Grafana MCP Analyzer 🤖

让 AI 直接读懂你的监控数据，成为你的专属智能运维助手！

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..."

繁杂的监控图表，AI 辅助你一键解读。你无需再逐图筛查，真正实现从 图表到洞察 的闭环分析体验！

🚀 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
多轮对话支持 - 支持复杂的多轮对话分析，能够基于上下文进行深入分析
curl支持 - 直接使用浏览器 copy 的 curl 合成查询
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

💡 架构新模式：会话缓存 → 逐步获取数据 → 渐进式深入分析 → 缓存复用，让AI分析更准确、更高效。

🛠️ 快速开始

第一步：极速安装（30秒）

npm install -g grafana-mcp-analyzer

环境要求：Node.js 18+ | 安装指南

第二步：AI 助手集成（30秒）

Cursor设置 → “MCP” → 服务配置（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",
        "MAX_CHUNK_SIZE": "100"
      }
    }
  }
}

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（1分钟）

如需连接自有数据，可在 CONFIG_PATH 路径下创建配置文件：（grafana-config-play.js 示例 👉 点此查看）

如果你只想快速体验示例，可跳过此步骤，直接执行第四步。

点击展开查看示例

/**
 * 基于Grafana Play演示实例的配置文件
 * 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: {
    // Price Only, Hollow Candles
    // 使用HTTP API格式
    // 数据源：https://play.grafana.org/d/candlestick/candlestick?orgId=1&from=2021-07-13T22:13:30.740Z&to=2021-07-13T22:46:18.921Z&timezone=utc&viewPanel=panel-7
    candlestick_priceOnly_hollowCandles: {
      url: 'api/ds/query',
      method: 'POST',
      params: {
        ds_type: 'grafana-testdata-datasource',
        requestId: 'SQR279'
      },
      headers: {
        'accept': 'application/json, text/plain, */*',
        'accept-language': 'zh-CN,zh;q=0.9',
        'cache-control': 'no-cache',
        'content-type': 'application/json',
        'origin': 'https://play.grafana.org',
        'pragma': 'no-cache',
        'priority': 'u=1, i',
        'referer': 'https://play.grafana.org/d/candlestick/candlestick?orgId=1&from=2021-07-13T22:13:30.740Z&to=2021-07-13T22:46:18.921Z&timezone=utc&viewPanel=panel-7',
        'sec-ch-ua': '"Not)A;Brand";v="8", "Chromium";v="138", "Google Chrome";v="138"',
        'sec-ch-ua-mobile': '?0',
        'sec-ch-ua-platform': '"macOS"',
        'sec-fetch-dest': 'empty',
        'sec-fetch-mode': 'cors',
        'sec-fetch-site': 'same-origin',
        'traceparent': '00-f0f1243b82acf0e362fd1f836565154a-fc3a173d3190c9df-01',
        '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',
        'x-dashboard-title': 'Candlestick',
        'x-dashboard-uid': 'candlestick',
        'x-datasource-uid': 'PD8C576611E62080A',
        'x-grafana-device-id': '49c7d4ecdeee88ab5dde64deffa8ea2e',
        'x-grafana-org-id': '1',
        'x-panel-id': '7',
        'x-panel-plugin-id': 'candlestick',
        'x-panel-title': 'Price Only, Hollow Candles',
        'x-plugin-id': 'grafana-testdata-datasource'
      },
      data: {
        queries: [{
          csvFileName: "ohlc_dogecoin.csv",
          refId: "A",
          scenarioId: "csv_file",
          datasource: {
            type: "grafana-testdata-datasource",
            uid: "PD8C576611E62080A"
          },
          datasourceId: 454,
          intervalMs: 2000,
          maxDataPoints: 1180
        }],
        from: "1626214410740",
        to: "1626216378921"
      },
      systemPrompt: `您是狗狗币K线图分析专家。

**分析重点**：
1. 价格趋势识别 - 识别主要趋势方向(上涨/下跌/横盘)
2. 关键价位分析 - 找出支撑位和阻力位
3. 交易机会评估 - 基于K线形态识别入场时机
4. 风险评估 - 提供风险提示和投资建议

**输出格式**：
## 图表概览
- 时间范围：[具体时间]
- 价格范围：[最高价-最低价] 
- 主要趋势：[上涨/下跌/横盘]

## 技术分析
- 支撑位：[价格水平]
- 阻力位：[价格水平]
- 关键行为：[重要价格行为]

## 交易建议
- 短期方向：[看涨/看跌/中性]
- 关键价位：[关注价位]
- 风险提示：[重要提醒]`
    },
    // faro-shop-control-plane - Overall CPU Utilization
    // 使用 cUrl 格式
    // 数据源：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&viewPanel=panel-22
    overall_cpu_utilization: {
      curl: `curl 'https://play.grafana.org/api/ds/query?ds_type=prometheus&requestId=SQR112' \
  -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=GA1.2.1909983567.1753671369; _gid=GA1.2.532774264.1753671369; rl_page_init_referrer=RudderEncrypt%3AU2FsdGVkX1%2B2lASJjXBqxv6%2FOpvlv5ClRT5vw%2BELHuE%3D; rl_page_init_referring_domain=RudderEncrypt%3AU2FsdGVkX19MSXh%2BQbiHW5f9mLAaP3ghy%2FcJZIk9zhI%3D; intercom-id-agpb1wfw=219eac14-cc23-4ca5-aa16-c299fab8c0ab; intercom-session-agpb1wfw=; intercom-device-id-agpb1wfw=fd9a6df6-d6c8-4b40-958b-568fc7f30ae2; rl_group_id=RudderEncrypt%3AU2FsdGVkX196IBi0ppflecKuY9333Hf3E8fCWy4xJNU%3D; rl_group_trait=RudderEncrypt%3AU2FsdGVkX19%2Fc4msmFb6pg0d4rM%2BpLKI9zqEnxxFrPE%3D; rl_anonymous_id=RudderEncrypt%3AU2FsdGVkX186iymdvmvCOhwF2sff5XEHniCdK0idYHYA4P%2BUpg8hnPVqFbQpqF%2Fn5dfeDz3BxORb9hPn8cIvwQ%3D%3D; rl_user_id=RudderEncrypt%3AU2FsdGVkX1%2B7qEm%2BjVUpWQfQIZgdXaAXNAGDqx%2ByBo3qzXCeyxQWfQNHP9CFM4cX; rl_trait=RudderEncrypt%3AU2FsdGVkX19zSSOXFUxzg3KWR6VQOAkavGgxHg9JdbDKn6hPh3%2BBm3nDBP%2F6tM0wl0b6r0f1A2MZ2SeB6p9f%2FeeaUcrUzR%2FQDfqJHZGhOCdpwmOXZVVQncG%2Ff3ITY6GU%2BvGu9sfYHNgcpS5UHphpBA%3D%3D; _ga_Y0HRZEVBCW=GS2.2.s1753671369$o1$g1$t1753671728$j23$l0$h0; rl_session=RudderEncrypt%3AU2FsdGVkX18BkXGTwuY7KtE7Zr6WjpDFDtkvh9%2Btz4dc8BJeXT1%2FrqgdzGnXydN9EMwRRVR%2FQzGVBtyZ%2FNhg27pvhkbqL2QVLD%2F79GRtbxM8qDKCDo4c%2FfokCEdeF8AoiuRXQzPkAC7UEy7g1swC9w%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&viewPanel=panel-22&inspect=panel-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 'traceparent: 00-fea7a897de47671f57a42d15b26043a5-578babdc8cb152e0-01' \
  -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: 49c7d4ecdeee88ab5dde64deffa8ea2e' \
  -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":1180},{"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\\"}[1m]),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":1180}],"from":"1753660994019","to":"1753671794019"}'`,
      systemPrompt: `您是系统性能分析专家，专注于CPU使用率历史趋势分析。

**数据特点**：这是总体CPU使用率的历史时间序列数据，包含：
- **user**: 用户模式CPU使用率
- **system**: 系统模式CPU使用率  
- **iowait**: I/O等待时间
- **softirq**: 软件中断
- **Max Core Utilization**: 单核最大使用率

**分析重点**：
1. **历史趋势分析** - 识别CPU使用率的变化趋势和模式
2. **性能瓶颈识别** - 分析哪个CPU模式占用最多资源
3. **峰值分析** - 识别CPU使用率的峰值时间和原因
4. **系统健康评估** - 基于历史数据评估系统整体健康状况
5. **容量规划建议** - 基于趋势预测未来资源需求

**输出要求**：
- 提供具体的时间范围和数据统计
- 识别关键的性能指标和异常模式
- 分析不同CPU模式的使用情况
- 给出基于历史数据的优化建议

请提供详细的CPU性能趋势分析报告。`
    },
  }
};

module.exports = config;

第四步：开始使用！

修改完配置后，重启 Cursor 即可开始使用：

⚠️ 注意： 修改 mcp.json 或配置文件后，都需要重启 Cursor。

然后，体验 AI 智能分析：

1、你想了解：狗狗币最近的价格走势怎么样？

对话示例：

👤 你：帮我分析一下candlestick_priceOnly_hollowCandles的数据
🤖 AI：好的，我来获取狗狗币的K线数据并分析...

👤 你：这个分析太简单了，能详细说说支撑位和阻力位吗？
🤖 AI：基于刚才的数据，我来深入分析技术指标...

👤 你：现在看看candlestick_price_volume数据
🤖 AI：切换到价格成交量数据，分析市场活跃度...

👤 你：candlestick_priceOnly_hollowCandles和candlestick_price_volume这两个数据结合起来看，市场怎么样？
🤖 AI：综合两个数据源，市场目前...

2、你想了解：系统CPU整体运行状况如何？

对话示例：

👤 您：分析overall_cpu_utilization的数据
🤖 AI：提供CPU分析报告

👤 您：CPU使用率的变化趋势如何？
🤖 AI：基于刚才的数据，分析CPU使用率变化趋势

👤 您：这个峰值是什么时候出现的？
🤖 AI：基于我们之前的分析，识别CPU峰值时间

👤 您：需要扩容吗？扩容的成本是多少？
🤖 AI：基于历史数据，提供扩容建议和成本评估

一句话总结：AI 不再只是“聊天”，现在它也能读懂你的监控图表了。

MCP工具清单

工具	功能	使用场景
`analyze_query`	查询+AI分析	首次获取数据并分析
`analyze_existing_data`	基于已有数据分析	多轮对话深入分析
`chunk_workflow`	分块数据工作流	大数据量自动分块处理
`manage_cache`	缓存管理	缓存统计、清理和优化
`list_queries`	查询列表	查看可用数据源
`check_health`	健康检查	系统状态监控
`list_data`	数据列表	查看存储的历史数据
`server_status`	服务器状态	服务器运行信息

说明：系统采用会话缓存管理，支持渐进式分析和多轮对话，比传统的聚合分析更加灵活高效。

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
👤 "基于刚才的数据深入分析" → 🤖 调用 analyze_existing_data
👤 "查看缓存状态" → 🤖 调用 manage_cache
👤 "分析大数据量" → 🤖 调用 chunk_workflow

// 缓存管理操作
👤 "查看缓存" → 🤖 调用 manage_cache
👤 "删除overall_cpu_utilization缓存" → 🤖 调用 manage_cache
👤 "清空所有缓存" → 🤖 调用 manage_cache

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。

如何获取 Request 配置？

方式一：HTTP API（如 `candlestick_priceOnly_hollowCandles`）

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_utilization`）：

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

配置建议（MAX_CHUNK_SIZE）

"env": {
  "MAX_CHUNK_SIZE": "100"
}

受限于目前市场 AI 模型的上下文处理能力，为提高分析的准确性和效率，系统会自动将大数据量按 100KB 分块处理。

100KB - 保守策略，兼容所有模型
150KB - 平衡策略，推荐设置
200KB - 激进策略，仅限新模型

推荐设置：

Claude 3.5 Sonnet / GPT-4 Turbo: MAX_CHUNK_SIZE=150
GPT-4 (8K): MAX_CHUNK_SIZE=100
Claude 3: MAX_CHUNK_SIZE=200

建议分析的数据最大体积控制在 500KB 以内（可根据模型能力做适当调整），分析效果最佳。您可以通过调整查询的时间范围、数据源等参数来控制总数据量。

环境变量说明

{
  "mcpServers": {
    "grafana": {
      "command": "grafana-mcp-analyzer",
      "env": {
        "CONFIG_PATH": "https://raw.githubusercontent.com/SailingCoder/grafana-mcp-analyzer/main/config/grafana-config-play.js",
        "MAX_CHUNK_SIZE": "100",
        "DATA_EXPIRY_HOURS": "24",
        "CONFIG_MAX_AGE": "300",
        "SESSION_TIMEOUT_HOURS": "24"
      }
    }
  }
}

环境变量名	类型	默认值	说明
`MAX_CHUNK_SIZE`	number	`100`	单块最大数据体积（KB），影响数据切片大小，可根据AI模型上下文窗口调整
`CONFIG_PATH`	string	必填	配置文件路径（本地或 HTTPS 远程地址），支持GitHub Raw、云存储等
`CONFIG_MAX_AGE`	number	`300`	远程配置文件缓存时间（秒），设为 `0` 则禁用
`DATA_EXPIRY_HOURS`	number	`24`	数据过期时间（小时），避免频繁网络请求，控制缓存自动清理
`SESSION_TIMEOUT_HOURS`	number	`24`	会话超时时间（小时），控制会话管理，过期会话会被自动清理

支持配置类型：本地绝对路径 / 远程路径

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"
      }
    }
  }
}

命令行选项

# 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

配置示例

电商业务分析

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。`
}

金融风控分析

**用户问题**："我的交易系统有风险吗？如何预防欺诈？"

// 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。`
}

用户行为分析

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。`
}

服务器性能监控

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`
}

应用错误监控

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。`
}

常见问题

无法连接到Grafana服务

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

AI提示找不到MCP工具

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

查询执行失败或超时

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

多轮对话中数据混淆

确保使用正确的queryName，不同查询使用不同的名称
系统会自动缓存不同查询的数据，避免混淆
如果遇到数据混淆，可以重新调用analyze_query获取新数据
使用analyze_existing_data进行基于缓存数据的深入分析
系统支持会话隔离，不同会话的数据相互独立

缓存管理问题

查看缓存统计：使用manage_cache工具查看缓存状态 👤 你：获取缓存 🤖 AI：我来为您获取当前的缓存信息
清理过期缓存：定期清理过期缓存释放存储空间 👤 你：清除所有缓存 🤖 AI：我来尝试清除所有缓存。
缓存性能优化：系统会自动进行智能缓存优化
缓存冲突处理：相同queryName不同配置会自动去重

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。

Name		Name	Last commit message	Last commit date
Latest commit History 155 Commits
build		build
config		config
docs		docs
src		src
tests		tests
.gitignore		.gitignore
.npmignore		.npmignore
LICENSE		LICENSE
README.md		README.md
README_EN.md		README_EN.md
package.json		package.json
test_startup.sh		test_startup.sh
tsconfig.json		tsconfig.json

Provide feedback

Saved searches

Use saved searches to filter your results more quickly

Uh oh!

Repository files navigation

Grafana MCP Analyzer 🤖

✨ 项目简介

🚀 核心特性

🛠️ 快速开始

第一步：极速安装（30秒）

第二步：AI 助手集成（30秒）

第三步：编写配置文件（1分钟）

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 `candlestick_priceOnly_hollowCandles`）

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

1. 远程路径

2. 本地路径

配置示例

常见问题

文章推荐

许可证

About

Uh oh!

Releases

Packages

Uh oh!

Languages

License

SailingCoder/grafana-mcp-analyzer

Folders and files

Latest commit

History

Repository files navigation

Grafana MCP Analyzer 🤖

✨ 项目简介

🚀 核心特性

🛠️ 快速开始

第一步：极速安装（30秒）

第二步：AI 助手集成（30秒）

第三步：编写配置文件（1分钟）

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 candlestick_priceOnly_hollowCandles）

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

1. 远程路径

2. 本地路径

配置示例

常见问题

文章推荐

许可证

About

Topics

Resources

License

Uh oh!

Stars

Watchers

Forks

Releases

Packages 0

Uh oh!

Languages

方式一：HTTP API（如 `candlestick_priceOnly_hollowCandles`）

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

Packages