Grafana 官方 MCP 接入 WorkBuddy：自然语言查询监控、日志与告警的接入梳理
Grafana 官方开源的 MCP Server（mcp-grafana）可以通过标准 MCP 协议，把 Grafana 里的仪表盘、指标、日志、链路、告警、事件和值班信息开放给 AI 助手调用；接入 WorkBuddy 这类 Agent 平台后，运维人员可以直接用自然语言提问，由 AI 自动选择对应 MCP 工具查询真实监控数据并做关联分析，不用再在 Prometheus、Loki、Tempo 等数据源之间来回切换。需要先分清两条线路：本次 WorkBuddy 案例走的是自托管开源 MCP Server，用 Service Account Token 鉴权，可对接自建或 Cloud 版 Grafana；另有一条 Grafana Cloud 托管 MCP Server，走 OAuth 2.1、仅支持 Cloud 实例。实际能调用哪些工具，取决于 Grafana 版本、数据源配置、工具启用情况和账号权限；在默认配置下建议保持只读查询，不擅自修改仪表盘、告警规则或事件配置。
一、整体分工与架构
| 角色 | 承担职责 |
|---|---|
| Grafana | 监控数据展示与可观测性管理，统一接入 Prometheus、Loki、Tempo 等数据源 |
| Grafana MCP Server | 在 AI 助手与 Grafana 之间增加一层 MCP 服务，把 Grafana 操作封装成可调用的工具 |
| WorkBuddy | 理解用户自然语言问题、选择并调用 MCP 工具、整理查询结果与分析结论 |
| 数据源 | Prometheus（指标）、Loki（日志）、Tempo（链路）、Pyroscope（性能剖析）等 |
MCP（Model Context Protocol，模型上下文协议）是一套开放标准，让 AI Agent 不需要写自定义集成就能连接外部工具和数据源；Grafana MCP 公开的工具直接映射到 Grafana 中的具体操作，例如查询指标和日志、搜索仪表盘、管理告警规则、处理事件和值班安排、生成深度链接。
二、Grafana MCP 提供的工具类别
| 功能分类 | 主要用途 |
|---|---|
| Dashboard | 搜索仪表盘、获取仪表盘详情、面板查询与深度链接 |
| Datasource | 列出和查看已配置的数据源 |
| Prometheus | 发现指标、元数据、标签，执行 PromQL 即时查询和范围查询、直方图分位数查询 |
| Loki | 日志标签查询、LogQL 日志检索、日志流统计与日志模式分析 |
| Tempo | 查询链路追踪数据，按 ID 获取或对比链路、从 Span 计算指标 |
| Alerting | 查看和筛选告警规则、告警路由与通知策略 |
| Incident | 列出和查看事件，写入事件时间线备注 |
| OnCall | 查询值班排班、班次、团队、当前值班人员和告警组 |
| Pyroscope | 查询持续性能分析数据、标签与剖析类型 |
| Annotations | 查看和创建仪表盘注释 |
| 其他 | 文件夹导航、快照、面板渲染为图片、基础设施拓扑汇总、查询示例等 |
补充说明：开源版与 Cloud 版暴露的工具类别大体一致，Cloud 版还附带 Assistant 原生工具；标注 Query 的 SQL 查询工具需要查询权限，标注 Write 的工具（如更新仪表盘、创建事件、创建 / 更新告警规则、创建注释、发起调查）需要写权限。
三、两条接入线路的区别
| 对比维度 | 自托管开源 MCP Server（mcp-grafana） | Grafana Cloud 托管 MCP Server |
|---|---|---|
| 部署方式 | 本地或自托管环境运行，需手动安装配置 | 完全托管，无需本地安装 |
| 鉴权方式 | 手动配置，用户 / 密码或 Service Account Token | OAuth 2.1 浏览器授权流程 |
| 权限范围 | 由 Service Account Token 的权限决定 | 用户级权限，Agent 只继承该用户在 Grafana RBAC 中的权限 |
| 适用实例 | 自建 Grafana 或 Grafana Cloud 均可 | 仅支持 Grafana Cloud |
| 传输协议 | Streamable HTTP | 仅支持 Streamable HTTP，不支持 SSE |
| 会话与计费 | 按自托管方式管理 | OAuth Token 有效期 1 小时、自动刷新 30 天；连接用户计入 Assistant 活跃用户用量 |
本次 WorkBuddy 案例对应第一条线路：用 Docker Compose 拉起开源 mcp-grafana 服务，再由 WorkBuddy 通过 HTTP 连接器调用。
四、开源 MCP 接入 WorkBuddy 的步骤
1. 在 Grafana 中准备服务账号与 Token
- 进入 Grafana 的 Administration → Service accounts，新增一个专供 MCP 使用的服务账号。
- 为该账号分配最小必要权限：只读场景下只授予仪表盘、数据源、指标、日志、链路、告警和事件的查看权限。
- 创建并保存 Service Account Token，后续作为环境变量填入 MCP 服务配置。
2. 用 Docker Compose 部署 MCP 服务
关键配置项包括：
- 镜像：grafana/mcp-grafana:latest
- 环境变量：GRAFANA_URL（Grafana 地址）、GRAFANA_SERVICE_ACCOUNT_TOKEN（上一步获取的 Token）
- 启动参数：-t streamable-http，监听端口示例为 :8000
- 端口映射：8000:8000
- 重启策略：unless-stopped
服务启动后，通过 Streamable HTTP 对外提供 MCP 接口，WorkBuddy 等兼容 MCP 的 AI 助手即可调用。
3. 在 WorkBuddy 中添加自定义 MCP 连接器
操作路径：左侧菜单 「专家・技能・连接器」→「连接器」→ 右上角「自定义连接器」→「配置 MCP」，粘贴 HTTP 类型配置：
{
"mcpServers": {
"grafana-mcp": {
"type": "http",
"url": "http://:8000/mcp",
"headers": {
"Authorization": ""
},
"disabled": false
}
}
}
- 保存配置后回到 MCP 列表，点击「信任」完成授权确认。
- 按案例记录，信任成功后可加载到数十个 Grafana 工具；实际工具数量随 MCP 版本、Grafana 版本和数据源配置变化，案例中记录为 58 个。
4. 创建专属 Grafana 运维专家
在 「专家・技能・连接器」→「专家」 中新建专家，关联 grafana-mcp 工具，用自然语言描述职责。案例中的专家要求包括：
- 理解用户意图，自动选择合适的 Grafana MCP 工具，主动查询真实监控数据。
- 支持仪表盘搜索、数据源查询、Prometheus 指标分析、告警状态分析。
- 覆盖 CPU、内存、磁盘、网络、接口响应时间、错误率等常见指标，以及 Node、Pod、应用服务健康巡检。
- 自动确定查询范围、时间区间和相关数据源，必要时组合多个工具交叉分析。
- 发现指标异常后，进一步关联日志、告警或链路数据，形成有依据的排查结论。
- 不编造监控数据、日志、告警或分析结论；查询失败、数据源不可用或数据不足时明确说明原因，不把推测当事实。
- 默认执行只读查询，不擅自修改仪表盘、数据源、告警规则或其他 Grafana 配置。
五、自然语言排查的典型工作流
以 "最近 30 分钟支付服务响应变慢，帮忙分析原因" 为例，接入后 AI 可以按以下顺序组合工具：
- 指标定位：通过 Prometheus 工具查询支付服务 CPU、内存、请求量、HTTP 500 错误率、P95 响应时间等指标。
- 仪表盘对照：搜索支付服务相关 Dashboard，查看面板查询和历史趋势。
- 日志关联：通过 Loki 工具检索支付服务在对应时间窗口的错误日志和日志模式。
- 告警核对：查询 Grafana Alerting 规则与当前告警状态，确认是否有触发中的告警。
- 链路补充：如有 Tempo 数据源，按服务和时间窗口检索异常链路，定位慢请求或错误节点。
- 输出结论：汇总关键指标、异常现象、推理依据和可能原因，给出可执行的排查、优化和监控改进建议。
六、Grafana MCP 与 Prometheus MCP 的取舍
| 对比维度 | Prometheus MCP | Grafana MCP |
|---|---|---|
| 核心定位 | 专注 Prometheus 指标查询 | 面向整个 Grafana 平台的可观测性接入 |
| PromQL 查询 | 支持 | 支持 |
| 指标元数据 / 标签查询 | 支持 | 支持 |
| Prometheus Targets 与运行状态 | 支持 | 非核心能力 |
| Dashboard 与数据源查询 | 非核心能力 | 支持 |
| Loki 日志 / Tempo 链路 | 非核心能力 | 支持 |
| Grafana 告警、事件、值班 | 提供 Prometheus 告警及规则查询 | 提供 Grafana Alerting、Incident、OnCall 能力 |
- 需求主要是 CPU、内存、磁盘、请求量、响应时间等 PromQL 指标分析，Prometheus MCP 即可覆盖。
- 环境已经用 Grafana 统一管理 Prometheus、Loki、Tempo 等数据源，希望 AI 同时查仪表盘、日志、告警和链路，Grafana MCP 更合适。
- 两者同时接入时要注意工具重叠，建议按分工划分：Prometheus MCP 负责深入 PromQL 和指标元数据，Grafana MCP 负责平台侧的仪表盘、日志、链路和告警能力。
七、权限、安全与使用限制
1. 权限分级（Cloud 版授权页口径，自托管场景同理按账号权限收敛）
| 权限档位 | 可执行操作 |
|---|---|
| Read | 查看仪表盘、告警、事件、指标、日志、链路和剖析数据 |
| Query | 对 SQL 数据源（ClickHouse、Snowflake、Athena、InfluxDB 等）执行原样查询；查询语句按原文下发，若数据源凭证允许，可能修改数据 |
| Write | 创建和修改仪表盘、告警、事件、数据源、Assistant 调查；包含 Query 和 Read 权限 |
- 只做只读分析时，取消 Write 和 Query 勾选，仅保留 Read。
- 仅关闭 Write 不会限制 SQL 原样查询，Query 权限需要单独收回。
2. 安全注意事项
- 服务账号按最小权限分配，Token 单独保管，不写入公开仓库或分享给无关人员。
- 连接器配置中的凭证只保存在受控的 Agent 平台配置中；案例配置里的示例 Token 不可直接复用。
- 写操作（改仪表盘、建事件、改告警规则）建议保留人工审批，不交给 Agent 自动执行。
- MCP 排查结论应回到 Grafana 原始面板、日志和告警记录中复核，避免把模型推测当成事实。
3. 已知限制
- 开源版工具可用性受 Grafana 版本、数据源配置、工具启用情况和账号权限约束；未配置对应数据源时，相关工具查不到数据。
- Cloud 托管 MCP 仅支持 Grafana Cloud，自建实例需使用本地开源 MCP Server；传输仅支持 Streamable HTTP。
- Cloud 版连接用户计入 Assistant 活跃用户用量；只读调用本身不消耗 Assistant 模型 Token，只有调用 Assistant 模型时才计费。
- 案例中 "加载 58 个工具" 为当时版本环境下的记录，不同版本和配置下工具数量会有差异。
【常见问题】
问题 1：Grafana 官方 MCP 接入 WorkBuddy 后，能直接用自然语言做什么？
回答 1：接入后，WorkBuddy 可以理解自然语言提问，自动调用 Grafana MCP 工具查询监控指标、Loki 日志、Tempo 链路、仪表盘、告警规则、事件和值班信息，并把结果关联起来做异常定位和趋势分析；例如直接问 "支付服务最近 30 分钟为什么变慢"，AI 会依次查指标、日志和告警，再给出有依据的排查结论，不需要人工登录 Grafana 逐个切换数据源。
问题 2：把 Grafana MCP 接到 WorkBuddy，需要自己部署服务吗？
回答 2：本次案例使用的是开源 mcp-grafana 自托管线路，需要在本机或服务器上用 Docker Compose 部署 MCP 服务，配置 Grafana 地址和 Service Account Token，再在 WorkBuddy 的自定义连接器中填入 HTTP 地址和凭证；如果使用 Grafana Cloud，也可以改用托管 Cloud MCP Server，通过 OAuth 2.1 浏览器授权连接，不需要本地安装，但只支持 Cloud 实例。
问题 3：Grafana MCP 能查到哪些监控、日志和告警数据？
回答 3：工具覆盖仪表盘搜索与详情、数据源列表、Prometheus 指标与 PromQL、Loki 日志与 LogQL、Tempo 链路、Pyroscope 剖析数据、Grafana 告警规则与路由、Incident 事件、OnCall 值班与告警组、注释等；具体能查到哪一类，取决于 Grafana 是否配置了对应数据源、MCP 工具是否启用，以及服务账号或授权用户是否有相应权限。
问题 4：Grafana MCP 接入 WorkBuddy 后，AI 能不能自动改仪表盘和告警规则？
回答 4：默认建议保持只读查询，不授予写权限；更新仪表盘、创建事件、创建或更新告警规则、创建注释、发起调查等都属于 Write 工具，需要单独的写权限。Cloud 版授权时可以只勾选 Read、取消 Query 和 Write；自托管场景则通过服务账号权限收敛。写操作在生产环境建议保留人工审批，不要让 Agent 自动执行。
问题 5：已经接了 Prometheus MCP，还有必要再接 Grafana MCP 吗？
回答 5：两者有部分重叠但定位不同。Prometheus MCP 只围绕 Prometheus 指标和 PromQL，适合深度指标分析；Grafana MCP 面向整个 Grafana 平台，除指标外还能查仪表盘、Loki 日志、Tempo 链路、告警、事件和值班安排。如果只做 CPU、内存、响应时间等指标排查，Prometheus MCP 够用；如果需要跨指标、日志、链路和告警做关联排查，Grafana MCP 更合适，两者也可以同时接入并按工具分工。
【参考资料】
- [2026-11-09]（MCP 接入 WorkBuddy，监控、日志、告警分析直接用自然语言！）今日头条
- [2026-11-06]（Any agent anywhere: How to use Grafana Cloud with Claude, Cursor, and any other AI agent）Grafana Labs 博客
- [2026-08-27]（Grafana Cloud MCP server）Grafana Cloud 文档
- [2026-08-09]（Grafana MCP 服务器简介）Grafana 中文文档
- [2026-07-28]（Cloud MCP server: Connect your agents to Grafana Cloud with a single URL）Grafana Labs What's New
【免责声明】
本文基于 Grafana 官方文档、官方博客及公开技术案例整理，工具清单、权限档位、计费口径和会话有效期对应各自文档版本，具体以当前 Grafana 实例、Cloud 服务条款和 MCP 工具实际返回为准；案例中的部署地址、Token、工具数量和专家提示词仅作示例，不构成可直接照搬的生产配置。本文仅作技术接入与运维场景梳理参考，不构成安全审计结论或部署承诺；涉及生产环境的权限分配、写操作开放和凭证管理，请结合内部安全规范评估后实施。
今日头条GrafanaGrafanaGrafanaGrafana