使用说明（Markdown 格式）

项目简介

该仓库的 mcp 目录实现了一个基于 MCP（Model Context Protocol）的服务器示例。服务器通过标准的 MCP 服务器端框架提供工具（Tools），目前实现了 prom_query 和 prom_targets 两个工具，用于查询 Prometheus 的指标数据与目标信息，便于 AI 客户端在观测、诊断与推理过程中获得系统上下文。

主要功能点

• MCP 服务器实现：使用 MCP 的服务端组件来处理请求、响应和工具注册，支持通过标准传输（stdio）与客户端通信。
• 工具（Tools）注册：提供 prom_query（执行 PromQL 查询）和 prom_targets（获取 Prometheus 目标信息）两项工具，返回结构化文本内容。
• Prometheus 集成：通过 HTTP 请求调用 Prometheus 的 API，返回查询结果。
• 传输模型：当前使用 StdioServerTransport 通过标准输入输出与客户端进行 JSON-RPC 交互，便于本地开发调试与嵌入式 AI 客户端使用。

安装步骤

• 前提条件：Node.js 环境（推荐 Node.js 18+），并具备对 mcp 目录的访问权限。
• 安装依赖：在项目根目录下执行并进入 mcp 目录安装依赖（如 pnpm 或 npm：示例为 pnpm）
  • pnpm i
• 启动 MCP 服务器：在项目根目录执行以下（按仓库说明的脚本位置执行）
  • pnpm -C mcp dev
• 运行后，服务器将以标准输入输出方式对接 MCP 客户端，等待连接与请求。

服务器配置

以下为 MCP 客户端需要的配置信息，描述服务器的名称、启动命令及参数等，JSON 形式，无需客户端额外配置。

{ "serverName": "minishop-observability-mcp", "command": "pnpm", "args": ["-C", "mcp", "dev"], "transport": "stdio" }

注释说明：

• serverName: MCP 服务器在客户端侧的识别名称，应与实现中的名称保持一致，便于日志及诊断追踪。
• command 与 args: 指示客户端如何启动 MCP 服务器的命令及参数，在本例中使用 pnpm 在 mcp 目录下执行 dev 脚本（按仓库提供的 Running MCP 说明）。
• transport: 指定通信传输方式，此实现使用标准输入输出（stdio）。

基本使用方法

• 客户端通过 JSON-RPC 调用 MCP 服务器暴露的工具，当前支持：
  • 调用 prom_query：传入 query ，可选 time，服务器将返回 Prometheus 的查询结果文本。
  • 调用 prom_targets：获取 Prometheus Targets 信息，服务器将返回文本化的 Prometheus targets 数据。
• 请求与响应遵循 MCP 约定的结构，开发者可在 AI 对话中通过这些工具获取系统观测数据以进行诊断、推理与建议。

备注：

• 该实现是一个可运行的 MCP 服务端示例，适合作为 AI 诊断与 observability 的上下文服务入口。实际部署时可在生产环境扩展更多工具、资源与提示模板以满足具体场景。