Prometheus MCP Server 安装与配置指南
2025-06-12 20:22:12作者:董宙帆
项目概述
Prometheus MCP Server 是一个专为与 Prometheus 监控系统交互而设计的中间件服务,它实现了 MCP (Monitoring Control Protocol) 协议,为客户端应用提供了标准化的接口来访问 Prometheus 的监控数据。该服务特别适合需要从 Prometheus 获取指标数据并进行分析处理的场景。
系统要求
在开始安装前,请确保您的系统满足以下基本要求:
- Python 环境:需要 Python 3.10 或更高版本
- 包管理工具:推荐使用 uv 包管理器(性能更优),也可使用标准 pip
- 网络访问:能够访问目标 Prometheus 服务器
- 操作系统:支持 Linux、macOS 和 Windows 系统
安装方法详解
方法一:直接安装(推荐开发环境使用)
1. 获取项目代码
首先需要获取项目的源代码,可以通过版本控制工具获取最新代码。
2. 创建虚拟环境
为避免污染系统Python环境,强烈建议使用虚拟环境:
# 使用uv创建虚拟环境(推荐)
uv venv
# 启用虚拟环境(Linux/macOS)
source .venv/bin/activate
# 启用虚拟环境(Windows)
.venv\Scripts\activate
如果无法使用uv,也可以使用Python内置的venv模块:
python -m venv venv
source venv/bin/activate # Linux/macOS
venv\Scripts\activate # Windows
3. 安装依赖
在虚拟环境中安装项目依赖:
# 使用uv安装(推荐)
uv pip install -e .
# 或者使用pip安装
pip install -e .
-e 参数表示以"可编辑"模式安装,方便开发时修改代码。
方法二:Docker安装(推荐生产环境使用)
对于生产环境部署,使用Docker容器化部署更为方便和安全。
1. 构建Docker镜像
docker build -t prometheus-mcp-server .
2. 运行容器
构建完成后,可以通过以下方式运行:
docker run -it --rm -p 8000:8000 prometheus-mcp-server
配置详解
环境变量配置
项目使用.env文件管理配置,配置步骤如下:
- 复制模板文件:
cp .env.template .env
- 编辑
.env文件,主要配置项包括:
# Prometheus服务器地址(必需)
PROMETHEUS_URL=http://your-prometheus-server:9090
# 认证配置(根据实际情况选择一种)
# 基本认证
PROMETHEUS_USERNAME=your_username
PROMETHEUS_PASSWORD=your_password
# 或Bearer Token认证
PROMETHEUS_TOKEN=your_token
重要配置说明
- PROMETHEUS_URL:指向您的Prometheus服务器地址,必须包含协议(http/https)和端口
- 认证方式:根据您的Prometheus服务器配置选择合适的方式
- 基本认证:用户名+密码
- Token认证:适用于OAuth2等场景
- 其他配置:项目还支持配置日志级别、服务端口等参数
运行服务
直接运行方式
安装完成后,可以通过以下命令启动服务:
# 开发模式运行
python -m prometheus_mcp_server.main
# 或者作为包运行
prometheus-mcp-server
Docker运行方式
使用Docker运行时可灵活选择配置方式:
# 方式1:直接传递环境变量
docker run -it --rm \
-p 8000:8000 \
-e PROMETHEUS_URL=http://prometheus:9090 \
prometheus-mcp-server
# 方式2:使用.env文件
docker run -it --rm \
-p 8000:8000 \
--env-file .env \
prometheus-mcp-server
# 方式3:使用docker-compose(推荐生产环境)
docker-compose up -d
验证安装
服务启动成功后,您应该能看到类似以下输出:
Loaded environment variables from .env file
Prometheus configuration:
Server URL: http://your-prometheus-server:9090
Authentication: Using basic auth
Starting Prometheus MCP Server...
Running server in standard mode...
这表示服务已成功启动并准备好接收客户端请求。
常见问题排查
-
连接Prometheus失败:
- 检查PROMETHEUS_URL是否正确
- 确认网络连通性
- 验证认证信息是否正确
-
依赖安装问题:
- 确保使用正确的Python版本
- 尝试清理缓存后重新安装
-
端口冲突:
- 检查默认端口(8000)是否被占用
- 可通过环境变量修改服务端口
最佳实践建议
-
生产环境部署:
- 建议使用Docker容器化部署
- 配置适当的资源限制
- 设置日志轮转和监控
-
安全建议:
- 不要将.env文件提交到版本控制
- 使用最小权限原则配置Prometheus访问权限
- 考虑在网络层面添加额外安全措施
-
性能优化:
- 根据查询负载调整服务实例数量
- 监控服务性能指标
- 考虑添加缓存层减少Prometheus负载
通过以上步骤,您应该已经成功安装并配置好了Prometheus MCP Server,可以开始使用它作为Prometheus监控系统的中间件服务了。
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0114
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08
项目优选
收起
暂无描述
Dockerfile
763
4.96 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
856
1.92 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
676
1.33 K
Ascend Extension for PyTorch
Python
719
875
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
455
437
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.07 K
1.09 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
150
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
297
114
昇腾LLM分布式训练框架
Python
178
220