ماذا يفعل خادم “Grafana” MCP؟

يعد خادم Grafana MCP (بروتوكول سياق النموذج) طبقة تكامل تربط المساعدين بالذكاء الاصطناعي مع Grafana، مما يمكّن من الوصول المحسن إلى لوحات المعلومات ومصادر البيانات وأدوات المراقبة ضمن نظام Grafana البيئي. من خلال كشف قدرات Grafana عبر MCP، يتيح الخادم للعملاء المدعومين بالذكاء الاصطناعي تنفيذ مهام مثل البحث عن لوحات المعلومات، واسترجاع معلومات لوحة مفصلة، وإدارة اللوحات، والوصول إلى مصادر البيانات واستعلامها، وتنفيذ استعلامات Prometheus برمجياً. هذا يبسط سير عمل التطوير والعمليات من خلال السماح للمساعدين بالذكاء الاصطناعي بالتفاعل مباشرة مع بيانات المراقبة، وأتمتة إدارة لوحات المعلومات، وتسهيل المراقبة الفورية واستكشاف الأخطاء، كل ذلك في سياق بيئات التطوير المدفوعة بالذكاء الاصطناعي.

قائمة القوالب

لم يتم ذكر قوالب أوامر صريحة في الملفات أو التوثيق المزود.

قائمة الموارد

• لوحات المعلومات: الوصول إلى لوحات معلومات Grafana والبحث عنها بواسطة العنوان أو البيانات الوصفية، واسترجاع تفاصيل اللوحة الكاملة باستخدام معرفات فريدة، وإدارة محتوى اللوحة.
• مصادر البيانات: عرض جميع مصادر البيانات المعرفة وجلب معلومات تفصيلية عن كل منها، مع دعم خاص لـ Prometheus وLoki.
• معلومات مصدر بيانات Prometheus: استرجاع والتفاعل مع معلومات مصدر بيانات Prometheus، بما في ذلك قدرات الاستعلام.
• استعلامات اللوحات: استخراج نصوص الاستعلام ومعلومات مصدر البيانات من كل لوحة داخل لوحة المعلومات للتحليلات المتقدمة أو استكشاف الأخطاء.

قائمة الأدوات

• البحث عن لوحات المعلومات: البحث في لوحات معلومات Grafana بواسطة العنوان أو البيانات الوصفية.
• جلب لوحة معلومات بواسطة UID: استرجاع معلومات مفصلة للوحة معينة باستخدام معرفها الفريد.
• تحديث أو إنشاء لوحة معلومات: تعديل أو إنشاء لوحات معلومات جديدة (مع الحذر فيما يخص قيود نافذة السياق).
• جلب استعلامات اللوحات ومعلومات مصدر البيانات: جلب نصوص الاستعلام وتفاصيل مصدر البيانات للوح اللوحات.
• عرض وجلب معلومات مصادر البيانات: عرض جميع مصادر البيانات المعرفة وجلب المعلومات (Prometheus, Loki).
• استعلام Prometheus: تنفيذ استعلامات PromQL (فورية ونطاقية) على مصادر بيانات Prometheus.

حالات استخدام هذا الخادم MCP

• إدارة لوحات المعلومات: أتمتة البحث، الاسترجاع، الإنشاء والتحديث للوحات معلومات Grafana، مما يبسط سير عمل المراقبة للمطورين وSREs.
• استكشاف مصادر البيانات: عرض، جلب وتحليل مصادر البيانات المتاحة برمجياً، ما يساعد في تدقيق البنية التحتية أو التأهيل.
• استخراج استعلامات اللوحات: استخراج الاستعلامات ومعلومات مصدر البيانات من لوحات اللوحات للمساعدة في التصحيح أو التحسين أو التوثيق.
• تنفيذ استعلامات Prometheus تلقائياً: تمكين المساعدين بالذكاء الاصطناعي من تنفيذ استعلامات Prometheus، ودعم استعلامات المقاييس الفورية أو النطاقية للمراقبة والتنبيه.
• أتمتة DevOps: دمج قدرات مراقبة Grafana في خطوط CI/CD أو استكشاف الأخطاء المدعوم بالذكاء الاصطناعي، مما يقلل العمليات اليدوية على اللوحات.

كيفية الإعداد

Windsurf

1. تأكد من تثبيت المتطلبات المسبقة مثل Node.js وDocker.
2. حدد موقع ملف إعدادات Windsurf (عادةً windsurf.config.json).
3. أضف خادم Grafana MCP باستخدام مقطع JSON التالي:

   {
     "mcpServers": {
       "grafana-mcp": {
         "command": "npx",
         "args": ["@grafana/mcp-grafana@latest"]
       }
     }
   }
   

4. احفظ الإعدادات وأعد تشغيل Windsurf.
5. تحقق من الإعداد عبر التأكد من ظهور خادم MCP في قائمة خوادم MCP.

مثال تأمين مفاتيح API

{
  "mcpServers": {
    "grafana-mcp": {
      "command": "npx",
      "args": ["@grafana/mcp-grafana@latest"],
      "env": {
        "GRAFANA_API_KEY": "${GRAFANA_API_KEY}"
      },
      "inputs": {
        "grafana_url": "https://your-grafana-instance"
      }
    }
  }
}

Claude

1. قم بتثبيت المتطلبات المسبقة إذا لزم الأمر (Node.js، Docker).
2. افتح ملف إعدادات Claude.
3. أدخل إعدادات خادم MCP:

   {
     "mcpServers": {
       "grafana-mcp": {
         "command": "npx",
         "args": ["@grafana/mcp-grafana@latest"]
       }
     }
   }
   

4. احفظ وأعد تشغيل Claude.
5. أكد تسجيل الخادم في عرض حالة خوادم MCP في Claude.

Cursor

1. جهز بيئتك (Node.js/Docker).
2. حرر ملف cursor.config.json.
3. أضف مقطع JSON الخاص بخادم MCP التالي:

   {
     "mcpServers": {
       "grafana-mcp": {
         "command": "npx",
         "args": ["@grafana/mcp-grafana@latest"]
       }
     }
   }
   

4. احفظ الملف وأعد تشغيل Cursor.
5. تأكد من تشغيل خادم MCP وإمكانية الوصول إليه.

Cline

1. تأكد من تثبيت جميع المتطلبات اللازمة.
2. افتح ملف إعدادات Cline.
3. أدخل إعدادات خادم Grafana MCP:

   {
     "mcpServers": {
       "grafana-mcp": {
         "command": "npx",
         "args": ["@grafana/mcp-grafana@latest"]
       }
     }
   }
   

4. احفظ التغييرات وأعد تشغيل Cline.
5. تحقق من حالة الخادم في واجهة Cline.

مثال تأمين مفاتيح API

{
  "mcpServers": {
    "grafana-mcp": {
      "command": "npx",
      "args": ["@grafana/mcp-grafana@latest"],
      "env": {
        "GRAFANA_API_KEY": "${GRAFANA_API_KEY}"
      },
      "inputs": {
        "grafana_url": "https://your-grafana-instance"
      }
    }
  }
}

كيفية استخدام هذا الخادم MCP داخل التدفقات

استخدام MCP في FlowHunt

لدمج خوادم MCP في سير عمل FlowHunt الخاص بك، ابدأ بإضافة مكون MCP إلى التدفق وربطه بوكيل الذكاء الاصطناعي الخاص بك:

انقر على مكون MCP لفتح لوحة الإعدادات. في قسم إعدادات نظام MCP، أدخل تفاصيل خادم MCP الخاص بك باستخدام هذا التنسيق من JSON:

{
  "grafana-mcp": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

عند الإعداد، يصبح وكيل الذكاء الاصطناعي قادراً الآن على استخدام هذا الخادم MCP كأداة مع إمكانية الوصول إلى جميع وظائفه وقدراته. تذكر تغيير “grafana-mcp” إلى اسم خادم MCP الفعلي الخاص بك واستبدال الرابط بعنوان خادمك الفعلي.

نظرة عامة

استناداً إلى ما سبق، فإن خادم Grafana MCP موثّق جيداً للإعداد ويغطي الأساسيات (الموارد، الأدوات، أمان مفاتيح API)، لكنه يفتقر لقوالب أوامر صريحة ومعلومات عن دعم أخذ العينات. إنه مشروع قوي وعملي لمستخدمي ومطوري Grafana.

تقييم MCP