Co dělá “Grafana” MCP Server?

Grafana MCP (Model Context Protocol) Server je integrační vrstva, která propojuje AI asistenty s Grafanou a umožňuje rozšířený přístup k dashboardům, datovým zdrojům a monitorovacím nástrojům v rámci ekosystému Grafany. Zpřístupněním funkcí Grafany přes MCP umožňuje server AI klientům provádět úkony jako vyhledávání dashboardů, získávání detailních informací o dashboardech, správu dashboardů, přístup k datovým zdrojům a jejich dotazování, stejně jako programovatelné spouštění Prometheus dotazů. To zjednodušuje vývojářské a operativní workflowy tím, že umožňuje AI asistentům přímo pracovat s observabilními daty, automatizovat správu dashboardů a podporovat monitoring a troubleshooting v reálném čase – vše v rámci AI-driven vývojových prostředí.

Seznam promptů

V poskytnutých souborech ani dokumentaci nejsou uvedeny žádné konkrétní šablony promptů.

Seznam zdrojů

• Dashboardy: Přístup a vyhledávání dashboardů Grafany podle názvu či metadat, získávání plných detailů dashboardu pomocí unikátních identifikátorů a správa obsahu dashboardů.
• Datové zdroje: Výpis všech nakonfigurovaných datových zdrojů a získání detailních informací o každém z nich, se zvláštním důrazem na podporu Promethea a Loki.
• Informace o Prometheus datovém zdroji: Získání a interakce s informacemi o Prometheus datovém zdroji, včetně možností dotazování.
• Dotazy z panelů: Extrakce dotazů a informací o datovém zdroji z každého panelu dashboardu pro pokročilou analytiku nebo troubleshooting.

Seznam nástrojů

• Vyhledávání dashboardů: Vyhledávání dashboardů Grafany dle názvu nebo metadat.
• Získání dashboardu podle UID: Získání detailních informací pro konkrétní dashboard pomocí unikátního identifikátoru.
• Aktualizace nebo vytvoření dashboardu: Úprava nebo vytváření nových dashboardů (pozor na omezení velikosti kontextového okna).
• Získání dotazů z panelů a informací o datovém zdroji: Získání dotazů a detailů o datovém zdroji z panelů dashboardu.
• Výpis a získání informací o datových zdrojích: Výpis všech nakonfigurovaných datových zdrojů a získání informací (Prometheus, Loki).
• Dotazování Promethea: Spouštění PromQL dotazů (instantních i rozsahových) na Prometheus datových zdrojích.

Příklady použití tohoto MCP serveru

• Správa dashboardů: Automatizace vyhledávání, získávání, vytváření a aktualizace dashboardů Grafany, což usnadňuje observabilní workflowy pro vývojáře a SRE.
• Průzkum datových zdrojů: Programové listování, získávání a analýza dostupných datových zdrojů, což pomáhá při auditech infrastruktury nebo onboardingu.
• Extrakce dotazů z panelů: Extrahování dotazů a údajů o datových zdrojích z panelů dashboardu pro účely debugování, optimalizace či dokumentace.
• Automatizované Prometheus dotazování: Umožnění AI asistentům provádět Prometheus dotazy, včetně instantních a rozsahových dotazů na metriky pro monitoring a alerting.
• DevOps automatizace: Integrace observability Grafany do CI/CD pipeline či AI-driven troubleshooutingu, čímž se snižuje ruční správa dashboardů.

Jak jej nastavit

Windsurf

1. Ujistěte se, že máte nainstalované potřebné požadavky, například Node.js a Docker.
2. Najděte svůj konfigurační soubor Windsurf (obvykle windsurf.config.json).
3. Přidejte Grafana MCP Server pomocí následujícího JSON úryvku:

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

4. Uložte konfiguraci a restartujte Windsurf.
5. Ověřte nastavení tím, že zkontrolujete, zda se MCP server zobrazuje v seznamu MCP serverů.

Příklad zabezpečení API klíčů

{
  "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. V případě potřeby nainstalujte požadované nástroje (Node.js, Docker).
2. Otevřete konfigurační soubor Claude.
3. Vložte konfiguraci MCP serveru:

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

4. Uložte a restartujte Claude.
5. Potvrďte registraci serveru v přehledu MCP serverů v Claude.

Cursor

1. Připravte si prostředí (Node.js/Docker).
2. Upravte soubor cursor.config.json.
3. Přidejte následující JSON blok MCP serveru:

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

4. Uložte soubor a restartujte Cursor.
5. Ujistěte se, že MCP server běží a je dostupný.

Cline

1. Ověřte, že máte nainstalované potřebné požadavky.
2. Otevřete konfigurační soubor Cline.
3. Vložte konfiguraci Grafana MCP serveru:

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

4. Uložte změny a restartujte Cline.
5. Zkontrolujte stav serveru v rozhraní Cline.

Příklad zabezpečení API klíčů

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

Jak používat tento MCP ve flows

Použití MCP ve FlowHunt

Pro integraci MCP serverů do vašeho workflowu ve FlowHunt přidejte do flow MCP komponentu a propojte ji s AI agentem:

Klikněte na MCP komponentu pro otevření panelu konfigurace. V sekci systémové konfigurace MCP vložte údaje o serveru podle tohoto JSON formátu:

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

Po nakonfigurování má nyní AI agent možnost používat tento MCP jako nástroj se všemi jeho funkcemi a možnostmi. Nezapomeňte změnit “grafana-mcp” na skutečný název vašeho MCP serveru a URL na adresu vašeho MCP serveru.

Přehled

Na základě výše uvedeného je Grafana MCP server dobře zdokumentován pro nastavení a pokrývá základní MCP prvky (zdroje, nástroje, zabezpečení API klíčů), ale chybí explicitní šablony promptů a informace o podpoře sampling. Jde o silný a praktický projekt pro uživatele a vývojáře Grafany.

MCP skóre