Ajenti平台自定义服务管理插件开发指南
2025-05-29 13:18:59作者:贡沫苏Truman
背景与需求场景
在现代IT运维管理中,经常需要为非技术人员提供受限的系统管理能力。Ajenti作为一款轻量级服务器管理面板,其插件化架构非常适合实现这类需求。本文将详细介绍如何基于Ajenti开发一个允许受限用户执行特定系统命令(如服务重启)的安全插件。
核心实现原理
Ajenti采用前后端分离架构:
- 后端:基于Python的组件系统,通过
jadi框架提供依赖注入 - 前端:AngularJS框架配合CoffeeScript
- 通信:RESTful API接口
开发实战步骤
1. 插件基础结构搭建
建议从官方demo-plugins中的demo_4_http示例开始,这是最简洁的HTTP插件模板。需要修改的关键文件包括:
plugin.yml:定义插件元数据views.py:后端业务逻辑resources/目录:前端资源文件
2. 后端服务实现
核心是在views.py中创建HTTP处理器,示例代码展示了如何安全执行systemctl命令:
import subprocess
from jadi import component
from aj.api.http import url, HttpPlugin
from aj.api.endpoint import endpoint, EndpointError
@component(HttpPlugin)
class ServiceHandler(HttpPlugin):
def __init__(self, context):
self.context = context
@url(r'/api/myplugin/restart')
@endpoint(api=True)
def handle_restart(self, http_context):
try:
output = subprocess.check_output(
['systemctl', 'restart', 'someservice'],
stderr=subprocess.STDOUT
)
return {"status": "success", "output": output.decode()}
except subprocess.CalledProcessError as e:
raise EndpointError(f"Restart failed: {e.output.decode()}")
3. 前端界面开发
前端需要实现三个关键部分:
- 控制器:添加处理函数
$scope.restartService = ->
$http.get("/api/myplugin/restart")
.success (data) ->
notify.success "Service restarted"
.error (err) ->
notify.error "Operation failed", err.data
- 视图模板:添加操作按钮
<button ng-click="restartService()" class="btn btn-primary">
<i class="fa fa-refresh"></i> Restart Service
</button>
4. 权限控制配置
在plugin.yml中添加权限定义:
permissions:
- id: myplugin.restart
name: Restart services
default: false
然后在视图代码中添加权限检查:
@endpoint(api=True, auth='myplugin.restart')
安全增强建议
- 命令白名单:在配置文件中定义允许执行的命令列表
- 参数校验:严格校验所有传入参数
- 输出过滤:移除敏感信息后再返回给前端
- 操作审计:记录所有执行的操作日志
部署与测试
- 使用ajenti-dev-multitool构建插件
- 将插件目录放置在Ajenti的插件路径下
- 通过Ajenti的插件管理界面启用插件
- 测试不同权限用户的访问控制
进阶扩展方向
- 动态命令配置:通过配置文件动态加载允许执行的命令
- 批量操作:支持同时管理多个服务
- 状态检查:添加服务状态查询功能
- 计划任务:集成定时执行功能
通过本文介绍的方法,可以快速构建出符合企业安全要求的受限管理插件,既满足基本运维需求,又能有效控制系统权限范围。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
413
3.17 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
685
324
Ascend Extension for PyTorch
Python
227
255
暂无简介
Dart
678
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
660
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
343
146