Alertmanager MCP Server

Prometheus Alertmanager MCP

目录

• 目录
• 1.导言
• 2.特点
• 3.快速入门

- 3.1.先决条件 - 3.2.通过Smithery安装 - 3.3.本地跑 -

• 4.工具
• 5.发展
• 6.许可证

1.导言

普罗米修斯警报管理器MCP是 模型上下文协议 普罗米修斯警报管理器的（MCP）服务器。它使AI助手和工具能够以编程方式安全地查询和管理Alertmanager资源。

2.特点

• \[x\] 查询Alertmanager状态、警报、静音、接收器和警报组
• \[x\] 智能分页支持 在处理大量警报时防止LLM上下文窗口溢出
• \[x\] 创建、更新和删除静默
• \[x\] 创建新警报
• \[x\] 身份验证支持（通过环境变量进行基本身份验证）
• \[x\] 多租户支持（通过 X-Scope-OrgId Mimir/CoCortex的头部）
• \[x\] Docker容器化支持

3.快速入门

3.1.先决条件

• Python 3.12+
• 紫外线 （用于快速依赖管理）。
• Docker（可选，用于容器化部署）。
• 确保您的Prometheus Alertmanager服务器可以从运行此MCP服务器的环境中访问。

3.2.通过Smithery安装

通过以下方式自动安装Prometheus Alertmanager MCP Server for Claude Desktop 铁匠铺:

npx -y @smithery/cli install @ntk148v/alertmanager-mcp-server --client claude

3.3.本地跑

• 克隆存储库：

# Clone the repository
$ git clone https://github.com/ntk148v/alertmanager-mcp-server.git

• 通过.env文件或系统环境变量为Prometheus服务器配置环境变量：

# Set environment variables (see .env.sample)
ALERTMANAGER_URL=http://your-alertmanager:9093
ALERTMANAGER_USERNAME=your_username  # optional
ALERTMANAGER_PASSWORD=your_password  # optional
ALERTMANAGER_TENANT=your_tenant_id   # optional, for multi-tenant setups

多租户支持

对于多租户Alertmanager部署（例如Grafana Mimir、Cortex），您可以通过两种方式指定租户ID：

1. 静态配置：设置 ALERTMANAGER_TENANT 环境变量
2. 根据请求：包括 X-Scope-OrgId 发送给MCP服务器的请求中的标头

这 X-Scope-OrgId header优先于静态配置，允许根据请求动态切换租户。

传输配置

您可以使用传输选项和主机/端口设置来控制MCP服务器如何与客户端通信。这些可以通过命令行标志（优先）或环境变量进行设置。

• MCP_TRANSPORT：传输模式。其中之一 stdio, http，或 sse默认值： stdio.
• MCP_HOST：运行时要绑定的主机/接口 http 或 sse 传输（由嵌入式uvicorn服务器使用）。违约： 0.0.0.0.
• MCP_PORT：运行时要监听的端口 http 或 sse 运输。违约： 8000.

示例：

使用环境变量设置默认值（CLI标志仍然覆盖）：

MCP_TRANSPORT=sse MCP_HOST=0.0.0.0 MCP_PORT=8080 python3 -m src.alertmanager_mcp_server.server

或者直接传递标志来覆盖env变量：

python3 -m src.alertmanager_mcp_server.server --transport http --host 127.0.0.1 --port 9000

笔记：

• 这 stdio 传输通过标准输入/输出进行通信，忽略主机/端口。

• 这 http （可流式传输HTTP）和 sse 传输是通过ASGI应用程序（uvicorn）提供的，因此在使用这些传输时会尊重主机/端口。

• 将服务器配置添加到客户端配置文件中。例如，对于Claude Desktop：

{
  "mcpServers": {
    "alertmanager": {
      "command": "uv",
      "args": [
        "--directory",
        "",
        "run",
        "src/alertmanager_mcp_server/server.py"
      ],
      "env": {
        "ALERTMANAGER_URL": "http://your-alertmanager:9093s",
        "ALERTMANAGER_USERNAME": "your_username",
        "ALERTMANAGER_PASSWORD": "your_password"
      }
    }
  }
}

• 或者使用make命令安装它：

$ make install

• 重新启动Claude Desktop以加载新配置。
• 现在，您可以让Claude使用自然语言与Alertmanager进行交互：

- “显示当前警报” - “筛选与CPU问题相关的警报” - “获取此警报的详细信息” - “在接下来的2小时内对此警报保持沉默”

!

!

3.4.Docker运行

• 使用预构建的映像运行它（或者您可以自己构建）：

$ docker run -e ALERTMANAGER_URL=http://your-alertmanager:9093 \
    -e ALERTMANAGER_USERNAME=your_username \
    -e ALERTMANAGER_PASSWORD=your_password \
    -e ALERTMANAGER_TENANT=your_tenant_id \
    -p 8000:8000 ghcr.io/ntk148v/alertmanager-mcp-server

• 在Claude Desktop中使用Docker运行：

{
  "mcpServers": {
    "alertmanager": {
      "command": "docker",
      "args": [
        "run",
        "--rm",
        "-i",
        "-e",
        "ALERTMANAGER_URL",
        "-e",
        "ALERTMANAGER_USERNAME",
        "-e",
        "ALERTMANAGER_PASSWORD",
        "ghcr.io/ntk148v/alertmanager-mcp-server:latest"
      ],
      "env": {
        "ALERTMANAGER_URL": "http://your-alertmanager:9093s",
        "ALERTMANAGER_USERNAME": "your_username",
        "ALERTMANAGER_PASSWORD": "your_password"
      }
    }
  }
}

此配置通过使用以下命令将环境变量从Claude Desktop传递到Docker容器 -e 仅使用变量名标记，并在 env 对象。

4.工具

MCP服务器公开了用于查询和管理Alertmanager的工具，如下所示 其API v2:

• 获取状态: get_status()
• 列出警报: get_alerts(filter, silenced, inhibited, active, count, offset)

- 分页支持：返回分页结果以避免压倒性的LLM上下文 - count：每页警报数（默认值：10，最大值：25） - offset：要跳过的警报数（默认值：0） - 退货： { "data": [...], "pagination": { "total": N, "offset": M, "count": K, "has_more": bool } }

• 列出沉默: get_silences(filter, count, offset)

- 分页支持：返回分页结果以避免压倒性的LLM上下文 - count：每页沉默次数（默认值：10，最大值：50） - offset：要跳过的静默次数（默认值：0） - 退货： { "data": [...], "pagination": { "total": N, "offset": M, "count": K, "has_more": bool } }

• 创造沉默: post_silence(silence_dict)
• 删除静音: delete_silence(silence_id)
• 列出接收者: get_receivers()
• 列出警报组: get_alert_groups(silenced, inhibited, active, count, offset)

- 分页支持：返回分页结果以避免压倒性的LLM上下文 - count：每页的警报组数（默认值：3，最大值：5） - offset：要跳过的警报组数（默认值：0） - 退货： { "data": [...], "pagination": { "total": N, "offset": M, "count": K, "has_more": bool } } - 注意：警报组的限制较低，因为它们包含每个组中的所有警报

分页优势

在处理具有许多警报、静音或警报组的环境时，分页功能有助于：

• 防止上下文溢出：默认情况下，每次请求只返回10个项目
• 高效浏览：LLM可以使用以下命令迭代结果 offset 和 count 参数
• 智能限制：每页最多50个项目，防止过度使用上下文
• 清晰导航: has_more 标志指示何时有其他页面可用

示例：如果你有100个警报，LLM可以将它们分为可管理的块（例如，一次10个），只加载分析所需的内容。

看 src/altermanager_mcpserver/server.py 获取API的完整详细信息。

5.发展

欢迎投稿！如果您有任何建议或改进，请打开问题或提交拉取请求。

此项目使用 紫外线 管理依赖关系。按照您平台的说明安装uv。

# Clone the repository
$ git clone https://github.com/ntk148v/alertmanager-mcp-server.git
$ cd alertmanager-mcp-server
$ make setup
# Run test
$ make test
# Run in development mode
$ mcp dev src/alertmanager_mcp_server/server.py

# Install in Claude Desktop
$ make install

6.许可证

Apache 2.0

______________________________________________________________________

Made with ❤️ by @ntk148v