研究AIOps已有1年多，目前手里有不少可落地的方案了，而且目前我们已经有了自研的AIOps平台，欢迎关注并与我链接（看留言区）。
今天的案例是基于WorkBuddy + Prometheus 的MCP来做一个运维智能助手。
一、核心思路和架构
1. 核心思路
WorkBuddy虽然是商业AI Agent，但它的能力还是非常不错的。它可以集成自定义MCP，它也有丰富的Skill资源，也可以自定义“专家”。这个“专家”你可以理解为就是一个自定义的Agent。
最重要的是，现阶段可以白嫖Hy3大模型，这个还是非常香的！
本案例，我就是先创建了Prometheus MCP，然后定义了一个“监控”专家。后续所有监控相关操作都是通过这个“专家”来做。
2. 架构图
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 WorkBuddy 中配置 MCP 工具
在左侧菜单栏点击“专家.技能.连接器”，再选择“连接器”，再点击右上角的“自定义连接器”，点击“配置MCP”
写入如下配置：
{"mcpServers": {"prometheus-mcp": {"type": "http","url": "http://192.168.186.150:8080/mcp","headers": {"Authorization": "Bearer notoken"},"disabled": false}}}
点击保存，然后返回MCP列表，点击“信任”
稍等几秒钟，就可以看到它给我们展示出来24个工具
三、创建专家
左侧点击“专家.技能.连接器”，选择“专家”，创建专家，直接用自然语言创建：
expert-manager 帮我创建一个 prometheus监控专家，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。
四、使用专家
点击左侧“专家.技能.连机器”，点击“专家”，再点击右上角“我的专家”，找到“Prometheus监控专家”
点击立即使用
示例1. 列出工具
你可以做哪些事情，请把你能使用的工具列一下
示例2. 查看target
目前有哪些target
帮我分析一下192.168.186.150这台机器各硬件指标情况(CPU、内存、硬盘)，只分析过去一小时即可，我只需要最终的结果，我不需要过程。
