Aiops探索：基于 Dify + Prometheus MCP 的运维智能体实践

研究Aiops有一段时间了，目前手里有不少可落地的方案了，接下来会把这些方案全部整理到我的大模型课程里。同时，欢迎大家把你遇到的场景在评论区留言。我会在能力范围内给你提供思路和建议。

今天的案例是基于dify和Prometheus MCP做一个针对Prometheus的运维智能体。我们最终的目的是为了实现，通过自然语言来查询各个监控指标数据。比如，我想知道最近1小时CPU的使用情况，是否异常，我可以这样问智能体：帮我分析一下集群最近 1 小时 CPU 使用率是否异常？

一、架构解析

1. 核心技术栈

Dify：智能体构建平台，负责指令理解 + Agent 推理 + 执行工具
Prometheus：监控系统，提供指标查询接口
Prometheus MCP Server：将 Prometheus 的 query API 封装为 MCP 工具，使大模型可直接调用
LLM（如 DeepSeek 或 OpenAI 模型）：智能体推理引擎

2. 架构图

Aiops探索：基于 Dify + Prometheus MCP 的运维智能体实践

二、MCP部署与配置

步骤 1: 准备Prometheus环境

这里假设你已经搭建好Prometheus服务，并做好了各种exporter（如，node_exporter）和k8s各监控资源的接入。

步骤 2: 部署 Prometheus MCP Server

目前提供Prometheus mcp服务的开源项目并不少，我找了一个亲测可用的项目，地址为：https://github.com/tjhop/prometheus-mcp-server

它的README里提供了详细的部署步骤，你可以根据你的使用场景来选择不同的安装方法，我这里使用的是docker的方式启动服务：

docker run -d -p 8080:8080 ghcr.io/tjhop/prometheus-mcp-server:latest --prometheus.url "http://172.17.0.1:9090" --mcp.transport "http" --web.listen-address ":8080"

注意，需要在Prometheus那台机器上运行该容器，并且我这里假设Prometheus是二进制方式启动，并非容器化,172.17.0.1为宿主机docker0的ip，这样容器内部可以通过该ip访问到宿主机

步骤 3: 在 Dify 中配置 MCP 工具

在 Dify 的界面中，进入工具 → MCP，点击 “添加MCP服务”。

在配置中填写：

1）服务端点URL：http://<host>:8080/mcp（这里host地址就是你部署Prometheus MCP服务的IP地址）

2）名称、服务器标识：prometheus-mcp

3）认证：无认证

等待授权后，可以看到该mcp包含24个工具。

三、构建智能体

1. 在Dify创建Agent应用

2. 设置提示词

你是企业级 AIOps 智能体，能够根据用户自然语言意图，自动分析、组合 PromQL，并通过prometheus-mcp工具调用进行查询。
任务包括但不限于：- 性能巡检（CPU、内存、磁盘、网络）- Pod / Node 健康分析- 告警根因定位- 指标趋势分析- 指标对比 / 环比
如果需要查询 Prometheus，请你主动调用相应的MCP工具。请在给出结论时说明推理逻辑，输出可执行建议。