Prometheus MCP Server
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.
Related MCP server: Prometheus MCP Server
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
.envo 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
# Optional: For multi-tenant setups like Cortex, Mimir or Thanos
ORG_ID=your_organization_idAgregue 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 ENOENTen Claude Desktop, es posible que deba especificar la ruta completa auvo establecer la variable de entornoNO_UV=1en la configuración.
Uso de Docker
Este proyecto incluye soporte para Docker para una fácil implementación y aislamiento.
Imagen de Docker preconstruida
La forma más sencilla de utilizar este proyecto es con la imagen prediseñada de GitHub Container Registry:
docker pull ghcr.io/pab1it0/prometheus-mcp-server:latestTambién puedes utilizar versiones específicas con etiquetas:
docker pull ghcr.io/pab1it0/prometheus-mcp-server:1.0.0Construyendo la imagen de Docker localmente
Si prefieres construir la imagen tú mismo:
docker build -t prometheus-mcp-server .Ejecutando con Docker
Puedes ejecutar el servidor usando Docker de varias maneras:
Usando Docker Run con la imagen precompilada:
docker run -it --rm \
-e PROMETHEUS_URL=http://your-prometheus-server:9090 \
-e PROMETHEUS_USERNAME=your_username \
-e PROMETHEUS_PASSWORD=your_password \
ghcr.io/pab1it0/prometheus-mcp-server:latestUsando docker run con una imagen creada localmente:
docker run -it --rm \
-e PROMETHEUS_URL=http://your-prometheus-server:9090 \
-e PROMETHEUS_USERNAME=your_username \
-e PROMETHEUS_PASSWORD=your_password \
prometheus-mcp-serverUsando docker-compose:
Cree un archivo .env con sus credenciales de Prometheus y luego ejecute:
docker-compose upEjecutar 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",
"ghcr.io/pab1it0/prometheus-mcp-server:latest"
],
"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 | shLuego 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 filePruebas
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-missingLas 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 |
| Consulta | Ejecutar una consulta instantánea de PromQL contra Prometheus |
| Consulta | Ejecute una consulta de rango PromQL con hora de inicio, hora de finalización e intervalo de pasos |
| Descubrimiento | Enumere todas las métricas disponibles en Prometheus |
| Descubrimiento | Obtener metadatos para una métrica específica |
| Descubrimiento | Obtenga información sobre todos los objetivos de scraping |
Licencia
Instituto Tecnológico de Massachusetts (MIT)
Available Tools
6 toolsexecute_queryExecute PromQL QueryCRead-onlyIdempotent
Execute a PromQL instant query against Prometheus
Inputs: query (required), time. Returns: object
execute_range_queryExecute PromQL Range QueryBRead-onlyIdempotent
Execute a PromQL range query with start time, end time, and step interval
Inputs: query (required), start (required), end (required), step (required). Returns: object
get_metric_metadataGet Metric MetadataARead-onlyIdempotent
Get metadata (type, help, unit) for metrics. Returns all metric metadata when no metric name is provided. Use filter_pattern to search metric names and descriptions.
Inputs: metric, filter_pattern, limit, offset. Returns: result
get_targetsGet Scrape TargetsARead-onlyIdempotent
Get information about all scrape targets
Inputs: no named parameters. Returns: object
health_checkHealth CheckARead-onlyIdempotent
Health check endpoint for container monitoring and status verification
Inputs: no named parameters. Returns: object
list_metricsList Available MetricsARead-onlyIdempotent
List all available metrics in Prometheus with optional pagination support
Inputs: limit, offset, filter_pattern, refresh_cache. Returns: object
Tool Schema Changelog
Recent tool additions, removals, and schema changes observed during successful MCP inspections.
Loading tool schema changelog…
TDQS
Scored across 6 tools
Each tool has a clearly distinct purpose: query types (instant vs range), metadata retrieval, target info, health check, and metric listing. No overlap.
All tool names follow a consistent verb_noun pattern in snake_case (e.g., execute_query, get_metric_metadata). No deviations.
Six tools cover the essential Prometheus operations without being excessive or insufficient. Well-scoped for the server's purpose.
Core CRUD-like operations for queries and metadata are present. Minor gaps like alert management or rule configuration are missing but not critical for the primary use case.
Maintenance
Related MCP Connectors
Query your app's logs, metrics and incidents from your AI assistant.
Query application logs, traces, and metrics from your AI coding assistant via Foam's MCP server.
Lets AI agents analyze API metrics, request logs, and traces, and manage apps and alerts.
List datasets, schemas, run APL queries, and use prompts for exploration, anomalies, and monitoring.
Related MCP Servers
- AlicenseNot gradedqualityDmaintenanceA tool that enables access to Prometheus metrics data through a Model Context Protocol server, allowing interaction with monitoring data using natural language.MIT
- AlicenseBqualityDmaintenanceA Model Context Protocol server that enables AI assistants to query Prometheus metrics, discover available data, and analyze system performance through natural language interactions.5224 npmMIT
- AlicenseNot gradedqualityDmaintenanceEnables AI assistants to query Prometheus metrics, monitor alerts, and analyze system health through read-only access to your Prometheus server with built-in query safety and optional AI-powered metric analysis.MIT
- AlicenseNot gradedqualityDmaintenanceEnables AI assistants to execute PromQL queries and discover metrics across multiple Prometheus tenants using the Model Context Protocol. It supports single and multi-tenant configurations with secure authentication for instant and range query analysis.MIT