MCP 工具服务容器化前,我先做了镜像预检

简介: 本文分享MCP Agent部署避坑实践:聚焦镜像拉取环节,通过统一使用毫秒镜像源(如`ghcr.1ms.run`/`docker.1ms.run`等)预检多源镜像、修改compose配置、分步验证,有效规避`context deadline exceeded`等启动失败问题,提升环境复现成功率。(239字)

这次试 MCP Agent 工具链,我没有先调 prompt,而是先跑:

docker compose pull

结果 agent-ui 卡住,metricscontext deadline exceeded。这说明问题还没到 Agent 逻辑层,镜像阶段就没过。

拆开 compose 后发现,Agent UI、Redis、PostgreSQL、Prometheus、K8s 基础组件来自不同来源。换到服务器或新节点时,这类问题很容易复现。

我先验证这几条

docker pull docker.1ms.run/redis:7-alpine
docker pull docker.1ms.run/postgres:16-alpine
docker pull ghcr.1ms.run/open-webui/open-webui:main
docker pull quay.1ms.run/prometheus/prometheus:latest
docker pull k8s.1ms.run/pause:3.9

如果准备 GPU 环境,再加:

docker pull nvcr.1ms.run/nvidia/cuda:12.4.1-runtime-ubuntu22.04

这里用到的是毫秒镜像。它不是 Agent 框架,只是把多源镜像拉取这一步统一处理。

compose 也要同步改

services:
  agent-ui:
    image: ghcr.1ms.run/open-webui/open-webui:main
    ports:
      - "3000:8080"

  redis:
    image: docker.1ms.run/redis:7-alpine

  postgres:
    image: docker.1ms.run/postgres:16-alpine
    environment:
      POSTGRES_PASSWORD: example

  prometheus:
    image: quay.1ms.run/prometheus/prometheus:latest
    ports:
      - "9090:9090"

再执行:

docker compose pull
docker compose up -d

先让 pull 过,再看服务日志。否则镜像问题和配置问题会混在一起。

K8s 节点预检

如果后续上 K8s,我会先跑:

crictl pull k8s.1ms.run/pause:3.9
crictl pull k8s.1ms.run/coredns/coredns:v1.10.1
crictl pull ghcr.1ms.run/open-webui/open-webui:main
crictl pull quay.1ms.run/prometheus/prometheus:latest

新节点没有缓存,提前测能减少部署时的 ImagePullBackOff

小结

MCP Agent 的复现顺序,我现在会改成:

  1. 先列镜像清单;
  2. 再验证多源镜像拉取;
  3. 把镜像地址写进 compose;
  4. 再启动服务;
  5. 最后调 Agent 工具权限。

这样不复杂,但能避免一开始就陷进业务日志里。

相关文章
|
机器学习/深度学习 人工智能 API
大模型推理服务全景图
国内大模型推理需求激增,性能提升的主战场将从训练转移到推理。
3420 140
|
3月前
|
存储 数据采集 监控
从 T+1 到分钟级:金城银行基于 Apache Doris 构建高可靠、强一致的实时数据平台
金城银行基于Apache Doris与Flink CDC重构数据链路,将核心数据端到端延迟从T+1大幅压缩至2–3分钟,支撑实时风控、监控告警与智能决策。平台已稳定运行2300+实时表、150+实时链路,故障率下降80%,数据传输成功率高达99.99%,为湖仓一体与智能化管控奠定坚实基础。(239字)
434 5
从 T+1 到分钟级:金城银行基于 Apache Doris 构建高可靠、强一致的实时数据平台
|
3月前
|
SQL 缓存 分布式计算
基于 SelectDB 实现 Hive 数据湖统一分析:洋钱罐全球一体化探索分析平台升级实践
瓴岳科技原数据平台基于 Hive 与 StarRocks、Spark 多引擎协同架构,随着数据规模增长,在性能与易用性上逐渐面临瓶颈。通过引入阿里云 SelectDB,构建湖仓一体化探索分析平台,在无需迁移数据的前提下实现对 Hive 数据湖的透明加速,显著提升查询性能并简化架构,完成从多引擎协同向统一分析平台的升级。
182 4
|
2月前
|
人工智能 弹性计算 运维
阿里云限时优惠:轻量应用服务器2核2G38元1年,2核4G9.9元1个月、199元1年,每天10点15点可抢
阿里云轻量应用服务器推出限时抢购活动,每日10点、15点两场开抢。核心配置为:2核2G/40G ESSD云盘/200M峰值带宽仅38元/年;2核4G/50G ESSD云盘/200M峰值带宽9.9元/月或199元/年,适合个人开发者、初创企业用于建站、开发测试及AI助理快速部署。该产品支持OpenClaw一键搭建AI应用,开箱即用。
|
3月前
|
人工智能 数据可视化 C++
OpenClaw 与 Hermes 全面对比与一键部署指南
2026年AI智能体爆发,OpenClaw(24小时在线秘书,适配钉钉/微信等,快速上手)与Hermes(自进化型助理,擅复杂任务与自主学习)成两大热门开源框架。本文深度对比+阿里云一键部署指南,助你零门槛启用AI Agent!
592 14
|
3月前
|
人工智能 弹性计算 机器人
手把手教你部署 Hermes Agent | 阿里云三种一键快速部署方案详解
Hermes Agent 是开源AI智能体框架,支持自进化、持久记忆、多模型兼容与多端接入。阿里云提供轻量服务器、计算巢、无影云电脑三种一键部署方案,最快两步即可启用,适配个人开发者、职场人士及小型团队需求。
488 2
|
3月前
|
人工智能 机器人 Shell
在公司蒸馏我之前,我先赛博飞升
OpenClaw(龙虾)是一款开源AI数字分身框架,可本地或云端部署,支持多模型接入(Claude、Qwen、Ollama等)及钉钉/飞书/Telegram等10+聊天平台。它不止聊天,还能操作浏览器、读写文件、执行命令,并通过插件实现“蒸馏人物”、自动化办公等高级能力,主打隐私可控、真能干活。
622 11
|
3月前
|
人工智能 运维 自然语言处理
AI 时代下的 SSH 终端演进趋势(2026 观察)
SSH终端正从传统“远程登录工具”跃升为智能运维入口:云原生驱动下,AI赋能自然语言转命令、错误实时诊断、流程自动化;并发批量操作与多协议融合成为标配。终端已进化为集理解、决策与执行于一体的AI原生运维助手。(239字)
440 8