Prometheus MCP Server
Сервер Prometheus MCP
Сервер протокола контекста модели (MCP) для Prometheus.
Это обеспечивает доступ к вашим метрикам и запросам Prometheus через стандартизированные интерфейсы MCP, позволяя помощникам на основе ИИ выполнять запросы PromQL и анализировать данные ваших метрик.
Функции
[x] Выполнение запросов PromQL к Prometheus
[x] Откройте для себя и изучите метрики
[x] Список доступных метрик
[x] Получить метаданные для определенных показателей
[x] Просмотр мгновенных результатов запроса
[x] Просмотр результатов запроса диапазона с различными интервалами шагов
[x] Поддержка аутентификации
[x] Базовая аутентификация из переменных окружения
[x] Аутентификация токена носителя из переменных среды
[x] Поддержка контейнеризации Docker
[x] Предоставьте интерактивные инструменты для помощников на основе искусственного интеллекта
Список инструментов настраивается, поэтому вы можете выбрать, какие инструменты вы хотите сделать доступными для клиента MCP. Это полезно, если вы не используете определенные функции или не хотите занимать слишком много места в окне контекста.
Related MCP server: Prometheus MCP Server
Использование
Убедитесь, что ваш сервер Prometheus доступен из среды, в которой вы будете запускать этот сервер MCP.
Настройте переменные среды для вашего сервера Prometheus с помощью файла
.envили системных переменных среды:
# 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_idДобавьте конфигурацию сервера в файл конфигурации клиента. Например, для 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"
}
}
}
}Примечание: если вы видите
Error: spawn uv ENOENTв Claude Desktop, вам может потребоваться указать полный путь кuvили задать переменную средыNO_UV=1в конфигурации.
Использование Докера
Этот проект включает поддержку Docker для простого развертывания и изоляции.
Готовый образ Docker
Самый простой способ использовать этот проект — использовать готовый образ из GitHub Container Registry:
docker pull ghcr.io/pab1it0/prometheus-mcp-server:latestВы также можете использовать определенные версии с тегами:
docker pull ghcr.io/pab1it0/prometheus-mcp-server:1.0.0Локальная сборка образа Docker
Если вы предпочитаете создать изображение самостоятельно:
docker build -t prometheus-mcp-server .Работа с Docker
Запустить сервер с помощью Docker можно несколькими способами:
Использование docker run с готовым образом:
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:latestИспользование docker run с локально собранным образом:
docker run -it --rm \
-e PROMETHEUS_URL=http://your-prometheus-server:9090 \
-e PROMETHEUS_USERNAME=your_username \
-e PROMETHEUS_PASSWORD=your_password \
prometheus-mcp-serverИспользование docker-compose:
Создайте файл .env с вашими учетными данными Prometheus, а затем запустите:
docker-compose upРабота с Docker в Claude Desktop
Чтобы использовать контейнерный сервер с Claude Desktop, обновите конфигурацию для использования Docker с переменными среды:
{
"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"
}
}
}
}Эта конфигурация передает переменные среды из Claude Desktop в контейнер Docker, используя флаг -e только с именем переменной и предоставляя фактические значения в объекте env .
Примечание о реализации Docker : настройка Docker была обновлена для соответствия структуре проекта chess-mcp, который, как было доказано, работает правильно с Claude. Новая реализация использует многоступенчатый процесс сборки и запускает скрипт точки входа напрямую без промежуточного скрипта оболочки. Такой подход обеспечивает правильную обработку stdin/stdout для связи MCP.
Разработка
Вклады приветствуются! Пожалуйста, откройте тему или отправьте запрос на извлечение, если у вас есть какие-либо предложения или улучшения.
Этот проект использует uv для управления зависимостями. Установите uv , следуя инструкциям для вашей платформы:
curl -LsSf https://astral.sh/uv/install.sh | shЗатем вы можете создать виртуальную среду и установить зависимости с помощью:
uv venv
source .venv/bin/activate # On Unix/macOS
.venv\Scripts\activate # On Windows
uv pip install -e .Структура проекта
Проект организован с использованием структуры каталогов 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 fileТестирование
Проект включает в себя комплексный набор тестов, который обеспечивает функциональность и помогает предотвратить регрессии.
Запустите тесты с помощью pytest:
# Install development dependencies
uv pip install -e ".[dev]"
# Run the tests
pytest
# Run with coverage report
pytest --cov=src --cov-report=term-missingТесты организованы следующим образом:
Тесты проверки конфигурации
Тесты функциональности сервера
Тесты обработки ошибок
Основные прикладные тесты
При добавлении новых функций, пожалуйста, также добавляйте соответствующие тесты.
Инструменты
Инструмент | Категория | Описание |
| Запрос | Выполнить мгновенный запрос PromQL к Prometheus |
| Запрос | Выполнить запрос диапазона PromQL с указанием начального времени, конечного времени и интервала шага |
| Открытие | Список всех доступных метрик в Prometheus |
| Открытие | Получить метаданные для определенной метрики |
| Открытие | Получить информацию обо всех целях скрапа |
Лицензия
Массачусетский технологический институт
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