Servidor MCP Prometheus

Un servidor de Protocolo de Contexto Modelo (MCP) para Prometheus.

Esto proporciona acceso a sus métricas y consultas de Prometheus a través de interfaces MCP estandarizadas, lo que permite que los asistentes de IA ejecuten consultas PromQL y analicen sus datos de métricas.

Características

[x] Ejecutar consultas PromQL contra Prometheus
[x] Descubra y explore métricas
- [x] Lista de métricas disponibles
- [x] Obtener metadatos para métricas específicas
- [x] Ver resultados de consultas instantáneas
- [x] Ver resultados de consultas de rango con diferentes intervalos de pasos
[x] Soporte de autenticación
- [x] Autenticación básica desde variables de entorno
- [x] Autorización del token portador desde variables de entorno
[x] Compatibilidad con contenedores Docker
[x] Proporcionar herramientas interactivas para asistentes de IA

La lista de herramientas es configurable, por lo que puede elegir qué herramientas quiere que estén disponibles para el cliente MCP. Esto resulta útil si no utiliza ciertas funciones o si no desea ocupar demasiado espacio en la ventana de contexto.

Uso

Asegúrese de que su servidor Prometheus sea accesible desde el entorno donde ejecutará este servidor MCP.
Configure las variables de entorno para su servidor Prometheus, ya sea a través de un archivo .env o variables de entorno del sistema:

# Required: Prometheus configuration
PROMETHEUS_URL=http://your-prometheus-server:9090

# Optional: Authentication credentials (if needed)
# Choose one of the following authentication methods if required:

# For basic auth
PROMETHEUS_USERNAME=your_username
PROMETHEUS_PASSWORD=your_password

# For bearer token auth
PROMETHEUS_TOKEN=your_token

Agregue la configuración del servidor al archivo de configuración del cliente. Por ejemplo, para Claude Desktop:

{
  "mcpServers": {
    "prometheus": {
      "command": "uv",
      "args": [
        "--directory",
        "<full path to prometheus-mcp-server directory>",
        "run",
        "src/prometheus_mcp_server/main.py"
      ],
      "env": {
        "PROMETHEUS_URL": "http://your-prometheus-server:9090",
        "PROMETHEUS_USERNAME": "your_username",
        "PROMETHEUS_PASSWORD": "your_password"
      }
    }
  }
}

Nota: si ve Error: spawn uv ENOENT en Claude Desktop, es posible que deba especificar la ruta completa a uv o establecer la variable de entorno NO_UV=1 en la configuración.

Uso de Docker

Este proyecto incluye soporte para Docker para una fácil implementación y aislamiento.

Construyendo la imagen de Docker

Construya la imagen de Docker usando:

docker build -t prometheus-mcp-server .

Ejecutando con Docker

Puedes ejecutar el servidor usando Docker de varias maneras:

Usando docker run directamente:

docker run -it --rm \
  -e PROMETHEUS_URL=http://your-prometheus-server:9090 \
  -e PROMETHEUS_USERNAME=your_username \
  -e PROMETHEUS_PASSWORD=your_password \
  prometheus-mcp-server

Usando docker-compose:

Cree un archivo .env con sus credenciales de Prometheus y luego ejecute:

docker-compose up

Ejecutar con Docker en Claude Desktop

Para utilizar el servidor en contenedores con Claude Desktop, actualice la configuración para usar Docker con las variables de entorno:

{
  "mcpServers": {
    "prometheus": {
      "command": "docker",
      "args": [
        "run",
        "--rm",
        "-i",
        "-e", "PROMETHEUS_URL",
        "-e", "PROMETHEUS_USERNAME",
        "-e", "PROMETHEUS_PASSWORD",
        "prometheus-mcp-server"
      ],
      "env": {
        "PROMETHEUS_URL": "http://your-prometheus-server:9090",
        "PROMETHEUS_USERNAME": "your_username",
        "PROMETHEUS_PASSWORD": "your_password"
      }
    }
  }
}

Esta configuración pasa las variables de entorno de Claude Desktop al contenedor Docker utilizando el indicador -e con solo el nombre de la variable y proporcionando los valores reales en el objeto env .

Nota sobre la implementación de Docker : La configuración de Docker se ha actualizado para que coincida con la estructura del proyecto chess-mcp, que ha demostrado funcionar correctamente con Claude. La nueva implementación utiliza un proceso de compilación multietapa y ejecuta el script de punto de entrada directamente sin un script de shell intermediario. Este enfoque garantiza la correcta gestión de la entrada estándar (stdin) y la salida estándar (stdout) para la comunicación MCP.

Desarrollo

¡Agradecemos sus contribuciones! Abra un problema o envíe una solicitud de incorporación de cambios si tiene alguna sugerencia o mejora.

Este proyecto utiliza uv para gestionar las dependencias. Instale uv siguiendo las instrucciones para su plataforma:

curl -LsSf https://astral.sh/uv/install.sh | sh

Luego puede crear un entorno virtual e instalar las dependencias con:

uv venv
source .venv/bin/activate  # On Unix/macOS
.venv\Scripts\activate     # On Windows
uv pip install -e .

Estructura del proyecto

El proyecto se ha organizado con una estructura de directorio src :

prometheus-mcp-server/
├── src/
│   └── prometheus_mcp_server/
│       ├── __init__.py      # Package initialization
│       ├── server.py        # MCP server implementation
│       ├── main.py          # Main application logic
├── Dockerfile               # Docker configuration
├── docker-compose.yml       # Docker Compose configuration
├── .dockerignore            # Docker ignore file
├── pyproject.toml           # Project configuration
└── README.md                # This file

Pruebas

El proyecto incluye un conjunto de pruebas integral que garantiza la funcionalidad y ayuda a prevenir regresiones.

Ejecute las pruebas con pytest:

# Install development dependencies
uv pip install -e ".[dev]"

# Run the tests
pytest

# Run with coverage report
pytest --cov=src --cov-report=term-missing

Las pruebas se organizan en:

Pruebas de validación de configuración
Pruebas de funcionalidad del servidor
Pruebas de manejo de errores
Pruebas de aplicación principales

Al agregar nuevas funciones, agregue también las pruebas correspondientes.

Herramientas

Herramienta	Categoría	Descripción
`execute_query`	Consulta	Ejecutar una consulta instantánea de PromQL contra Prometheus
`execute_range_query`	Consulta	Ejecute una consulta de rango PromQL con hora de inicio, hora de finalización e intervalo de pasos
`list_metrics`	Descubrimiento	Enumere todas las métricas disponibles en Prometheus
`get_metric_metadata`	Descubrimiento	Obtener metadatos para una métrica específica
`get_targets`	Descubrimiento	Obtenga información sobre todos los objetivos de scraping

Licencia

Instituto Tecnológico de Massachusetts (MIT)

Prometheus MCP Server

Integrations