部署命令行，用户同意后在本地执行，完成一键部署。
整个过程只用了 5 分钟，快速帮助用户在本地部署了一个 k8s 环境，而且用户几乎不需要对 oeDeploy 和 k8s 有很多的了解，使用门槛很低。
只需 3 分钟，将文档转换成一个新的安装部署插件
接下来，我们希望在 k8s 集群上部署一个 Pytorch 开发环境。
我们找到了一篇符合要求的步骤文档，它提供的方案是用 kubectl apply 的方式启动 Pytorch 镜像。
不同于以往的手工操作，我们直接将文档交给 LLM，输入如下指令，让 AI 替我们开发一个 oeDeploy 的部署插件。
在~/.oedp/目录下开发一个oeDeploy插件pytorch。
说明：
1. oeDeploy插件配置文件中仅配置单个节点，IP为127.0.0.1，用户名root，密码xxxxxx@123
2. 当用户执行install操作时，根据文档 @/auto-pytorch.md 执行部署操作
3. 端口号、镜像地址等参数在oeDeploy插件配置文件中可以配置
在 MCP Server 的指示下，LLM 会阅读 oeDeploy 开发文档，并根据用户要求完成开发。整个过程只需 3 分钟，用户可以在不了解 oeDeploy 规则的情况下，开发出自己的部署插件。
最后，我们再次用自然语言，完成 Pytorch 开发环境的快速部署。
结语
在上述示例中，MCP + oeDeploy 的组合进一步提升了软件部署效率，也让我们的开发过程更加高效、智能。
欢迎大家访问 oeDeploy 代码仓，探索更多有趣的用法。
oeDeploy 代码仓：https://gitee.com/openeuler/oeDeploy