Atlas Admin Console

MongoDB Atlas企业级管理控制台，支持批量并发API调用、结果导出、多API编排、历史回放及监控告警自动化。

Install

openclaw skills install @thcjp/atlas-admin-console

Atlas管理台专业版

核心能力

能力分类	免费版	专业版
API调用	单次串行	批量并发（多线程）
结果导出	无	CSV/JSON/Excel导出
历史记录	无	调用历史+回放
工作流编排	无	多API串联+条件分支
监控告警	手动查询	自动响应+自愈
Terraform	无	官方Provider集成
多项目管理	单项目	跨组织/项目统一视图
审计日志	无	完整操作审计
优先支持	社区	工单优先响应

能力分类

执行能力分类操作,处理用户输入并返回结果。

输入: 用户提供能力分类所需的参数和指令。

输出: 返回能力分类的处理结果。

执行能力分类操作，处理输入数据并返回结果
验证执行结果，确认输出符合预期格式
参考能力分类相关配置参数进行设置

API调用

执行API调用操作,处理用户输入并返回结果。

输入: 用户提供API调用所需的参数和指令。

输出: 返回API调用的处理结果。

执行API调用操作，处理输入数据并返回结果
验证执行结果，确认输出符合预期格式
参考API调用相关配置参数进行设置

结果导出

执行结果导出操作,处理用户输入并返回结果。

输入: 用户提供结果导出所需的参数和指令。

输出: 返回结果导出的处理结果。

执行结果导出操作，处理输入数据并返回结果
验证执行结果，确认输出符合预期格式
参考结果导出相关配置参数进行设置

能力覆盖范围

本skill还覆盖以下能力场景: MongoDB、Atlas、全功能管理控制台、含批量、历史回放、编排与监控告警自、运维团队的企业级、在免费版基础上新、增批量、调用与并发执行、调用结果导出、调用历史记录与回、监控告警自动化、多项目统一管理等、高级能力、配套面向、DBA、SRE、平台工程的多角色、场景指南。这些能力在上述核心功能中均有对应处理逻辑。

适用场景

场景一：批量集群巡检（DBA视角）

每日对全部集群执行健康检查，输出CSV报告。

bash

# 批量查询所有集群状态并导出CSV
atlas-pro batch \
  --operation listClusters \
  --groups "group1,group2,group3" \
  --output cluster-health-$(date +%Y%m%d).csv \
  --format csv \
  --parallel 5

# 批量检查备份状态
atlas-pro batch \
  --operation listSnapshots \
  --groups "group1,group2,group3" \
  --output backup-status.csv \
  --filter "createdAt > now-24h"

场景二：监控告警自动响应（SRE视角）

CPU使用率超80%自动扩容节点规格。

yaml

# alert-rules.yml
rules:
  - name: auto-scale-on-high-cpu
    condition:
      metric: cpu_usage
      threshold: 80
      duration: 5m
    action:
      workflow: scale-up-cluster
      params:
        new_size: M30
    cooldown: 30m  # 防止频繁触发

场景三：Terraform基础设施管理（平台工程视角）

通过Terraform管理Atlas集群，所有变更走代码评审流程。

hcl

# main.tf
terraform {
  required_providers {
    mongodbatlas = {
      source = "mongodb/mongodbatlas"
      version = "~> 1.0"
    }
  }
}

provider "mongodbatlas" {
  public_key  = var.atlas_public_key
  private_key = var.atlas_private_key
}

resource "mongodbatlas_cluster" "main" {
  project_id   = var.project_id
  name         = "production-cluster"
  cluster_type = "REPLICASET"
  
  replication_factor = 3
  provider_name      = "AWS"
  region_name        = "us-east-1"
  provider_instance_size_name = "M30"
  
  backup_enabled = true
  auto_scaling_disk_gb_enabled = true
}

场景四：多API编排工作流（自动化视角）

将多个API调用串联为工作流，支持条件分支与循环。

yaml

# workflow: provision-new-cluster.yml
steps:
  - name: create-cluster
    operation: createCluster
    params:
      name: "（根据实际场景填充）"
      providerSettings:
        providerName: "AWS"
        instanceSizeName: "M10"
  
  - name: wait-for-ready
    operation: getCluster
    until: "status == 'IDLE'"
    timeout: 600s
    interval: 30s
  
  - name: create-db-user
    operation: createDatabaseUser
    depends_on: wait-for-ready
    params:
      username: "（根据实际场景填充）"
      password: "（根据实际场景填充）"
      roles: [{roleName: "readWrite", databaseName: "admin"}]
  
  - name: add-ip-to-whitelist
    operation: createProjectIpAddress
    params:
      cidrBlock: "（根据实际场景填充）/32"

使用流程

优秀步：配置多项目凭证

bash

# 配置多个项目的API Key
cat > ~/.atlas-pro/credentials.yml <<EOF
profiles:
  production:
    client_id: "\${ATLAS_PROD_CLIENT_ID}"
    client_secret: "\${ATLAS_PROD_CLIENT_SECRET}"
    groups: ["prod-group-1", "prod-group-2"]
  staging:
    client_id: "\${ATLAS_STAGING_CLIENT_ID}"
    client_secret: "\${ATLAS_STAGING_CLIENT_SECRET}"
    groups: ["staging-group-1"]
EOF

第二步：执行首次批量巡检

bash

atlas-pro batch \
  --operation listClusters \
  --profile all \
  --output daily-report.csv \
  --format csv

第三步：启用监控告警自动化

bash

atlas-pro alert start --config alert-rules.yml

完整上手时间约180秒（含多项目配置）。

命令参数说明

-and-restore-test: 命令参数,用于指定操作选项
-test-: 命令参数,用于指定操作选项
-east-1: 命令参数,用于指定操作选项
-scale-on-high-cpu: 命令参数,用于指定操作选项
-group-1: 命令参数,用于指定操作选项

命令参数说明

-connection-pool: 命令参数,用于指定操作选项
--groups: 命令参数,用于指定操作选项
-new-cluster: 命令参数,用于指定操作选项
-report: 命令参数,用于指定操作选项
-group-2: 命令参数,用于指定操作选项

命令参数说明

-cpu-auto-scale: 命令参数,用于指定操作选项
-ip-to-whitelist: 命令参数,用于指定操作选项
--operation: 命令参数,用于指定操作选项
-status: 命令参数,用于指定操作选项
--output: 命令参数,用于指定操作选项

命令参数说明

-space-low: 命令参数,用于指定操作选项
-for-ready: 命令参数,用于指定操作选项
--format: 命令参数,用于指定操作选项
-pool-exhausted: 命令参数,用于指定操作选项
-up-cluster: 命令参数,用于指定操作选项

命令参数说明

--filter: 命令参数,用于指定操作选项
-health-: 命令参数,用于指定操作选项
-db-user: 命令参数,用于指定操作选项
-rules: 命令参数,用于指定操作选项
-target: 命令参数,用于指定操作选项

命令参数说明

--config: 命令参数,用于指定操作选项

输入格式

参数名	类型	必填	说明
content	string	是	相关说明
content	string	否	相关说明, 默认: 全部维度
strict_level	string	否	审查严格度, 可选: strict/normal/loose, 默认: normal

输出格式

json

{
  "success": true,
  "data": {
    "overall_grade": "A",
    "total_score": 92,
    "max_score": 100,
    "summary": "处理完成",
    "details": [
      {
        "item": "代码风格",
        "status": "pass",
        "score": 95,
        "comment": "符合规范"
      },
      {
        "item": "安全合规",
        "status": "warn",
        "score": 80,
        "comment": "符合规范"
      }
    ],
    "improvements": [
      {
        "priority": "high",
        "suggestion": "建议优化",
        "expected_gain": "+5分"
      },
      {
        "priority": "medium",
        "suggestion": "建议优化",
        "expected_gain": "+3分"
      }
    ]
  },
  "error": null
}

异常处理

错误场景	原因	处理方式
配置错误	参数缺失或格式错误	检查依赖说明中的配置要求
运行时错误	运行环境不满足	确认运行环境符合依赖说明
网络错误	连接超时或不可达	执行ping命令测试网络连通性,检查防火墙和代理设置连接后执行ping命令测试网络连通性,检查防火墙和代理设置连接后重新执行命令，参考国内替代方案

依赖说明

运行环境

Agent平台: 支持SKILL.md的任意AI Agent（Claude Code / Cursor / Codex / Gemini CLI等）
操作系统: Windows / macOS / Linux
Node.js: 18+
Terraform: 1.0+（基础设施即代码管理需要）

依赖说明

依赖项	类型	是否必需	获取方式
Node.js	运行时	必需	nodejs.org 官方下载
atlas-pro.mjs	脚本	必需	随本Skill分发
Terraform	IaC工具	可选	terraform.io 官方下载
mongodbatlas Terraform Provider	插件	可选	Terraform Registry自动获取
AWS CLI	命令行	可选	aws.amazon.com（S3 state存储）
Prometheus	监控	可选	prometheus.io 官方下载

API Key 配置

ATLAS_PROD_CLIENT_ID/SECRET: 生产环境Atlas API凭证，通过环境变量注入
ATLAS_STAGING_CLIENT_ID/SECRET: 测试环境Atlas API凭证，通过环境变量注入
ATLAS_PUBLIC_KEY/PRIVATE_KEY: Terraform Provider使用的凭证，通过环境变量注入
ALERT_WEBHOOK_URL: 告警Webhook地址，通过环境变量配置
DINGTALK_TOKEN: 钉钉告警机器人Token，通过环境变量配置
AWS_ACCESS_KEY_ID/SECRET_ACCESS_KEY: S3 state存储凭证，通过环境变量配置
所有凭证禁止硬编码在脚本或配置文件中，必须通过环境变量注入

可用性分类

分类: MD+EXEC（）
说明: 基于Markdown的AI Skill，

案例展示

批量调用配置

yaml

# ~/.atlas-pro/batch.yml
batch:
  parallel: 5                    # 并发数
  retry: 3                       # 失败重试次数
  retry_interval: 5s             # 重试间隔
  rate_limit: 100                # 每分钟最大调用数
  timeout: 30s                   # 单次调用超时
  output:
    format: csv                  # csv/json/xlsx
    include_metadata: true       # 包含调用元数据
    split_by_group: false        # 是否按项目分文件

工作流编排

yaml

# workflows/backup-and-restore-test.yml
name: backup-restore-test
description: 创建备份并验证可恢复性
steps:
  - id: create_snapshot
    operation: createSnapshot
    params:
      clusterName: "（根据实际场景填充）"
      description: "automated-test-（根据实际场景填充）"
  
  - id: wait_snapshot_complete
    operation: getSnapshot
    depends_on: create_snapshot
    until: "status == 'completed'"
    timeout: 1800s
  
  - id: restore_to_test_cluster
    operation: createRestoreJob
    depends_on: wait_snapshot_complete
    params:
      snapshotId: "按流程执行"
      targetClusterName: "test-cluster"
  
  - id: verify_restore
    operation: getCluster
    depends_on: restore_to_test_cluster
    until: "status == 'IDLE'"
    on_failure:
      alert: true
      message: "备份恢复测试失败"

Terraform状态管理

bash

# 初始化Terraform
terraform init

# 查看变更计划
terraform plan -out=tfplan

# 应用变更
terraform apply tfplan

# 销毁资源（谨慎）
terraform destroy -target=mongodbatlas_cluster.main

监控告警自动化

yaml

# alert-rules.yml
rules:
  - name: high-cpu-auto-scale
    condition:
      metric: system.cpu.usage
      threshold: 80
      operator: ">"
      duration: 5m
    action:
      workflow: scale-up-cluster
    cooldown: 30m
    notify:
      - type: webhook
        url: "${ALERT_WEBHOOK_URL}"
      - type: dingtalk
        token: "${DINGTALK_TOKEN}"
  
  - name: disk-space-low
    condition:
      metric: disk.used_percent
      threshold: 90
      operator: ">"
      duration: 1m
    action:
      operation: modifyCluster
      params:
        diskSizeGB: "current * 1.5"
    cooldown: 1h
  
  - name: connection-pool-exhausted
    condition:
      metric: connections.current
      threshold: "max * 0.9"
      operator: ">"
      duration: 2m
    action:
      workflow: add-connection-pool
    cooldown: 15m

常见问题

Q1：批量调用部分失败如何处理？

A：专业版默认重试3次，仍失败的记录在错误报告中。可通过--resume参数从断点继续，避免重复执行已成功的部分。

Q2：工作流执行中断如何恢复？

A：专业版持久化工作流执行状态，使用atlas-pro workflow resume <execution-id>从断点恢复。若步骤已副作用（如集群已创建），恢复时会跳过该步骤。

Q3：Terraform state冲突怎么办？

A：(1) 使用远程state存储（S3/OSS）配合state锁（DynamoDB）；(2) 团队协作时先terraform state pull再操作；(3) 冲突时通过terraform state push强制覆盖（谨慎使用）。

Q4：告警自愈动作误触发怎么办？

A：(1) 设置合理的cooldown冷却期；(2) 增加duration持续时间要求，避免瞬时波动触发；(3) 关键动作（如销毁集群）配置require_approval: true人工确认；(4) 监控告警动作日志，发现异常立即停用规则。

Q5：如何跨组织批量管理？

A：在credentials.yml中配置多个profile，使用--profile all遍历所有配置的组织与项目。专业版支持跨组织统一视图，便于集团级管理。

错误恢复步骤

错误场景	原因	处理方式
LLM响应超时或无响应	网络延迟或模型负载过高	执行ping命令测试网络连通性,检查防火墙和代理设置连接，执行ping命令测试网络连通性,检查防火墙和代理设置连接后重新执行命令请求；确认Agent平台LLM服务正常
输入内容格式不正确	用户输入不符合skill预期格式	检查输入是否符合skill使用说明中的格式要求，参考示例章节
执行结果与预期不符	指令描述不够明确或上下文不足	提供更详细的指令描述，补充必要的上下文信息
命令执行失败	运行环境不满足要求或权限不足	确认运行环境符合依赖说明中的要求；检查命令权限设置

已知限制

A：(1) 降低parallel并发数；(2) 降低rate_limit每分钟调用数；(3) 启用指数退避重试；(4) 大批量操作分批执行，间隔5-10分钟。

Q7：Terraform变更如何回滚？

A：(1) 使用terraform apply前先plan并保存计划；(2) 变更出问题时terraform apply之前的state文件回滚；(3) 关键资源变更前备份state：terraform state pull > backup.tfstate。

Q8：如何与现有CMDB集成？

A：(1) 批量导出集群信息为JSON，定时同步到CMDB；(2) 通过Webhook接收Atlas事件变更，实时更新CMDB；(3) 专业版提供REST API供CMDB主动查询。

错误处理

错误场景	原因	处理方式
LLM响应超时或无响应	网络延迟或模型负载过高	检查网络连接，重试请求；确认Agent平台LLM服务正常
输入内容格式不正确	用户输入不符合skill预期格式	检查输入是否符合skill使用说明中的格式要求，参考示例章节
执行结果与预期不符	指令描述不够明确或上下文不足	提供更详细的指令描述，补充必要的上下文信息
命令执行失败	运行环境不满足要求或权限不足	确认运行环境符合依赖说明中的要求；检查命令权限设置

已知限制

需要LLM支持
需要LLM支持
需要LLM支持
需要LLM支持