基于Docker Compose部署Prometheus MCP实现自然语言AIOps巡检

近期，一套轻量级AIOps方案落地：采用Docker Compose统一编排Prometheus、Node Exporter与Prometheus MCP Server三容器，接入WorkBuddy智能体，实现自然语言驱动的监控巡检与报告生成。Node Exporter挂载宿主机/proc、/sys及根目录采集CPU、内存、磁盘、网络等基础指标；Prometheus拉取并存储时序数据，配置中显式标注instance标签便于扩展；MCP Server将Prometheus HTTP API封装为标准MCP工具接口，供WorkBuddy发现调用。用户输入如“过去一小时CPU使用率最高的节点”或“今日凌晨2点至4点磁盘I/O峰值报告”，系统自动转换为PromQL（如rate(node_disk_io_time_seconds_total[5m])），执行查询后解析JSON响应，组织KPI卡片与趋势图，3秒内生成结构化HTML报告。该方案不依赖大模型微调，仅需标准工具协议桥接，部署门槛低——单台Linux云服务器配置prometheus.yml与compose.yaml即可启动，端口映射清晰（如Prometheus:19090，MCP Server:8080）。架构前后端分离，后端含server.py（工具执行）、client.py（对话调度）、api.py（FastAPI接口），前端含app.js（SSE流式输出、Markdown渲染）；支持替换本地模型（Qwen/Llama3）或扩展新MCP服务（Zabbix、Loki等）。当前属辅助型AIOps，聚焦数据获取与呈现，尚未集成根因分析与自动修复，但为低成本试水AIOps提供了可复现路径，已在多个技术社区开源演示。