Grafana MCP 服务器集成

“Grafana” MCP 服务器的作用是什么？

Grafana MCP（模型上下文协议）服务器是一个集成层，将 AI 助手与 Grafana 连接起来，使其能够增强对 Grafana 生态系统内的仪表盘、数据源和监控工具的访问。通过 MCP 暴露 Grafana 的能力，该服务器允许 AI 驱动的客户端执行诸如搜索仪表盘、获取详细仪表盘信息、管理仪表盘、访问和查询数据源，以及以编程方式执行 Prometheus 查询等任务。这让开发和运维工作流更加高效，AI 助手可以直接与可观测性数据交互，自动化仪表盘管理，并在 AI 驱动的开发环境中实现实时监控和故障排查。

指令模板列表

在提供的文件或文档中未提及具体的指令模板。

资源列表

• 仪表盘：可按标题或元数据访问和搜索 Grafana 仪表盘，通过唯一标识符获取完整仪表盘详情，并管理仪表盘内容。
• 数据源：列出所有已配置的数据源，并获取每个数据源的详细信息，特别支持 Prometheus 和 Loki。
• Prometheus 数据源信息：获取和交互 Prometheus 数据源的信息，包括查询能力。
• 面板查询：从仪表盘中的每个面板提取查询语句和数据源信息，便于高级分析或排查。

工具列表

• 搜索仪表盘：按标题或元数据搜索 Grafana 仪表盘。
• 通过 UID 获取仪表盘：利用唯一标识符获取指定仪表盘的详细信息。
• 更新或新建仪表盘：修改或新建仪表盘（请注意上下文窗口限制）。
• 获取面板查询与数据源信息：获取仪表盘各面板的查询语句和数据源详情。
• 列出并获取数据源信息：列出所有已配置数据源并获取信息（如 Prometheus、Loki）。
• 查询 Prometheus：对 Prometheus 数据源执行 PromQL 查询（即时或区间查询）。

典型应用场景

• 仪表盘管理：自动化搜索、获取、创建和更新 Grafana 仪表盘，简化开发和 SRE 的可观测性工作流。
• 数据源探索：以编程方式列举、获取和分析可用数据源，辅助基础设施审计或新成员入职。
• 面板查询提取：从仪表盘面板中提取查询和数据源信息，便于调试、优化或文档记录。
• 自动化 Prometheus 查询：让 AI 助手能够执行 Prometheus 查询，支持即时或区间指标查询，用于监控和告警。
• DevOps 自动化：将 Grafana 可观测性能力集成至 CI/CD 流水线或 AI 驱动的故障排查，减少人工仪表盘操作。

如何设置

Windsurf

1. 确保已安装 Node.js 和 Docker 等前置条件。
2. 找到你的 Windsurf 配置文件（通常为 windsurf.config.json）。
3. 使用以下 JSON 片段添加 Grafana MCP 服务器：

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

4. 保存配置并重启 Windsurf。
5. 通过检查 MCP 服务器列表，确认设置已生效。

API 密钥安全示例

{
  "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. 如有需要，安装前置条件（Node.js、Docker）。
2. 打开 Claude 配置文件。
3. 插入 MCP 服务器配置：

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

4. 保存并重启 Claude。
5. 在 Claude 的 MCP 服务器状态视图中确认注册。

Cursor

1. 准备好你的运行环境（Node.js/Docker）。
2. 编辑 cursor.config.json 文件。
3. 添加以下 MCP 服务器 JSON 块：

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

4. 保存文件并重启 Cursor。
5. 确保 MCP 服务器正常运行并可访问。

Cline

1. 确认已安装所有必要的前置条件。
2. 打开 Cline 配置文件。
3. 插入 Grafana MCP 服务器配置：

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

4. 保存更改并重启 Cline。
5. 在 Cline 界面检查服务器状态。

API 密钥安全示例

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

如何在流程中使用 MCP

在 FlowHunt 中使用 MCP

要将 MCP 服务器集成进你的 FlowHunt 工作流，首先添加 MCP 组件，并将其连接到你的 AI agent：

点击 MCP 组件，打开配置面板。在系统 MCP 配置区域，按以下 JSON 格式填写你的 MCP 服务器信息：

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

配置完成后，AI agent 就可以将此 MCP 作为工具，访问其全部功能。请记得将 “grafana-mcp” 替换为你的实际 MCP 服务器名称，并将 URL 替换为你自己的 MCP 服务器地址。

概览

综上，Grafana MCP 服务器在部署文档上非常完善，涵盖了核心 MCP 原语（资源、工具、API 密钥安全），但缺乏明确的指令模板和采样支持说明。对于 Grafana 用户和开发者来说，是一个实用性极强的项目。

MCP 评分