杭州, China

BlogJuly 28, 2026

让 AI Agent 通过 SSH 管理服务器：一次真实的生产事故排查

MCP / Agent 工具调用实践复盘

王春刚

背景

我给 AI Agent 配置了免密 SSH 能力（~/.ssh/config + 密钥认证），让它可以直接操作我的云服务器。本以为只是跑跑 df -h 的便利工具，结果它完成了一次教科书级的生产事故处置。

事故现场

让 Agent 看一眼 Docker 里的 n8n，它发现了诡异的矛盾：

Text

docker ps        → Up 12 days（看起来正常）
docker exec      → cannot exec in a stopped state（？？）
docker stats     → MEM 0B（进程根本不存在）
公网访问          → 502 Bad Gateway

根因定位

Agent 的排查链路：

docker inspect 取出容器记录的 PID
ps -p <PID> 验证 → 进程不存在，容器实际已死
dmesg | grep -i oom → 找到三天前的 OOM Killer 记录：内核杀掉了容器主进程，但 dockerd 状态未同步

结论：Docker 显示 running 不代表进程活着。PID 验证 + dmesg 是假死诊断的黄金组合。

恢复与加固

docker restart 恢复服务（数据在 volume 中，无损失）
docker update --memory 1g --memory-swap 2g 给容器加内存硬上限
效果：以后即使内存泄漏，cgroup OOM 只会重启容器，不会拖垮整台服务器

关于 Agent 运维的思考

只读操作放开，写操作确认——Agent 的排查效率远超人工翻文档，但破坏性命令必须有确认环节
非交互是前提——密钥免密、sudo -n、BatchMode=yes，Agent 无法输入密码
让 Agent 复述证据链——每个结论都要求给出命令输出佐证，避免"看起来对"的幻觉判断

Share this post:

Recent posts

我如何用 n8n 重构电商业务流程Automation

本地 LLM 部署实验：Mac mini M4 16GB 能跑什么Local LLM Lab