Integracja serwera Grafana MCP

Co robi serwer “Grafana” MCP?

Serwer Grafana MCP (Model Context Protocol) to warstwa integracji, która łączy asystentów AI z Grafaną, umożliwiając rozszerzony dostęp do pulpitów, źródeł danych i narzędzi monitorujących w ekosystemie Grafany. Dzięki udostępnieniu możliwości Grafany przez MCP, serwer pozwala klientom AI wykonywać takie zadania jak wyszukiwanie pulpitów, pobieranie szczegółowych informacji o pulpitach, zarządzanie pulpitami, dostęp i wykonywanie zapytań do źródeł danych oraz programistyczne wykonywanie zapytań Prometheus. Usprawnia to procesy rozwojowe i operacyjne, umożliwiając asystentom AI bezpośrednią interakcję z danymi obserwowalności, automatyzację zarządzania pulpitami oraz umożliwiając monitorowanie i rozwiązywanie problemów w czasie rzeczywistym—wszystko w kontekście środowisk deweloperskich wspieranych przez AI.

Lista promptów

Brak wyraźnie zdefiniowanych szablonów promptów w dostarczonych plikach lub dokumentacji.

Lista zasobów

• Pulpity (Dashboards): Dostęp i wyszukiwanie pulpitów Grafany po tytule lub metadanych, pobieranie pełnych szczegółów pulpitów na podstawie unikalnych identyfikatorów oraz zarządzanie treścią pulpitów.
• Źródła danych (Datasources): Lista wszystkich skonfigurowanych źródeł danych oraz pobieranie szczegółowych informacji o każdym z nich, z naciskiem na wsparcie dla Prometheus i Loki.
• Informacje o źródle danych Prometheus: Pobieranie i interakcja z informacjami o źródle danych Prometheus, w tym możliwości zapytań.
• Zapytania panelowe: Wyodrębnianie zapytań i informacji o źródłach danych z każdego panelu w pulpicie—do zaawansowanej analityki lub rozwiązywania problemów.

Lista narzędzi

• Wyszukiwanie pulpitów: Wyszukiwanie pulpitów Grafany po tytule lub metadanych.
• Pobierz pulpit po UID: Pobieranie szczegółowych informacji o konkretnym pulpicie na podstawie unikalnego identyfikatora.
• Aktualizuj lub utwórz pulpit: Modyfikowanie lub tworzenie nowych pulpitów (z ostrożnością względem ograniczeń okna kontekstowego).
• Pobierz zapytania paneli i info o źródłach danych: Pobieranie zapytań oraz szczegółów źródeł danych dla paneli pulpitów.
• Lista i pobieranie informacji o źródłach danych: Wyświetlanie wszystkich skonfigurowanych źródeł danych i pobieranie informacji (Prometheus, Loki).
• Zapytania Prometheus: Wykonywanie zapytań PromQL (zapytania natychmiastowe i zakresowe) względem źródeł danych Prometheus.

Przypadki użycia tego serwera MCP

• Zarządzanie pulpitami: Automatyzacja wyszukiwania, pobierania, tworzenia i aktualizacji pulpitów Grafany, upraszczająca przepływy pracy związane z obserwowalnością dla deweloperów i SRE.
• Eksploracja źródeł danych: Programistyczne wyświetlanie, pobieranie i analiza dostępnych źródeł danych—pomocne przy audytach infrastruktury lub wdrażaniu.
• Wyodrębnianie zapytań panelowych: Pozyskiwanie zapytań i informacji o źródłach danych z paneli pulpitów—przydatne do debugowania, optymalizacji lub dokumentacji.
• Automatyczne zapytania Prometheus: Umożliwienie asystentom AI wykonywania zapytań Prometheus, wspierając zapytania natychmiastowe lub zakresowe dla monitoringu i alertowania.
• Automatyzacja DevOps: Integracja możliwości obserwowalności Grafany z pipeline’ami CI/CD lub rozwiązywaniem problemów sterowanych przez AI—ograniczając ręczne operacje na pulpitach.

Jak to skonfigurować

Windsurf

1. Upewnij się, że zainstalowane są wymagane składniki, takie jak Node.js i Docker.
2. Zlokalizuj swój plik konfiguracyjny Windsurf (zwykle windsurf.config.json).
3. Dodaj serwer Grafana MCP, używając poniższego fragmentu JSON:

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

4. Zapisz konfigurację i zrestartuj Windsurf.
5. Zweryfikuj konfigurację, sprawdzając, czy serwer MCP pojawia się na liście serwerów MCP.

Przykład zabezpieczenia kluczy 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. Zainstaluj wymagane składniki, jeśli to konieczne (Node.js, Docker).
2. Otwórz plik konfiguracyjny Claude.
3. Wstaw konfigurację serwera MCP:

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

4. Zapisz i zrestartuj Claude.
5. Potwierdź rejestrację serwera w widoku statusu serwera MCP w Claude.

Cursor

1. Przygotuj środowisko (Node.js/Docker).
2. Edytuj plik cursor.config.json.
3. Dodaj poniższy blok serwera MCP w formacie JSON:

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

4. Zapisz plik i zrestartuj Cursor.
5. Upewnij się, że serwer MCP działa i jest dostępny.

Cline

1. Upewnij się, że zainstalowano wszystkie wymagane składniki.
2. Otwórz plik konfiguracyjny Cline.
3. Wstaw konfigurację serwera Grafana MCP:

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

4. Zapisz zmiany i zrestartuj Cline.
5. Sprawdź status serwera w interfejsie Cline.

Przykład zabezpieczenia kluczy 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"
      }
    }
  }
}

Jak używać tego MCP w przepływach

Użycie MCP w FlowHunt

Aby zintegrować serwery MCP z przepływem pracy w FlowHunt, zacznij od dodania komponentu MCP do swojego przepływu i połączenia go z agentem AI:

Kliknij komponent MCP, aby otworzyć panel konfiguracji. W sekcji konfiguracyjnej systemu MCP wstaw dane serwera MCP w tym formacie JSON:

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

Po skonfigurowaniu agent AI może korzystać z tego MCP jako narzędzia z dostępem do wszystkich jego funkcji i możliwości. Pamiętaj, aby zmienić “grafana-mcp” na faktyczną nazwę Twojego serwera MCP i zastąpić URL swoim własnym adresem MCP.

Podsumowanie

Na podstawie powyższego, serwer Grafana MCP jest dobrze udokumentowany pod kątem konfiguracji i obejmuje kluczowe prymitywy MCP (zasoby, narzędzia, bezpieczeństwo kluczy API), jednak brakuje mu wyraźnych szablonów promptów i informacji o wsparciu samplingowym. To solidny, praktyczny projekt dla użytkowników i deweloperów Grafany.

Ocena MCP