搭建私有AI监控助手：Grafana MCP + 阿里云百炼完整部署指南

原创已于 2026-08-07 15:17:15 修改 · 426 阅读

4 ·

本内容遵循CC 4.0 BY-SA版权协议

GEO检测

收录于

Prometheus

人工智能

于 2026-08-07 15:08:57 首次发布

AI 时代程序员必备技能

Claude Code 完整实战，MCP 与子代理工程化落地，让 AI 接管脏活累活

一键订阅

引言

作为一名运维开发者，我每天都需要频繁查看Grafana监控面板，排查告警、分析日志、追踪性能指标。当集群规模扩大后，这种“人肉巡检”方式变得愈发低效——我需要一个能听懂人话的AI助手，帮我查仪表盘、分析PromQL、定位异常。

经过一番调研与实践，我利用MCP（模型上下文协议）打通了Grafana与AI大模型，成功搭建了一套私有的AI监控对话系统。本文将完整记录从0到1的部署过程，希望能帮你避开我踩过的坑。

资源链接：

grafana/mcp-grafana GitHub
Cherry Studio 官网
阿里云百炼控制台

一、核心概念：MCP是什么？

MCP（Model Context Protocol）是由Anthropic提出的开放标准协议，可以理解为AI世界的“USB-C接口”。它让AI模型能够通过统一的方式调用外部工具和数据源。

在我们这套架构中：

MCP服务（grafana/mcp-grafana）扮演“桥梁”角色，将Grafana的API封装成标准化的工具
AI模型（通义千问）作为“大脑”，理解用户意图并决定调用哪些工具
客户端（Cherry Studio）提供对话界面，连接AI模型和MCP服务

简单来说：用户提问 → AI理解并决策 → 通过MCP调用Grafana → 返回数据 → AI整理回复。

二、架构总览

┌─────────────────────────────────────────────────────────────────┐
│  用户 (对话界面)                                               │
│  └── Cherry Studio / Open WebUI                               │
│       │                                                       │
│       ▼                                                       │
│  AI模型 (阿里云百炼 Qwen)                                     │
│  └── 理解意图，决策调用哪些工具                                │
│       │                                                       │
│       ▼                                                       │
│  MCP协议 (HTTP/HTTPS)                                        │
│  └── 标准化的工具调用请求                                      │
│       │                                                       │
│       ▼                                                       │
│  Grafana MCP 服务 (grafana/mcp-grafana)                      │
│  └── 封装Grafana API为65+工具 (查询仪表盘/PromQL/告警等)      │
│       │                                                       │
│       ▼                                                       │
│  Grafana 实例 (数据源)                                        │
│  └── 返回监控数据                                             │
└─────────────────────────────────────────────────────────────────┘

三、前期准备

3.1 环境信息

操作系统：RHEL 9 / CentOS 9 (内核 5.14)
Grafana：服务器上已提前运行grafana 10.2.6 开源版，运行在 http://localhost:38002
AI模型：阿里云百炼 Qwen3.6 (通过API调用)
MCP服务：grafana/mcp-grafana (Docker部署)
客户端：Cherry Studio (桌面客户端)

3.2 需要的凭证

Grafana 服务账户令牌：用于MCP服务访问Grafana
阿里云百炼 API Key：用于调用Qwen模型

四、第一步：创建Grafana服务账户令牌

登录Grafana → 管理 → 服务账户
点击 新建服务账户：
- 名称：mcp-server
- 角色：Viewer（只读）或 Editor（可读写）
点击 生成令牌，立即复制保存（关闭后不可见）
令牌格式示例：glsa_xxxxxx

五、第二步：部署Grafana MCP服务

5.1 使用Docker部署（streamable-http模式）

docker run -d \
  --name mcp-grafana \
  --restart unless-stopped \
  --add-host host.docker.internal:host-gateway \
  -p 8000:8000 \
  -e GRAFANA_URL="https://你的grafana地址" \
  -e GRAFANA_SERVICE_ACCOUNT_TOKEN="glsa_你的令牌" \
  grafana/mcp-grafana -t streamable-http

关键参数说明：

-t streamable-http：使用HTTP流式传输模式，支持远程客户端连接
--add-host host.docker.internal:host-gateway：让容器能访问宿主机服务
-p 8000:8000：暴露服务端口

5.2 验证服务是否正常

# 检查容器状态
docker ps | grep mcp-grafana

# 测试MCP服务（应返回JSON响应）
curl -X POST http://localhost:8000/mcp \
  -H "Content-Type: application/json" \
  -d '{"jsonrpc":"2.0","method":"initialize","params":{"protocolVersion":"0.1.0","capabilities":{}},"id":1}'

成功会返回包含 "protocolVersion":"2025-11-25" 和工具列表的JSON。

六、第三步：配置Nginx反向代理（解决公网访问问题）

6.1 为什么需要Nginx？

grafana/mcp-grafana 出于安全考虑，默认只允许 localhost 的请求。通过Nginx代理，可以将外部请求的 Host 头重写为 localhost，从而绕过限制。

6.2 Nginx配置文件

# /etc/nginx/conf.d/mcp-proxy.conf

# HTTP 重定向到 HTTPS
server {
    listen 80;
    server_name gra-mcp.exmaple.com;
    return 301 https://$server_name$request_uri;
}

# HTTPS 配置
server {
    listen 443 ssl;
    http2 on;
    server_name gra-mcp.exmaple.com;

    ssl_certificate /etc/nginx/ssl/exmaple.com.pem;
    ssl_certificate_key /etc/nginx/ssl/exmaple.com.key;

    ssl_protocols TLSv1.2 TLSv1.3;
    ssl_ciphers HIGH:!aNULL:!MD5;

    location /mcp {
        # IP白名单（可选，增强安全）
        allow xx.xx.xx.xx/32;
        deny all;

        # X-API-Key认证（可选）
        if ($http_x_api_key != "你的强密码") {
            return 403;
        }

        proxy_pass http://127.0.0.1:8000/mcp;
        proxy_set_header Host localhost:8000;  # 关键：重写Host头
        proxy_set_header X-Real-IP $remote_addr;
        proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;
        proxy_set_header X-Forwarded-Proto $scheme;
        
        proxy_buffering off;
        proxy_http_version 1.1;
        proxy_set_header Connection "";
        
        proxy_connect_timeout 60s;
        proxy_send_timeout 60s;
        proxy_read_timeout 60s;
    }
}

6.3 启动Nginx

nginx -t && systemctl reload nginx

6.4 验证代理是否生效

curl -X POST https://gra-mcp.exmaple.com/mcp \
  -H "Content-Type: application/json" \
  -H "X-API-Key: 你的强密码" \
  -d '{"jsonrpc":"2.0","method":"initialize","params":{},"id":1}'

七、第四步：配置Cherry Studio客户端

7.1 安装Cherry Studio

从官网下载对应平台的安装包，安装后打开。

7.2 配置阿里云百炼模型

点击左下角设置 → 模型服务
找到 阿里云百炼，填入 DASHSCOPE_API_KEY
添加模型：qwen-plus 或 qwen-max

7.3 配置MCP服务器

进入设置 → MCP服务器
点击 添加服务器：
- 名称：grafana-mcp
- 类型：streamable-http 或 sse
- URL：https://gra-mcp.exmaple.com/mcp
- 请求头：X-API-Key: 你的强密码
保存，等待状态变为 已连接

7.4 开始对话

新建对话，选择阿里云百炼模型
在输入框下方开启MCP开关，勾选 grafana-mcp
输入测试指令：
- 帮我列出所有Grafana仪表盘
- 查询当前有哪些告警规则
- 过去一小时CPU使用率最高的服务是什么

八、安全加固建议

8.1 IP白名单

在Nginx中添加 allow 规则，只允许特定IP访问。

8.2 API Key认证

通过 X-API-Key 请求头验证客户端身份。

8.3 只读模式

启动MCP服务时添加 --disable-write 参数，禁止写操作。

docker run ... grafana/mcp-grafana -t streamable-http --disable-write

8.4 升级MCP版本

确保 grafana/mcp-grafana 版本 ≥ 0.17.1，以修复已知SSRF漏洞。

九、常见问题排查

问题	原因	解决方法
`host not allowed`	MCP服务拒绝非localhost请求	通过Nginx代理，重写`Host`头
`403 Forbidden`	缺少或错误的认证头	检查`X-API-Key`是否正确
MCP连接失败	端口未开放或防火墙限制	检查8000/443端口，放行安全组
工具列表为空	客户端未正确加载MCP工具	确保对话中MCP开关已开启