Grafana MCP Server：让 AI 直接操控你的监控面板

痛点场景：凌晨 3 点的 SRE 在干什么？

凌晨 3 点，你的告警响了。PagerDuty 推送了一条 "ERROR rate spike" 告警，你睡眼惺忪地打开 Grafana，翻遍十几个 Dashboard，找到对应服务的历史数据，再切换到 Explore 页面查日志——等你终于定位到问题时，已经过去了 15 分钟。

如果有一个人能直接帮你问："过去 1 小时这个服务的错误率趋势是什么？哪个接口最慢？关联的告警规则有哪些？" 不需要你手动点开任何界面，它直接给你答案。

这正是 Grafana MCP Server 做的事——它为 AI Agent 安装了一个"眼睛和手"，让 AI 能够直接读懂和操控你的 Grafana 实例。

什么是 MCP？为什么要为 Grafana 做 MCP Server？

MCP（Model Context Protocol） 是 Anthropic 在 2024 年底开源的 AI Agent 与外部工具交互的标准化协议。你可以把它理解为"USB 接口协议"——不同的外部设备（工具、数据源）只要实现了 MCP 协议，就能被任何 MCP 客户端（即 AI Agent）无缝调用。

Grafana 是全球最流行的开源监控可视化平台，从 Kubernetes 集群指标到业务日志，从 Prometheus 到 ClickHouse——它连接了几乎所有你关心的数据源。然而在此之前，AI 助手无法访问这些数据：LLM 训练数据截止到某一天，而你的 Grafana 里有此时此刻的生产环境实时数据。

Grafana MCP Server 就是这座桥。它由 Grafana 官方维护，实现了完整的 MCP 协议，让任何兼容 MCP 的 AI 客户端（Claude Desktop、Cursor、 Windsurf 等）都能像人一样操控你的 Grafana。

核心功能：60+ 工具覆盖监控全链路

Grafana MCP Server 提供了超过 60 个 MCP 工具，覆盖了 Grafana 的几乎所有核心功能：

📊 Dashboard 管理

• 搜索/获取 Dashboard：按标题、文件夹、标签搜索，找到后获取完整 JSON 或精简摘要
• 上下文窗口优化：提供了 get_dashboard_summary（精简元数据）和 get_dashboard_property（JSONPath 精准提取），避免把整个 Dashboard JSON 塞进 LLM 上下文
• 创建/更新/打补丁 Dashboard：直接通过 MCP 工具修改或新建 Dashboard

🔍 多数据源查询

这可能是最有价值的功能——让 AI 直接查询你的监控数据：

数据源	支持的查询类型
Prometheus	PromQL 即时/范围查询、metric metadata、histogram 百分位
Loki	LogQL 日志/指标查询、label 枚举、log patterns 检测
Elasticsearch/OpenSearch	Lucene/ES Query DSL 搜索
ClickHouse / MySQL / PostgreSQL / MSSQL / Athena / Snowflake	统一 SQL 工具，Grafana 凭证自动透传
InfluxDB	InfluxQL 和 Flux 双语法
CloudWatch	Namespace/metrics/dimensions 枚举和查询
Graphite	Render API、metrics browse、tag 枚举
Quickwit	Lucene 兼容查询，专为可观测性设计
Google Cloud Logging	过滤表达式查询（需插件）

🚨 告警与 OnCall

• 查看/创建/删除/修改告警规则（支持 Grafana 托管和 Prometheus/Loki 规则）
• 告警通知路由、Contact Point、时间间隔管理
• Grafana OnCall 集成：查看值班表、当下 on-call 用户、告警分组

🤖 AI 可观测性（Grafana Cloud 特有）

这是最令人眼前一亮的垂直场景——用于评估 AI Agent 质量的工具集：

• 列出/搜索 LLM 对话（按模型、提供商、Agent 名称、状态筛选）
• 获取对话详情、每个 generation 的 prompt/response
• Eval 规则管理：创建/测试/删除 LLM-as-Judge 评估规则
• 离线实验管理：运行测试套件对比不同 Agent 版本
• Agent Catalog：查看所有上报遥测的 Agent 及其完整 system prompt

📝 其他工具

• Incidents：Grafana Incident 事件管理（搜索/创建/更新）
• Annotations：注解 CRUD（Grafana 时间线上的事件标记）
• Snapshots：Dashboard 快照管理
• Provisioning 验证：dry-run 验证 git-sync 配置文件，提前发现语法错误
• Rendering：把 Dashboard 或 Panel 渲染成 PNG 图片（需 Image Renderer 插件）
• DeepLinks：精确生成 Grafana Dashboard/Panel/Explore 的 deeplink URL（再也不用 LLM 瞎猜 URL 了）

技术架构：Go + ConnectRPC + MCP SDK

Grafana MCP Server 使用 Go 语言开发，核心技术栈：

• @modelcontextprotocol/go-sdk v1.8.0：MCP 协议官方 Go 实现，处理协议握手、工具注册、请求路由
• connectrpc.com/connect v1.21.0：比 gRPC 更适合浏览器的 RPC 框架（MCP 有 stdio 和 HTTP 两种传输模式）
• grafana/grafana-openapi-client-go：Grafana REST API 的官方 Go 客户端
• OpenTelemetry：全链路追踪（OTLP 导出到 Prometheus/Grafana）

三种运行模式

传输模式	说明	典型客户端
stdio	标准输入输出，适合 Claude Desktop、本地 CLI	Claude Desktop, Cursor
SSE (Server-Sent Events)	HTTP 长连接，Grafana Cloud MCP Gateway 使用	Claude.ai, Web 应用
Streamable HTTP	支持真正的请求-响应 HTTP，Grafana 官方推荐	Cursor, Windsurf, 现代 Agent

上手门槛：从"零配置"到 Helm Chart

Grafana MCP Server 的安装门槛极低，提供了多种接入方式：

最简单：uvx 一行命令

配置 JSON 填入 Claude Desktop 或 Cursor 的 MCP 配置文件中：

{"mcpServers": {
  "grafana": {
    "command": "uvx",
    "args": ["mcp-grafana"],
    "env": {
      "GRAFANA_URL": "http://localhost:3000",
      "GRAFANA_SERVICE_ACCOUNT_TOKEN": "<your-token>"
    }
  }
}}

Docker：适合服务器部署

docker run -p 8000:8000 \
  -e GRAFANA_URL=http://localhost:3000 \
  -e GRAFANA_SERVICE_ACCOUNT_TOKEN=<token> \
  grafana/mcp-grafana:latest

Helm Chart：适合 Kubernetes 生产环境

项目提供了 Helm Chart，可以通过 values 文件管理配置，适合作为企业级 MCP 服务部署。

依赖条件：需要 Grafana 9.0+ 实例（部分 datasource 工具需要 11.x+）。Grafana Cloud 用户开箱即用。

局限与争议

⚠️ 安全风险：SSRF 防护

代码中实现了 http_security.go、redirect_guard.go、validate_url.go 等多层安全检查，防止 AI 发送恶意请求到内部网络。但 SSRF 始终是 MCP 工具的风险点，建议通过 Grafana 网络策略隔离，并通过 GRAFANA_URL_OVERRIDE 环境变量限制访问范围。

⚠️ 大型 Dashboard 上下文消耗

完整 Dashboard JSON 可能非常大，一个复杂 Dashboard 可能有数百 KB——轻松占满 LLM 的上下文窗口。项目方明确建议使用 get_dashboard_summary 和 get_dashboard_property（JSONPath）代替 get_dashboard_by_uid。

⚠️ 写入操作的幂等性

update_dashboard 和 patch_dashboard 工具会直接修改 Grafana 实例中的 Dashboard，AI 错误使用可能导致生产 Dashboard 被覆盖。目前有 --disable-write 标志可以禁用所有写操作工具。

行业意义：AI Agent 拥抱可观测性的第一步

Grafana MCP Server 的发布，标志着 AI Agent 进入生产可观测性领域的开始。

此前，AI Agent 的能力边界止步于"已知知识"和"本地文件"。有了 Grafana MCP，Agent 可以：

• 实时了解生产状态：不再是"训练数据截止日期"的数据，而是此刻的真实指标
• 自动调查告警：AI 可以自主执行诊断路径（查指标 → 查日志 → 查告警规则 → 生成报告）
• 辅助 SRE / DevOps：把 SRE 从重复的"查 Dashboard"工作中解放出来

Grafana 官方还在持续扩展工具集（InfluxDB、CloudWatch 等新数据源持续加入），并与 Grafana Cloud 深度集成（Grafana Assistant 插件联动）。预计未来会支持更多场景化的 MCP 工具生态。