概述

通过借助 AI智能体 和 监控配置平台(MCP)，通过自然语言快速定制个性化监控大盘，简化操作流程，大幅提升配置效率与使用体验。

效果展示

用户输入监控需求：

自动生成监控JSON：

核心理念：

• AI智能体： 理解自然语言需求（例如：“帮我看看最近一小时北京区域订单服务的错误率变化”）。

• 监控配置平台(MCP)： 提供底层数据源接入、指标管理、图表组件和大盘编排能力。

• 协同工作： AI智能体解析用户意图，自动调用MCP的API或执行配置操作，将用户描述转化为实际的监控图表。

一、 核心功能与优势

1. 自然语言创建图表：

• 操作： 无需手动选择数据源、配置复杂查询、选择图表类型。直接告诉AI您想看什么。

• 示例指令：

  • “创建一个折线图，展示 order-service 服务过去24小时的 API请求延迟P99。”

  • “给我看一张 上海机房 所有主机 CPU使用率 的实时热力图。”

  • “对比一下 生产环境 和 预发布环境 的 支付成功率 在过去一周的趋势。”

• 优势： 大幅降低技术门槛，业务、产品、运营人员也能快速创建所需监控视图。

2. 智能图表推荐与组合：

• 操作： 描述一个复杂场景，AI智能体会分析相关指标，推荐并组合多个相关图表到一个新的大盘。

• 示例指令：

  • “我想监控 用户注册流程 的整体健康状况，需要哪些关键指标？”

  • “帮我创建一个大盘，重点关注 数据库集群 的性能和容量问题。”

• 优势： AI理解监控上下文，自动关联核心指标，构建更全面、更有价值的监控视图，避免遗漏。

3. 动态调整与优化现有图表/大盘：

• 操作： 对已有图表或大盘进行修改，无需进入复杂配置界面。

• 示例指令：

  • “把这个CPU使用率图的时间范围改成过去7天。”

  • “把订单错误率图的阈值线改成5%。”

  • “在这个大盘里增加一个显示当前在线用户数的数字卡片。”

  • “把这个折线图改成柱状图，按省份分组。”

• 优势： 快速迭代监控视图，适应业务变化和分析需求，提升工作效率。

4. 自动化配置与管理：

• 操作： AI智能体可执行更复杂的、涉及多个步骤的配置任务。

• 示例指令：

  • “为所有新上线的 cart-service 实例自动添加CPU、内存监控到 购物车服务大盘。”

  • “发现 error_log 中出现 OutOfMemory 错误时，在 JVM大盘 高亮显示相关实例的内存图。”

• 优势： 减少重复性配置工作，实现监控策略的规模化和智能化管理。

二、 如何使用 (操作步骤简述)

1. 访问入口：

在您的 云平台总览 界面 中点击 自定义 页签，点击AI助手按钮 启动聊天窗口。

2. 清晰表达需求：

• 目标明确： 您想监控什么？（服务、主机、业务指标、应用性能？）

• 范围具体： 涉及哪些实体？（服务名、主机名、机房、环境？）

• 指标清晰： 想看哪些具体数据？（CPU、错误率、延迟、QPS、自定义指标？）

• 时间范围： 看多久的数据？（实时、近1小时、近1天、自定义？）

• 期望视图： 想要什么类型的图表？（折线图、柱状图、饼图、数字卡片、表格？）或想如何修改现有图表？

• 示例：

  • ✅ “在 核心交易大盘 里，给 支付网关延迟 的折线图添加一条标记 200ms 的阈值线。”

  • ✅ “创建一个新的大盘，包含 用户中心服务 的 登录成功率 和 注册API调用量 折线图，时间范围是今天。”

  • ❌ “看看系统有没有问题？” (过于模糊)

3. 与AI智能体交互：

• 在聊天窗口输入您的自然语言指令。

• AI智能体会尝试理解您的意图，并可能进行澄清确认（例如：“您是指 prod-order-service 的 api.latency.p99 指标吗？”）。

• 请根据提示进行确认或修正。

4. 执行与预览：

• AI智能体理解确认后，会告知您将要执行的操作（例如：“即将在 生产监控总览 大盘中添加一个展示 prod-payment-service 错误率的折线图”）。

• 生成新图表/大盘： AI调用MCP API创建，完成后提供新图表/大盘的链接供您点击查看。

• 修改现有图表/大盘： AI执行修改操作，完成后通知您，您可刷新当前页面查看更新后的效果。

5. 检查与微调：

• 务必检查： AI生成的结果是否符合预期。监控数据的准确性至关重要。

• 进一步微调： 如果结果有偏差，您可以：

  • 直接通过 标准编辑界面 手动微调图表配置。

  • 再次给 AI智能体 发送更精确的指令进行调整（例如：“把刚生成的错误率图的Y轴最大值设为10%”）。

三、 典型使用场景示例

1. 快速故障排查：

• “用户反馈登录慢，给我看 登录服务 相关主机的 CPU、内存、网络流量 和 登录API延迟 图表，时间范围最近30分钟。”

2. 业务指标监控：

• “创建一个实时大盘，核心位置显示 今日累计订单量 和 支付成功率 的数字卡片，下方展示 各渠道订单量占比 饼图和 订单量分时趋势 折线图。”

3. 资源容量规划：

• “展示 北京机房 所有 MySQL 实例的 磁盘使用率 表格，按使用率从高到低排序，并标红超过80%的。”

4. 新服务上线监控：

• “新服务 recommendation-v2 刚上线，自动为它的所有实例创建包含 CPU、内存、GC次数、推荐接口QPS 和 错误数 的图表，并添加到 推荐系统监控 大盘。”

5. 对比分析：

• “对比 新版本APP (v4.5) 和 旧版本APP (v4.4) 在过去一周的 首页加载耗时(P90) 趋势线。”

四、 注意事项与最佳实践

• 权限控制： AI智能体执行的操作受限于您的个人账户在MCP中的权限。您只能创建、修改您有权限访问和操作的图表、大盘。

• 描述清晰是关键： 指令越清晰、具体（包含必要的服务名、指标名、环境等标识），AI理解越准确，生成结果越符合预期。善用平台已有的命名规范。

• 理解局限性： AI在处理极其复杂、模糊或涉及平台未接入数据源的请求时可能受限。它主要依赖MCP已有的数据模型和配置能力。

• 人工复核： 强烈建议 在将AI生成的图表用于关键告警或决策前，进行人工检查确认，确保指标、维度、时间范围、图表类型等均正确无误。

• 反馈机制： 如果AI理解错误或执行有误，请积极使用平台提供的反馈渠道（如“结果不满意”按钮）进行反馈，帮助AI持续学习和改进。

• 与手动配置结合： AI擅长快速搭建和修改，复杂的定制化样式、高级查询逻辑等可能仍需通过MCP标准界面手动微调。两者结合使用效率最高。

• 关注MCP更新： AI智能体依赖MCP提供的接口和能力，MCP的新功能（如新图表类型、新数据源接入）通常会扩展AI的能力范围。

五、 常见问题

• Q：支持哪些数据源和监控类型？

• A：AI智能体支持的能力取决于MCP平台已接入和管理的所有数据源（如Prometheus、 InfluxDB、 Elasticsearch、 Zabbix、 各类云监控、 自定义业务指标等）及其定义的指标模型。通常覆盖基础设施、应用性能、日志、业务指标等。

• Q：AI生成的图表能设置告警吗？

• A：目前本功能主要聚焦于图表和大盘的创建与配置。告警规则配置通常是独立模块。但AI生成的图表中展示的关键指标，是您后续在告警系统配置规则的重要依据。未来可能集成告警设置。

• Q：修改操作会覆盖我原来的配置吗？

• A：AI在执行修改指令（如更改时间范围、图表类型、添加阈值线）时，默认是基于您指定的现有图表进行更新。对于核心配置的修改通常是覆盖。建议在重要大盘修改前确认或做好备份（如果MCP支持）。

• Q：指令没被正确理解怎么办？

• A：1) 尝试更清晰、具体地描述，加入关键标识符。2) 使用AI的澄清确认环节进行修正。3) 如果多次失败，可暂时转用手动配置，并提交反馈帮助AI学习。4) 查阅平台的指标/服务目录，使用标准名称。

• Q：在哪里管理我的AI操作权限？

• A：AI操作的权限继承自您登录MCP的账户权限。平台管理员通常在MCP的统一权限管理模块设置用户/角色对特定数据源、指标、大盘、配置功能的访问和操作权限。

总结：

利用AI智能体与MCP的结合，您可以将自定义监控图表和大盘的创建、管理工作从繁琐的技术操作转变为简单的自然语言对话。这极大地释放了生产力，让团队成员都能更快速、更直观地获取所需的监控洞察力，从而更有效地保障系统稳定性和业务发展。