InfluxDB MCP 服务器

“InfluxDB” MCP 服务器的作用是什么？

InfluxDB MCP 服务器是一款基于模型上下文协议（Model Context Protocol, MCP）的服务器，旨在通过 InfluxDB OSS API v2 为 InfluxDB 实例提供无缝访问。它作为中间件工具，将 AI 助手与存储于 InfluxDB 的时序数据连接起来，为开发者和 AI 系统解锁更丰富的工作流。通过标准化接口，该服务器不仅暴露了资源（如组织、数据桶、测量等），还提供了工具（如查询、写入数据等），让 AI 客户端能够执行数据库查询、管理数据桶，或将时序分析集成至应用中。这种强大的集成，确保开发者可以自动化数据处理、简化开发流程，并通过利用 InfluxDB 的实时和历史数据增强应用智能。

提示词列表

• flux-query-examples：提供常用 Flux 查询模板，简化 InfluxDB 查询的编写与执行。
• line-protocol-guide：提供 InfluxDB line protocol 格式的说明与模板，便于数据写入操作。

资源列表

• 组织列表 (influxdb://orgs)：展示 InfluxDB 实例内所有组织。
• 数据桶列表 (influxdb://buckets)：显示所有数据桶及其元数据。
• 桶内测量 (influxdb://bucket/{bucketName}/measurements)：列出指定数据桶内的所有测量。
• 数据查询 (influxdb://query/{orgName}/{fluxQuery})：执行 Flux 查询并将结果作为资源返回。

工具列表

• write-data：以 InfluxDB 的 line protocol 格式写入时序数据。参数包括 org、bucket、data，以及可选的精度设置。
• query-data：对 InfluxDB 实例执行 Flux 查询。需提供 org 和 query 参数。
• create-bucket：在数据库中创建新数据桶。参数包括 name、orgID 以及可选的保留周期。
• create-org：在 InfluxDB 中创建新组织。参数为 name 和可选的 description。

该 MCP 服务器的应用场景

• 时序数据查询：轻松在 InfluxDB 上运行高级 Flux 查询，帮助开发者和 AI Agent 检索、分析和可视化时序数据。
• 自动化数据采集：通过 line protocol 自动写入数据点到 InfluxDB，简化 IoT 或遥测数据管道。
• 数据库管理：以编程方式创建新组织和数据桶，简化大规模或多租户 InfluxDB 部署的基础设施管理。
• 测量自动发现：动态列出数据桶内可用测量，适用于需适应数据结构变化的应用。
• AI 辅助分析：让 AI 助手能将 InfluxDB 数据进行归纳、上下文化和操作，成为更广泛分析或监控工作流的一部分。

如何设置

Windsurf

1. 确认您的机器已安装 Node.js。

2. 打开 Windsurf 配置文件（例如 windsurf.json 或类似文件）。

3. 在 mcpServers 对象中添加 InfluxDB MCP 服务器：

   {
     "mcpServers": {
       "influxdb-mcp": {
         "command": "npx",
         "args": [
           "@idoru/influxdb-mcp-server@latest",
           "serve"
         ]
       }
     }
   }
   

4. 保存文件并重启 Windsurf。

5. 通过检查 MCP 服务器列表确认 InfluxDB MCP 服务器已出现。

API 密钥安全
将敏感值设置为环境变量。例如：

{
  "mcpServers": {
    "influxdb-mcp": {
      "command": "npx",
      "args": [
        "@idoru/influxdb-mcp-server@latest",
        "serve"
      ],
      "env": {
        "INFLUXDB_TOKEN": "${INFLUXDB_TOKEN_ENV}"
      }
    }
  }
}

Claude

1. 如未安装 Node.js，请先安装。

2. 找到 Claude 的配置文件。

3. 在 mcpServers 中添加 InfluxDB MCP 服务器：

   {
     "mcpServers": {
       "influxdb-mcp": {
         "command": "npx",
         "args": [
           "@idoru/influxdb-mcp-server@latest",
           "serve"
         ]
       }
     }
   }
   

4. 保存更改并重启 Claude。

5. 通过 Claude 界面确认设置成功。

API 密钥安全
（参见 Windsurf 示例。）

Cursor

1. 确认已安装 Node.js。

2. 打开 Cursor 的设置或配置文件。

3. 添加 InfluxDB MCP 服务器：

   {
     "mcpServers": {
       "influxdb-mcp": {
         "command": "npx",
         "args": [
           "@idoru/influxdb-mcp-server@latest",
           "serve"
         ]
       }
     }
   }
   

4. 保存并重启 Cursor。

5. 检查 MCP 服务器连接状态。

API 密钥安全
（参见 Windsurf 示例。）

Cline

1. 确保已安装 Node.js。

2. 编辑 Cline 的配置文件。

3. 在 mcpServers 下插入如下内容：

   {
     "mcpServers": {
       "influxdb-mcp": {
         "command": "npx",
         "args": [
           "@idoru/influxdb-mcp-server@latest",
           "serve"
         ]
       }
     }
   }
   

4. 保存文件并重启 Cline。

5. 验证该服务器在 Cline 中已激活。

API 密钥安全
（参见 Windsurf 示例。）

如何在流程中使用该 MCP

在 FlowHunt 中使用 MCP

要将 MCP 服务器集成进 FlowHunt 流程，请先在您的流程中添加 MCP 组件，并连接至您的 AI Agent：

点击 MCP 组件以打开配置面板。在系统 MCP 配置部分，使用如下 JSON 格式插入您的 MCP 服务器信息：

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

配置完成后，AI Agent 即可作为工具使用该 MCP，并访问其全部功能。请记得将 “influxdb-mcp” 替换为实际的 MCP 服务器名称，并将 URL 替换为您自己的 MCP 服务器地址。

概览

Roots 支持：⛔ 未提及

结合上述内容，该 MCP 服务器在核心 InfluxDB 集成功能方面文档完备。它清晰暴露了资源和工具，涵盖提示模板，并给出了详尽的安装指导。但像 roots 和采样等 MCP 高级特性未被记录，对于部分工作流的可扩展性有一定限制。

我们的看法

这是一款强大实用的 InfluxDB MCP 服务器，非常适合时序数据和自动化任务。对开发者来说实用性极高，但在 MCP 高级特性方面文档略显不足。

MCP 评分