Grafana MCP Server Integration

Hvad gør “Grafana” MCP Server?

Grafana MCP (Model Context Protocol) Server er et integrationslag, som forbinder AI-assistenter med Grafana og muliggør forbedret adgang til dashboards, datakilder og overvågningsværktøjer i Grafana-økosystemet. Ved at eksponere Grafanas funktioner via MCP kan serveren lade AI-drevne klienter udføre opgaver som at søge efter dashboards, hente detaljerede dashboardoplysninger, administrere dashboards, tilgå og forespørge datakilder samt udføre Prometheus-forespørgsler programmatisk. Dette strømliner udviklings- og driftsworkflows ved at lade AI-assistenter interagere direkte med observabilitetsdata, automatisere dashboardstyring og muliggøre realtidsmonitorering og fejlfinding—alt sammen i konteksten af AI-drevne udviklingsmiljøer.

Liste over prompts

Ingen eksplicitte prompt-skabeloner er nævnt i de tilgængelige filer eller dokumentation.

Liste over ressourcer

• Dashboards: Tilgå og søg Grafana dashboards efter titel eller metadata, hent komplette dashboarddetaljer via unikke ID’er, og administrer dashboardindhold.
• Datakilder: List alle konfigurerede datakilder og hent detaljeret information om hver, særligt med understøttelse af Prometheus og Loki.
• Prometheus-datakildeinformation: Hent og interager med Prometheus-datakildeinfo, herunder forespørgselsmuligheder.
• Panel-forespørgsler: Udtræk forespørgselsstrenge og datakildeinfo fra alle paneler i et dashboard til avanceret analyse eller fejlfinding.

Liste over værktøjer

• Søg efter dashboards: Søg Grafana dashboards efter titel eller metadata.
• Hent dashboard via UID: Hent detaljeret information for et specifikt dashboard via dets unikke ID.
• Opdater eller opret et dashboard: Redigér eller opret nye dashboards (vær opmærksom på kontekstvinduesbegrænsninger).
• Hent panel-forespørgsler og datakildeinfo: Hent forespørgselsstrenge og datakildedetaljer for dashboardpaneler.
• List og hent datakildeinformation: List alle konfigurerede datakilder og hent info (Prometheus, Loki).
• Forespørg Prometheus: Udfør PromQL-forespørgsler (instant og range queries) mod Prometheus-datakilder.

Anvendelsestilfælde for denne MCP Server

• Dashboardstyring: Automatiser søgning, hentning, oprettelse og opdatering af Grafana dashboards og forenkl observabilitetsworkflows for udviklere og SRE’er.
• Datakilde-udforskning: Programmatisk list, hent og analyser tilgængelige datakilder, hvilket hjælper ved infrastruktur-audit eller onboarding.
• Panel-forespørgselsudtræk: Udtræk forespørgsler og datakildeinformation fra dashboardpaneler for at hjælpe med fejlfinding, optimering eller dokumentation.
• Automatiseret Prometheus-forespørgsel: Gør det muligt for AI-assistenter at udføre Prometheus-forespørgsler, både instant og range-metrikforespørgsler til overvågning og alarmering.
• DevOps-automatisering: Integrer Grafana-observabilitet i CI/CD-pipelines eller AI-drevet fejlfinding og minimer manuelle dashboard-operationer.

Sådan sættes det op

Windsurf

1. Sørg for, at forudsætninger som Node.js og Docker er installeret.
2. Find din Windsurf-konfigurationsfil (typisk windsurf.config.json).
3. Tilføj Grafana MCP Server ved at bruge følgende JSON-udsnit:

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

4. Gem konfigurationen og genstart Windsurf.
5. Bekræft opsætningen ved at tjekke, om MCP-serveren vises i listen over MCP-servere.

Eksempel på sikring af API-nøgler

{
  "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. Installer forudsætninger om nødvendigt (Node.js, Docker).
2. Åbn Claude-konfigurationsfilen.
3. Indsæt MCP-serverkonfigurationen:

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

4. Gem og genstart Claude.
5. Bekræft serverregistreringen i Claudes MCP-serverstatusvisning.

Cursor

1. Forbered dit miljø (Node.js/Docker).
2. Rediger filen cursor.config.json.
3. Tilføj følgende MCP-server JSON-blok:

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

4. Gem filen og genstart Cursor.
5. Sørg for, at MCP-serveren kører og er tilgængelig.

Cline

1. Bekræft, at nødvendige forudsætninger er installeret.
2. Åbn Clines konfigurationsfil.
3. Indsæt Grafana MCP-serverkonfigurationen:

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

4. Gem ændringer og genstart Cline.
5. Tjek serverstatus i Clines brugerflade.

Eksempel på sikring af API-nøgler

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

Sådan bruges denne MCP i flows

Brug af MCP i FlowHunt

For at integrere MCP-servere i dit FlowHunt-workflow skal du starte med at tilføje MCP-komponenten til dit flow og forbinde den til din AI-agent:

Klik på MCP-komponenten for at åbne konfigurationspanelet. I systemets MCP-konfigurationssektion indsætter du dine MCP-serveroplysninger med dette JSON-format:

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

Når det er konfigureret, kan AI-agenten nu bruge denne MCP som et værktøj med adgang til alle dens funktioner og muligheder. Husk at ændre “grafana-mcp” til det faktiske navn på din MCP-server og udskifte URL’en med din egen MCP-server-URL.

Oversigt

På baggrund af ovenstående er Grafana MCP-serveren veldokumenteret til opsætning og dækker de centrale MCP-primitiver (ressourcer, værktøjer, API-nøglesikkerhed), men mangler eksplicitte prompt-skabeloner og information om sampling-support. Det er et stærkt og praktisk projekt for Grafana-brugere og udviklere.

MCP-score