$ loading_
让 AI 通过 Prometheus API 查询指标、分析监控并检查规则与目标。
复制安装指令，让 AI 自动完成配置 · 推荐新手
"prometheus-mcp-server" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
请通过 Prometheus 查询过去 1 小时内 payment-service 的 5xx 错误率，并解释是否存在明显异常趋势。
返回相关 PromQL 查询结果，并给出错误率趋势与异常判断的简要分析。
列出当前 Prometheus 中与 CPU 使用率相关的规则，并说明哪些规则正在触发或接近触发。
输出匹配的规则清单，并标注规则状态及简要说明。
检查 Prometheus 当前抓取目标状态，找出不健康的 targets，并总结可能需要优先排查的对象。
返回目标健康状态概览，列出异常 targets，并给出排查优先级建议。
运维或开发人员可以让 AI 直接通过 Prometheus API 查询指标，并结合结果做基础分析。适合快速查看趋势、异常或服务状态。
当需要了解当前监控规则或目标抓取状态时，这个工具可帮助 AI 查看规则和 targets。适合排查告警来源或采集异常。
对于常见 Prometheus 任务，用户可以借助工具提供的嵌入式文档和引导式运行手册。适合在分析指标时同时获得操作参考。
这是一个 MCP 服务器，让大模型可以通过 API 与正在运行的 Prometheus 实例交互。它支持指标分析、PromQL 查询，以及规则和目标检查。
根据描述，至少需要一个正在运行的 Prometheus 实例，并且该工具通过 Prometheus API 访问它。更多安装或配置细节见源码仓库。
它的特点是让 LLM 通过 MCP 直接调用 Prometheus 能力，而不只是人工写查询。除此之外，它还提供嵌入式文档和针对常见任务的引导式运行手册。
让 AI 通过标准接口查询并分析 Prometheus 监控指标，辅助排障与运维决策。
连接 Prometheus 指标系统，执行 PromQL 查询并分析监控数据趋势与异常。
连接多个 Prometheus 实例，帮助 AI 进行指标分析与 SRE 运维排障。
帮助团队追踪 AI 调用指标、成本与日志，并排查模型交互问题
通过迭代式创意指导，显著提升大模型生成内容的专业水准与表现力
帮助用户从 Prometheus 查询服务器实时与历史性能指标并辅助排障分析。