Grafana MCP Analyzer 🤖

让 AI 直接读懂你的监控数据，成为你的专属智能运维助手！

English | 中文文档

✨ 项目简介

想象一下这样的场景：

• 您问AI：“我的服务器现在怎么样？”
• AI直接查看您的Grafana监控，回答：“CPU使用率偏高，建议检查这几个进程…”

繁杂的监控图表，AI 辅助你一键解读。你无需再逐图筛查，真正实现从 图表到洞察 的闭环分析体验！

🚀 核心特性

Grafana MCP Analyzer 基于 MCP (Model Context Protocol) 协议，赋能Claude、ChatGPT等AI助手具备以下超能力：

• 自然语言查询 - 轻松访问监控数据，AI 一键输出专业分析
• 多轮对话支持 - 支持复杂的多轮对话分析，能够基于上下文进行深入分析
• curl支持 - 直接使用浏览器 copy 的 curl 合成查询
• 全数据源支持 - Prometheus、MySQL、ES 等通通支持
• 专业 DevOps 建议 - 不只是展示数据，更提供可执行的优化方案，提升DevOps效率

💡 架构新模式：会话缓存 → 逐步获取数据 → 渐进式深入分析 → 缓存复用，让AI分析更准确、更高效。

🛠️ 快速开始

第一步：极速安装（30秒）

npm install -g grafana-mcp-analyzer

环境要求：Node.js 18+ | 安装指南

第二步：AI 助手集成（30秒）

Cursor设置 → “MCP” → 服务配置（以Cursor为例）:

{
  "mcpServers": {
    "grafana": {
      "command": "grafana-mcp-analyzer",
      "env": {
        "CONFIG_PATH": "https://raw.githubusercontent.com/SailingCoder/grafana-mcp-analyzer/main/config/grafana-config-play.js",
        "MAX_CHUNK_SIZE": "100"
      }
    }
  }
}

注：CONFIG_PATH支持绝对路径、远程路径，推荐使用远程路径快速体验。

第三步：编写配置文件（1分钟）

如需连接自有数据，可在 CONFIG_PATH 路径下创建配置文件：（grafana-config-play.js 示例 👉 点此查看 ）

如果你只想快速体验示例，可跳过此步骤，直接执行第四步。

第四步：开始使用！

修改完配置后，重启 Cursor 即可开始使用：

⚠️ 注意： 修改 mcp.json 或配置文件后，都需要重启 Cursor。

然后，体验 AI 智能分析：

1、你想了解：狗狗币最近的价格走势怎么样？

对话示例：

👤 你：帮我分析一下candlestick_priceOnly_hollowCandles的数据
🤖 AI：好的，我来获取狗狗币的K线数据并分析...

👤 你：这个分析太简单了，能详细说说支撑位和阻力位吗？
🤖 AI：基于刚才的数据，我来深入分析技术指标...

👤 你：现在看看candlestick_price_volume数据
🤖 AI：切换到价格成交量数据，分析市场活跃度...

👤 你：candlestick_priceOnly_hollowCandles和candlestick_price_volume这两个数据结合起来看，市场怎么样？
🤖 AI：综合两个数据源，市场目前...

2、你想了解：系统CPU整体运行状况如何？

对话示例：

👤 您：分析overall_cpu_utilization的数据
🤖 AI：提供CPU分析报告

👤 您：CPU使用率的变化趋势如何？
🤖 AI：基于刚才的数据，分析CPU使用率变化趋势

👤 您：这个峰值是什么时候出现的？
🤖 AI：基于我们之前的分析，识别CPU峰值时间

👤 您：需要扩容吗？扩容的成本是多少？
🤖 AI：基于历史数据，提供扩容建议和成本评估

一句话总结：AI 不再只是“聊天”，现在它也能读懂你的监控图表了。

MCP工具清单

说明：系统采用会话缓存管理，支持渐进式分析和多轮对话，比传统的聚合分析更加灵活高效。

工具使用方式

// AI助手会自动选择合适的工具
👤 "分析CPU使用情况" → 🤖 调用 analyze_query
👤 "基于刚才的数据深入分析" → 🤖 调用 analyze_existing_data
👤 "查看缓存状态" → 🤖 调用 manage_cache
👤 "分析大数据量" → 🤖 调用 chunk_workflow

// 缓存管理操作
👤 "查看缓存" → 🤖 调用 manage_cache
👤 "删除overall_cpu_utilization缓存" → 🤖 调用 manage_cache
👤 "清空所有缓存" → 🤖 调用 manage_cache

高级配置

以下内容适用于需要自定义数据源或进行更高级使用场景的用户。

配置示例

常见问题

文章推荐

• grafana-mcp-analyzer：基于 MCP 的轻量 AI 分析监控图表的运维神器！ - CSDN技术博客深度解析

许可证

MIT 开源协议。详见 LICENSE 文件。