Grafana MCP Server-integration

Vad gör “Grafana” MCP Server?

Grafana MCP (Model Context Protocol) Server är ett integrationslager som kopplar AI-assistenter till Grafana och möjliggör utökad åtkomst till instrumentpaneler, datakällor och övervakningsverktyg inom Grafana-ekosystemet. Genom att exponera Grafanas funktioner via MCP kan servern låta AI-drivna klienter utföra uppgifter som att söka efter instrumentpaneler, hämta detaljerad panelinformation, hantera paneler, komma åt och fråga datakällor samt köra Prometheus-frågor programmatiskt. Detta förenklar utvecklings- och driftflöden genom att låta AI-assistenter interagera direkt med observabilitetsdata, automatisera hantering av instrumentpaneler och möjliggöra realtidsövervakning och felsökning—allt i kontexten av AI-drivna utvecklingsmiljöer.

Lista över Promptar

Inga explicita promptmallar nämns i de tillhandahållna filerna eller dokumentationen.

Lista över Resurser

• Instrumentpaneler: Kom åt och sök Grafana-instrumentpaneler efter titel eller metadata, hämta fullständig panelinformation med unika identifierare och hantera panelinnehåll.
• Datakällor: Lista alla konfigurerade datakällor och hämta detaljerad information om varje, särskilt med stöd för Prometheus och Loki.
• Prometheus-datakällinformation: Hämta och interagera med Prometheus-datakällan, inklusive frågefunktioner.
• Panelfrågor: Extrahera frågesträngar och datakällinformation från varje panel i en instrumentpanel för avancerad analys eller felsökning.

Lista över Verktyg

• Sök efter instrumentpaneler: Sök Grafana-instrumentpaneler efter titel eller metadata.
• Hämta instrumentpanel via UID: Hämta detaljerad information för en specifik instrumentpanel med dess unika identifierare.
• Uppdatera eller skapa en instrumentpanel: Modifiera eller skapa nya instrumentpaneler (var försiktig med avseende på kontextfönstrets begränsningar).
• Hämta panelfrågor och datakällinformation: Hämta frågesträngar och datakälldetaljer för instrumentpanelernas paneler.
• Lista och hämta datakällinformation: Lista alla konfigurerade datakällor och hämta information (Prometheus, Loki).
• Fråga Prometheus: Kör PromQL-frågor (instant och range queries) mot Prometheus-datakällor.

Användningsområden för denna MCP Server

• Instrumentpanelhantering: Automatisera sökning, hämtning, skapande och uppdatering av Grafana-instrumentpaneler, vilket förenklar observabilitetsflöden för utvecklare och SRE:er.
• Utforskning av datakällor: Programmässigt lista, hämta och analysera tillgängliga datakällor för t.ex. infrastrukturaudits eller onboarding.
• Extrahering av panelfrågor: Extrahera frågor och datakällinformation från instrumentpanelernas paneler för att underlätta debugging, optimering eller dokumentation.
• Automatiserad Prometheus-frågning: Möjliggör för AI-assistenter att köra Prometheus-frågor och stödjer instant- eller range-metrikfrågor för övervakning och larm.
• DevOps-automation: Integrera Grafanas observabilitetsförmågor i CI/CD-pipelines eller AI-driven felsökning och minska manuella instrumentpaneloperationer.

Hur man sätter upp det

Windsurf

1. Säkerställ att förutsättningar som Node.js och Docker är installerade.
2. Leta upp din Windsurf-konfigurationsfil (vanligen windsurf.config.json).
3. Lägg till Grafana MCP Server med följande JSON-exempel:

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

4. Spara konfigurationen och starta om Windsurf.
5. Verifiera installationen genom att kontrollera om MCP-servern visas i listan över MCP-servrar.

Exempel på säker hantering av API-nycklar

{
  "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. Installera nödvändiga förutsättningar om det krävs (Node.js, Docker).
2. Öppna Claude-konfigurationsfilen.
3. Lägg in MCP-serverkonfigurationen:

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

4. Spara och starta om Claude.
5. Bekräfta serverregistreringen i Claudes MCP-serverstatusvy.

Cursor

1. Förbered din miljö (Node.js/Docker).
2. Redigera filen cursor.config.json.
3. Lägg till följande MCP-serverblock i JSON:

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

4. Spara filen och starta om Cursor.
5. Säkerställ att MCP-servern körs och är tillgänglig.

Cline

1. Kontrollera att nödvändiga förutsättningar är installerade.
2. Öppna Clines konfigurationsfil.
3. Lägg in Grafana MCP-serverkonfigurationen:

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

4. Spara ändringar och starta om Cline.
5. Kontrollera serverstatus i Clines gränssnitt.

Exempel på säker hantering av API-nycklar

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

Hur man använder denna MCP i flöden

Använda MCP i FlowHunt

För att integrera MCP-servrar i ditt FlowHunt-arbetsflöde börjar du med att lägga till MCP-komponenten i ditt flöde och kopplar den till din AI-agent:

Klicka på MCP-komponenten för att öppna konfigurationspanelen. I systemets MCP-konfigurationssektion anger du dina MCP-serveruppgifter i detta JSON-format:

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

När det är konfigurerat kan AI-agenten nu använda denna MCP som ett verktyg med åtkomst till alla dess funktioner och möjligheter. Kom ihåg att byta ut “grafana-mcp” mot det faktiska namnet på din MCP-server och ersätta URL:en med din egen MCP-server-URL.

Översikt

Baserat på ovanstående är Grafana MCP-servern väl dokumenterad för installation och täcker de centrala MCP-primitiverna (resurser, verktyg, API-nyckelsäkerhet), men saknar explicita promptmallar och information om samplingstöd. Det är ett starkt, praktiskt projekt för Grafana-användare och utvecklare.

MCP-poäng