Grafana MCP Analyzer 🤖

Version License

让AI直接读懂你的监控数据，智能化运维分析助手

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..."

复杂的监控图表，AI帮您一键分析！告别传统的手动监控方式，让AI成为您的专属运维助手！

🚀 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
智能格式化 - 支持大数据量分析，高效解析各类数据
curl支持 - 直接使用浏览器 copy 的 curl 合成查询
聚合分析 - 单个查询或 Dashboard 级别综合分析
异常检测 - AI 主动报告性能问题，提前警报
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

🛠️ 快速开始

第一步：安装

npm install -g grafana-mcp-analyzer

环境要求：Node.js 18+ | 安装指南

第二步：配置AI助手（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" } } } }

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

如果你需要连接自己的数据，请在 CONFIG_PATH 路径下创建一个名为 grafana-config-play.js 的配置文件。

如果你只想快速体验示例，可跳过此步骤，直接执行第四步。

/** * 基于Grafana Play演示实例的配置文件 * 数据源(狗狗币OHLC数据)：https://play.grafana.org/d/candlesticksss/candlestick2?orgId=1&from=2021-07-13T22:13:30.740Z&to=2021-07-13T22:46:18.921Z&timezone=utc * 以下配置文件内容来源：https://raw.githubusercontent.com/SailingCoder/grafana-mcp-analyzer/main/config/grafana-config-play.js * Request 配置方式：支持 http api 和 curl */ const config = { // Grafana服务器地址 baseUrl: 'https://play.grafana.org', // 默认请求头 defaultHeaders: { 'Content-Type': 'application/json', 'Accept': 'application/json, text/plain, */*' }, // 健康检查配置 healthCheck: { url: 'api/health' }, // 查询定义 queries: { // 第一个查询 - 使用curl格式（面板2的狗狗币数据） // dogecoin_panel_2 .... // 第二个查询 - 使用HTTP API格式（面板7的狗狗币数据） 'dogecoin_panel_7': { url: 'api/ds/query', method: 'POST', params: { ds_type: 'grafana-testdata-datasource', requestId: 'SQR109' }, headers: { 'accept': 'application/json, text/plain, */*', 'content-type': 'application/json', 'x-datasource-uid': '9cY0WtPMz', 'x-grafana-org-id': '1', 'x-panel-id': '7', 'x-panel-plugin-id': 'candlestick', 'x-plugin-id': 'grafana-testdata-datasource' }, data: { queries: [{ csvFileName: "ohlc_dogecoin.csv", datasource: { type: "grafana-testdata-datasource", uid: "9cY0WtPMz" }, refId: "A", scenarioId: "csv_file", datasourceId: 153, intervalMs: 2000, maxDataPoints: 1150 }], from: "1626214410740", to: "1626216378921" }, systemPrompt: `您是金融市场技术分析专家，专注于加密货币市场分析。 **分析重点**： 1. 市场趋势和动量分析 - 识别主要趋势方向和动量变化 2. 价格模式识别 - 识别头肩顶、双底、三角形等经典形态 3. 成交量与价格关系 - 分析成交量对价格走势的支撑 4. 市场情绪评估 - 基于技术指标评估市场情绪状态 5. 短期和长期投资策略建议 - 提供不同时间周期的投资建议 **输出要求**： - 基于实际数据进行分析，提供具体数值解读 - 识别关键的价格模式和趋势变化 - 给出明确的交易建议和风险提示 - 提供可操作的投资策略请提供详细的技术分析报告。` }, overall_cpu_utilization100: { curl: `curl 'https://play.grafana.org/api/ds/query?ds_type=prometheus&requestId=SQR371' \ -H 'accept: application/json, text/plain, */*' \ -H 'accept-language: zh-CN,zh;q=0.9' \ -H 'cache-control: no-cache' \ -H 'content-type: application/json' \ -b '_ga=GA1.2.387525048.1751712678; rl_page_init_referrer=RudderEncrypt%3AU2FsdGVkX191kw8iAnoyFkv6jbIl3EOkbSdK21uFLwGid2zCBcXWXVl4rK8kP9uB; rl_page_init_referring_domain=RudderEncrypt%3AU2FsdGVkX1%2FQpNd4Fbr7FgBG8YeyeoTAiBUO993bC9E%3D; _gid=GA1.2.354949503.1752935466; rl_group_id=RudderEncrypt%3AU2FsdGVkX1%2Fyd5jy%2Bq5XZfeqcDGhXMhz56ANft0NLCo%3D; rl_group_trait=RudderEncrypt%3AU2FsdGVkX1%2F9hmHjbWlb%2F%2B2RP0JlMRymkg9QBgUw3oE%3D; rl_anonymous_id=RudderEncrypt%3AU2FsdGVkX19JQD0l8hbD8ApQMSbVisxyXCEuam7wcYtcnfywOO67gQc7EjkFm0bW%2BNZjB%2BsmRZnHy5ccbyeoHQ%3D%3D; rl_user_id=RudderEncrypt%3AU2FsdGVkX18s9kRPf%2BwQSRIaYGd9O5kGPmZh%2FQhoq4LyI63CRJNoBrh7Cc06OuAO; rl_trait=RudderEncrypt%3AU2FsdGVkX1%2B%2FhZugE4qfWyjSTEFKcsYs0DwcOyfdazoJfVtGv4x0q%2BOFxbqHDD0r%2BLWcg%2F6CceMFQH3dJIa3C0WyF0hWoBLLwV%2BiQB4077KEHTtX%2BkJxjJ4X6czXwpsh%2FsV9e8l4ptVfz%2FgyJLh1qw%3D%3D; _gat=1; _ga_Y0HRZEVBCW=GS2.2.s1752935474$o2$g1$t1752935591$j38$l0$h0; rl_session=RudderEncrypt%3AU2FsdGVkX1%2BUhBGRm24hqUS5TRKZrN31aK8t518MW16GZKplO6iFClFnqmpYiglWbXqKgnDZz8o%2FaGxuQouIM%2BN0BBr8Nh3HY6chGRtVUEeRSRXAAQiiH30%2Bp6%2F57AoqhwV3k0jqvIikr69S9sDpCg%3D%3D' \ -H 'origin: https://play.grafana.org' \ -H 'pragma: no-cache' \ -H 'priority: u=1, i' \ -H 'referer: https://play.grafana.org/d/cNMLIAFK/cpu-utilization-details-cores?var-interval=$__auto&orgId=1&from=now-3h&to=now&timezone=browser&var-host=faro-shop-control-plane&var-cpu=$__all&refresh=5s&editPanel=22&inspect=22&inspectTab=query' \ -H 'sec-ch-ua: "Not)A;Brand";v="8", "Chromium";v="138", "Google Chrome";v="138"' \ -H 'sec-ch-ua-mobile: ?0' \ -H 'sec-ch-ua-platform: "macOS"' \ -H 'sec-fetch-dest: empty' \ -H 'sec-fetch-mode: cors' \ -H 'sec-fetch-site: same-origin' \ -H 'user-agent: Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/138.0.0.0 Safari/537.36' \ -H 'x-dashboard-title: CPU Utilization Details (Cores)' \ -H 'x-dashboard-uid: cNMLIAFK' \ -H 'x-datasource-uid: grafanacloud-prom' \ -H 'x-grafana-device-id: 2b0db28108a0a56f4a0dcf3d59537fe7' \ -H 'x-grafana-org-id: 1' \ -H 'x-panel-id: 22' \ -H 'x-panel-plugin-id: timeseries' \ -H 'x-panel-title: $host - Overall CPU Utilization' \ -H 'x-plugin-id: prometheus' \ --data-raw $'{"queries":[{"calculatedInterval":"2s","datasource":{"type":"prometheus","uid":"grafanacloud-prom"},"datasourceErrors":{},"errors":{},"expr":"clamp_max((avg by (mode) ( (clamp_max(rate(node_cpu_seconds_total{instance=\\"faro-shop-control-plane\\",mode\u0021=\\"idle\\"}[1m]),1)) or (clamp_max(irate(node_cpu_seconds_total{instance=\\"faro-shop-control-plane\\",mode\u0021=\\"idle\\"}[5m]),1)) )),1)","format":"time_series","hide":false,"interval":"1m","intervalFactor":1,"legendFormat":"{{mode}}","metric":"","refId":"A","step":300,"exemplar":false,"requestId":"22A","utcOffsetSec":28800,"scopes":[],"adhocFilters":[],"datasourceId":171,"intervalMs":60000,"maxDataPoints":778},{"datasource":{"type":"prometheus","uid":"grafanacloud-prom"},"expr":"clamp_max(max by () (sum by (cpu) ( (clamp_max(rate(node_cpu_seconds_total{instance=\\"faro-shop-control-plane\\",mode\u0021=\\"idle\\",mode\u0021=\\"iowait\\"}[5m]),1)) or (clamp_max(irate(node_cpu_seconds_total{instance=\\"faro-shop-control-plane\\",mode\u0021=\\"idle\\",mode\u0021=\\"iowait\\"}[5m]),1)) )),1)","format":"time_series","hide":false,"interval":"1m","intervalFactor":1,"legendFormat":"Max Core Utilization","refId":"B","exemplar":false,"requestId":"22B","utcOffsetSec":28800,"scopes":[],"adhocFilters":[],"datasourceId":171,"intervalMs":60000,"maxDataPoints":778}],"from":"1752924823337","to":"1752935623337"}'`, systemPrompt: `您是系统性能分析专家，专注于CPU使用率数据分析。 **核心任务**：直接回答用户的问题："我的服务器现在怎么样？" **必须回答的问题**：当前CPU使用率是多少？（具体数值） **输出格式**： ## 服务器状态概览 **直接结论**：服务器CPU使用率 [具体数值]%，状态 [正常/偏高/异常] ## 详细数据 - **当前使用率**：[数值]% - **平均使用率**：[数值]% - **峰值使用率**：[数值]% - **主要使用模式**：[user/system/iowait等] ## 风险评估 [基于数据的具体风险分析] ## 行动建议 [具体的可执行建议] **重要**：如果无法获取到实际数据，请明确说明"无法获取实际数据"，并解释可能的原因。不要基于假设进行分析！` }, } }; module.exports = config;

第四步：开始使用！

完全重启Cursor，然后体验智能分析：

👤 您：分析overall_cpu_utilization100数据
🤖 AI：正在连接Grafana并分析...

👤 您：聚合分析dogecoin_panel_2、dogecoin_panel_7的数据
🤖 AI：同时查询多个指标并进行综合关联分析...

配置完成！

在这里插入图片描述

MCP工具清单

工具	功能	使用场景
`analyze_query`	查询+AI分析	需要专业建议
`aggregate_analyze`	聚合分析	多查询统一分析
`list_queries`	查询列表	查看配置
`check_health`	健康检查	状态监控
`manage_sessions`	会话管理	管理分析会话
`list_data`	数据列表	查看存储数据
`server_status`	服务器状态	服务器信息

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 👤 "聚合分析系统指标" → 🤖 调用 aggregate_analyze

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。

方式一：HTTP API（如 `dogecoin_panel_7`）

获取 Data 传参：进入图表 → "Query Inspector" → "JSON"解析 → 拷贝请求体(request)
获取 Url 和 Headers Token：通过 Network 面板查看请求参数，手动构造 HTTP 配置。

方式二：curl（推荐，适用于所有面板，如`overall_cpu_utilization100`）：

在Grafana中执行查询
按F12打开开发者工具 → Network标签页
找到查询请求 → 右键点击 → Copy as cURL
将复制的 curl 粘贴至配置文件中即可

环境变量名	类型	默认值	说明
`CONFIG_PATH`	string	必填	配置文件路径（本地或 HTTPS 远程地址）
`MAX_CHUNK_SIZE`	number	`100`	单块最大数据体积（KB），影响切片性能
`SESSION_TIMEOUT_HOURS`	number	`24`	会话过期时间（小时）
`CONFIG_MAX_AGE`	number	`300`	远程配置文件缓存时间（秒），设为 `0` 则禁用

缓存特性：

智能缓存配置文件（默认缓存 5 分钟）
网络失败时使用本地过期缓存
启动自动清理缓存文件
设置 CONFIG_MAX_AGE=0 可禁用缓存，每次请求都拉取最新配置

1. 远程路径

支持通过HTTPS URL访问远程配置文件，适用于团队协作和多环境部署：

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

支持的远程存储：

GitHub Raw: https://raw.githubusercontent.com/SailingCoder/grafana-mcp-analyzer/main/config/grafana-config-play.js
阿里云OSS: https://bucket.oss-cn-hangzhou.aliyuncs.com/config.js
腾讯云COS: https://bucket-123.cos.ap-shanghai.myqcloud.com/config.js
AWS S3: https://bucket.s3.amazonaws.com/config.js

注意：

❌ 不支持 GitHub 网页路径，如 https://github.com/SailingCoder/grafana-mcp-analyzer/blob/main/config/grafana-config-play.js, 返回的是 HTML 页面
✅ 必须使用 GitHub Raw 格式获取原始 JS 文件，如 https://raw.githubusercontent.com/SailingCoder/grafana-mcp-analyzer/main/config/grafana-config-play.js

2. 本地路径

支持传入本地绝对路径，适用于快速测试分析：

{ "mcpServers": { "grafana": { "command": "grafana-mcp-analyzer", "env": { "CONFIG_PATH": "/Users/your-username/project/grafana-config.js" } } } }

# 显示版本信息 grafana-mcp-analyzer -v grafana-mcp-analyzer --version # 显示帮助信息 grafana-mcp-analyzer -h grafana-mcp-analyzer --help

如需调用受保护的 Grafana API，可通过以下方式设置：

export GRAFANA_URL="https://your-grafana.com" export GRAFANA_TOKEN="your-api-token"

你也可以在配置文件中使用 Headers 方式直接注入 token 访问。

配置示例

业务场景配置

用户问题："我的电商转化率怎么样？如何提升销售额？"

// 电商转化率分析 ecommerce_conversion: { curl: `curl 'api/ds/query' \\ -X POST \\ -H 'Content-Type: application/json' \\ -d '{"queries":[{"refId":"A","expr":"rate(orders_total[5m]) / rate(page_views_total[5m]) * 100","range":{"from":"now-24h","to":"now"}}]}'`, systemPrompt: `您是电商业务分析专家。请分析转化率数据并回答以下关键问题： **核心分析问题**： 1. 当前转化率是多少？与行业标准对比如何？ 2. 转化率在一天中的高峰和低谷时段是什么时候？ 3. 哪些因素可能影响转化率下降？ 4. 具体建议如何提升转化率？预期能带来多少收益？ **输出格式**： - 数据概览：当前转化率数值和趋势 - 问题诊断：识别转化率瓶颈 - 优化建议：3-5个可执行的改进方案 - 收益预测：预期提升效果和ROI 请用通俗易懂的语言，给出可操作的具体建议。` }

// 交易风控分析 finance_risk_analysis: { curl: `curl 'api/ds/query' \\ -X POST \\ -H 'Content-Type: application/json' \\ -d '{"queries":[{"refId":"A","expr":"sum(rate(transaction_amount_total[5m]))","range":{"from":"now-7d","to":"now"}}]}'`, systemPrompt: `您是金融风控专家。请分析交易数据并回答以下关键问题： **核心分析问题**： 1. 当前交易量是否异常？与历史对比如何？ 2. 是否存在可疑的交易模式？ 3. 哪些交易需要重点关注？ 4. 如何优化风控策略？ **输出格式**： - 风险等级：低/中/高风险 - 异常指标：具体异常数据点 - 风险分析：潜在风险原因 - 防护建议：具体风控措施 - 紧急行动：需要立即处理的事项请用红色标记高风险，黄色标记中风险，绿色标记低风险。` }

用户问题："我的用户活跃度怎么样？如何提高用户留存？"

// 用户活跃度分析 user_engagement: { curl: `curl 'api/ds/query' \\ -X POST \\ -H 'Content-Type: application/json' \\ -d '{"queries":[{"refId":"A","expr":"count(increase(user_sessions_total[1h]))","range":{"from":"now-30d","to":"now"}}]}'`, systemPrompt: `您是用户行为分析专家。请分析用户活跃度数据并回答以下关键问题： **核心分析问题**： 1. 用户活跃度趋势如何？是否在增长？ 2. 用户使用习惯有什么特点？ 3. 哪些用户群体最活跃？ 4. 如何提高用户留存率？ **输出格式**： - 用户画像：活跃用户特征 - 趋势分析：活跃度变化趋势 - 目标用户：最有价值的用户群体 - 留存策略：提高用户粘性的方法 - 预期效果：实施建议后的预期改善请结合用户生命周期，给出个性化的运营建议。` }

系统监控配置

用户问题："我的服务器性能怎么样？需要扩容吗？"

// 服务器性能分析 server_performance: { curl: `curl 'api/ds/query' \\ -X POST \\ -H 'Content-Type: application/json' \\ -d '{"queries":[{ "refId":"A", "expr":"node_cpu_seconds_total{mode=\"user\"} / node_cpu_seconds_total * 100", "range":{"from":"now-2h","to":"now"} }]}'`, systemPrompt: `您是系统性能专家。请分析服务器性能数据并回答以下关键问题： **核心分析问题**： 1. CPU使用率是否正常？是否接近瓶颈？ 2. 内存使用情况如何？是否存在泄漏？ 3. 磁盘I/O是否成为瓶颈？ 4. 是否需要扩容或优化？ **输出格式**： - 性能评分：优秀/良好/一般/差 - 关键指标：CPU、内存、磁盘使用率 - 瓶颈分析：性能问题原因 - 优化建议：具体改进方案 - 告警建议：需要立即关注的问题请用颜色标记不同严重程度：正常注意危险` }

用户问题："我的应用有错误吗？影响用户体验吗？"

// 应用错误分析 app_error_analysis: { url: "api/ds/es/query", method: "POST", data: { es: { index: "app-logs-*", query: { "query": { "bool": { "must": [ {"term": {"level": "ERROR"}}, {"range": {"@timestamp": {"gte": "now-1h"}}} ] } } } } }, systemPrompt: `您是应用监控专家。请分析错误日志并回答以下关键问题： **核心分析问题**： 1. 错误频率如何？是否在增加？ 2. 哪些错误最严重？影响多少用户？ 3. 错误集中在哪些功能模块？ 4. 如何快速修复和预防？ **输出格式**： - 错误等级：严重/中等/轻微 - 错误统计：错误数量、影响用户数 - 错误分类：按模块和类型分类 - 修复建议：具体修复步骤 - 预防措施：避免类似错误的方法请按严重程度排序，优先处理影响用户最多的错误。` }

聚合分析配置

用户问题："我的系统整体性能怎么样？哪里是瓶颈？"

// 前端性能 frontend_performance: { curl: `curl 'api/ds/query' \\ -X POST \\ -H 'Content-Type: application/json' \\ -d '{"queries":[{"refId":"A","expr":"histogram_quantile(0.95, rate(page_load_time_seconds_bucket[5m]))","range":{"from":"now-1h","to":"now"}}]}'`, systemPrompt: '前端性能专家：分析页面加载时间，识别前端性能瓶颈。' }, // 后端性能 backend_performance: { curl: `curl 'api/ds/query' \\ -X POST \\ -H 'Content-Type: application/json' \\ -d '{"queries":[{"refId":"A","expr":"histogram_quantile(0.95, rate(api_response_time_seconds_bucket[5m]))","range":{"from":"now-1h","to":"now"}}]}'`, systemPrompt: '后端性能专家：分析API响应时间，识别后端性能问题。' }, // 数据库性能 database_performance: { curl: `curl 'api/ds/query' \\ -X POST \\ -H 'Content-Type: application/json' \\ -d '{"queries":[{"refId":"A","expr":"rate(mysql_queries_total[5m])","range":{"from":"now-1h","to":"now"}}]}'`, systemPrompt: '数据库性能专家：分析数据库查询性能，识别数据库瓶颈。' }

使用方式：

👤 您：聚合分析全链路性能：frontend_performance, backend_performance, database_performance
🤖 AI：综合分析前端、后端、数据库性能，提供完整的性能优化建议

常见问题

检查Grafana地址格式：必须包含https://或http://
验证API密钥有效性：确保未过期且有足够权限
测试网络连通性和防火墙设置

完全退出Cursor并重新启动
检查配置文件路径是否正确
确保Node.js版本 ≥ 18

增加timeout设置
检查数据源连接状态
数据量过大时，缩小时间范围

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。

This server cannot be installed

security - not tested

license - permissive license

quality - not tested

How are these scores calculated?

hybrid server

The server is able to function both locally and remotely, depending on the configuration or use case.

A Model Context Protocol server for Grafana data analysis

Related MCP Servers

Google Cloud MCP Server
krzko
A
security
A
license
A
quality
A Model Context Protocol server that connects to Google Cloud services, allowing users to query logs, interact with Spanner databases, and analyze Cloud Monitoring metrics through natural language interaction.
Last updated -
40
33
56
Apache 2.0
Earthdata MCP Server
datalayer
-
security
A
license
-
quality
A Model Context Protocol server that enables efficient discovery and retrieval of NASA Earth Data for geospatial analysis.
Last updated -
21
BSD 3-Clause
Grafanaofficial
grafana
-
security
A
license
-
quality
A Model Context Protocol (MCP) server for Grafana. This provides access to your Grafana instance and the surrounding ecosystem.
Last updated -
1,607
Apache 2.0
MCP Boilerplate
iamsrikanthnani
-
security
A
license
-
quality
A server that implements the Model Context Protocol, providing a standardized way to connect AI models to different data sources and tools.
Last updated -
0
10
MIT License

View all related MCP servers

grafana-mcp-analyzer

Grafana MCP Analyzer 🤖

✨ 项目简介

🚀 核心特性

🛠️ 快速开始

第一步：安装

第二步：配置AI助手（以Cursor为例）

第三步：编写配置文件

第四步：开始使用！

MCP工具清单

工具使用方式

高级配置

方式一：HTTP API（如 `dogecoin_panel_7`）

方式二：curl（推荐，适用于所有面板，如`overall_cpu_utilization100`）：

1. 远程路径

2. 本地路径

配置示例

业务场景配置

系统监控配置

聚合分析配置

常见问题

文章推荐

许可证

Related MCP Servers

Google Cloud MCP Server

Earthdata MCP Server

Grafanaofficial

MCP Boilerplate

New MCP Servers

MCP directory API

Grafana MCP Analyzer 🤖

✨ 项目简介

🚀 核心特性

🛠️ 快速开始

第一步：安装

第二步：配置AI助手（以Cursor为例）

第三步：编写配置文件

第四步：开始使用！

MCP工具清单

工具使用方式

高级配置

方式一：HTTP API（如 dogecoin_panel_7）

方式二：curl（推荐，适用于所有面板，如overall_cpu_utilization100）：

1. 远程路径

2. 本地路径

配置示例

业务场景配置

系统监控配置

聚合分析配置

常见问题

文章推荐

许可证

Related MCP Servers

Google Cloud MCP Server

Earthdata MCP Server

Grafanaofficial

MCP Boilerplate

New MCP Servers

MCP directory API

方式一：HTTP API（如 `dogecoin_panel_7`）

方式二：curl（推荐，适用于所有面板，如`overall_cpu_utilization100`）：