Servidor Prometheus Mcp

¿Qué es el Servidor MCP de Prometheus?

El ### Servidor MCP de Prometheus es un servidor del Protocolo de Contexto de Modelo (MCP) diseñado para facilitar que los asistentes de IA consulten y analicen métricas de Prometheus a través de interfaces estandarizadas. Este servidor actúa como un puente, permitiendo una interacción fluida entre los sistemas de IA y los ricos datos proporcionados por Prometheus, una poderosa herramienta de monitoreo y alerta ampliamente utilizada en entornos nativos de la nube.

Características del Servidor MCP de Prometheus

• Interfaces Estandarizadas: El servidor proporciona un conjunto de APIs estandarizadas que permiten a los asistentes de IA acceder y manipular fácilmente las métricas de Prometheus.
• Acceso a Datos en Tiempo Real: Los usuarios pueden consultar métricas en tiempo real, lo que permite obtener información y tomar decisiones de inmediato.
• Amigable para la Integración: Diseñado para integrarse sin problemas con sistemas de IA existentes y configuraciones de Prometheus, mejorando la funcionalidad general sin requerir cambios extensos.
• Código Abierto: Al ser un repositorio público, fomenta las contribuciones y mejoras de la comunidad, promoviendo un entorno de desarrollo colaborativo.
• Escalabilidad: La arquitectura soporta la escalabilidad, lo que la hace adecuada tanto para implementaciones pequeñas como grandes.

Cómo Usar el Servidor MCP de Prometheus

1. Instalación: Clona el repositorio desde GitHub y sigue las instrucciones de instalación proporcionadas en la documentación.
2. Configuración: Configura el servidor ajustando los parámetros necesarios para conectarte a tu instancia de Prometheus.
3. Acceso a la API: Utiliza las APIs proporcionadas para enviar consultas desde tu asistente de IA al Servidor MCP de Prometheus.
4. Análisis de Datos: Analiza las métricas devueltas e intégralas en tus flujos de trabajo de IA para mejorar las capacidades de toma de decisiones.
5. Soporte Comunitario: Participa con la comunidad para obtener soporte, solicitar características y contribuir al proyecto.

Preguntas Frecuentes

¿Cuál es el propósito del Servidor MCP de Prometheus?

El propósito principal del Servidor MCP de Prometheus es permitir que los asistentes de IA consulten y analicen métricas de Prometheus a través de interfaces estandarizadas, mejorando las capacidades de la IA en entornos impulsados por datos.

¿Es el Servidor MCP de Prometheus de código abierto?

Sí, el Servidor MCP de Prometheus es un proyecto de código abierto, lo que permite a los usuarios contribuir a su desarrollo y mejora.

¿Cómo puedo contribuir al Servidor MCP de Prometheus?

Puedes contribuir bifurcando el repositorio, realizando mejoras y enviando solicitudes de extracción. Además, puedes informar problemas o sugerir características a través de la página de problemas de GitHub.

¿Cuáles son los requisitos del sistema para ejecutar el Servidor MCP de Prometheus?

El servidor requiere un entorno compatible con acceso a una instancia de Prometheus. Los requisitos específicos se pueden encontrar en la documentación dentro del repositorio.

¿Puedo usar el Servidor MCP de Prometheus con otras herramientas de monitoreo?

Si bien está diseñado principalmente para Prometheus, la arquitectura permite una posible integración con otras herramientas de monitoreo, dependiendo del caso de uso y los requisitos específicos.

Prometheus MCP Server

A Model Context Protocol (MCP) server for Prometheus.

This provides access to your Prometheus metrics and queries through standardized MCP interfaces, allowing AI assistants to execute PromQL queries and analyze your metrics data.

<a href="https://glama.ai/mcp/servers/@pab1it0/prometheus-mcp-server"> <img width="380" height="200" src="https://glama.ai/mcp/servers/@pab1it0/prometheus-mcp-server/badge" alt="Prometheus Server MCP server" /> </a>

Features

• Execute PromQL queries against Prometheus

• Discover and explore metrics

  • List available metrics
  • Get metadata for specific metrics
  • View instant query results
  • View range query results with different step intervals

• Authentication support

  • Basic auth from environment variables
  • Bearer token auth from environment variables

• Docker containerization support

• Provide interactive tools for AI assistants

The list of tools is configurable, so you can choose which tools you want to make available to the MCP client. This is useful if you don't use certain functionality or if you don't want to take up too much of the context window.

Usage

1. Ensure your Prometheus server is accessible from the environment where you'll run this MCP server.

2. Configure the environment variables for your Prometheus server, either through a .env file or system environment variables:

### 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_id

3. Add the server configuration to your client configuration file. For example, for Claude Desktop:

{
  "mcpServers": {
    "prometheus": {
      "command": "docker",
      "args": [
        "run",
        "-i",
        "--rm",
        "-e",
        "PROMETHEUS_URL",
        "ghcr.io/pab1it0/prometheus-mcp-server:latest"
      ],
      "env": {
        "PROMETHEUS_URL": "<url>"
      }
    }
  }
}

Development

Contributions are welcome! Please open an issue or submit a pull request if you have any suggestions or improvements.

This project uses uv to manage dependencies. Install uv following the instructions for your platform:

curl -LsSf https://astral.sh/uv/install.sh | sh

You can then create a virtual environment and install the dependencies with:

uv venv
source .venv/bin/activate  # On Unix/macOS
.venv\Scripts\activate     # On Windows
uv pip install -e .

Project Structure

The project has been organized with a src directory structure:

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 file

Testing

The project includes a comprehensive test suite that ensures functionality and helps prevent regressions.

Run the tests with pytest:

### Install development dependencies
uv pip install -e ".[dev]"

### Run the tests
pytest

### Run with coverage report
pytest --cov=src --cov-report=term-missing

Tests are organized into:

• Configuration validation tests
• Server functionality tests
• Error handling tests
• Main application tests

When adding new features, please also add corresponding tests.

Tools

| Tool | Category | Description | | | | | | execute_query | Query | Execute a PromQL instant query against Prometheus | | execute_range_query | Query | Execute a PromQL range query with start time, end time, and step interval | | list_metrics | Discovery | List all available metrics in Prometheus | | get_metric_metadata | Discovery | Get metadata for a specific metric | | get_targets | Discovery | Get information about all scrape targets |

License

MIT