Close
Log in to Zabbix Blog
Email
Password
Show password Hide password
Forgot password?
Incorrect e-mail and/or password
or
By creating an account or logging in with an existing account, you agree to our Terms of Service
案例研究如何技术的社区会议登录

借助 Gemini 和 WebMCP 探索 Zabbix 中的 AI 集成

十多年前,我刚开始在银行和电信行业使用 Zabbix 时,工作流程总是一成不变:系统出现故障,触发告警,打开仪 […]

十多年前,我刚开始在银行和电信行业使用 Zabbix 时,工作流程总是一成不变:系统出现故障,触发告警,打开仪表板,诊断,然后修复。每一步都需要有人坐在屏幕前查看图表并做出决策。

后来 AI 出现了,我开始思考一个简单的问题:如果我可以直接与我的基础设施对话并获得答案,会怎么样?这个问题引领我一路探索,从 Telegram 机器人到 WhatsApp 集成,再从带有自定义模块的聊天机器人到 Google Play Store 上一款功能完整的移动应用程序。

在这个过程中,我发现真正的挑战并不是将 AI 连接到 Zabbix,而是定义它们之间应该如何通信。这正是 MCP 和 WebMCP 等协议的用武之地,也是它们对当今每一位从事基础设施监控工作的人都很重要的原因。

阶段 1:让我直接提问就好

我最初的需求很简单:用自然语言询问我的基础设施的情况,并得到有用的答案。不用解析 JSON,不用读取原始指标,只需提问。

我早期的集成使用 Telegram 和 WhatsApp 作为交互界面。AI(最初是自定义模块,后来是 Gemini)会接收诸如“我现在有哪些告警?”之类的问题,查询 Zabbix API,并用通俗易懂的语言作答。这种方式行之有效,但有局限性:AI 只能回答我明确编程让它回答的问题。

阶段 2:MCP 为 AI 提供与 Zabbix 通信的标准方式

由 Anthropic 开发的模型上下文协议(MCP)解决了一个根本性难题:如何让 AI 模型以结构化的方式访问外部工具和数据源,而不必每次都重新造轮子?

在 MCP 出现之前,每一个 AI 与 Zabbix 的集成都是定制开发的。您需要编写脚本、解析 API 响应,并将其格式化后提供给模型。如果想从一家 AI 提供商切换到另一家,就得从头再来。MCP 将这一过程标准化。您只需构建一次 MCP 服务器,任何兼容的 AI 客户端(Claude Desktop、Gemini CLI 或其他客户端)都可以使用它。

Zabbix 社区已经积极拥抱了这一协议。目前 GitHub 上已有多个面向 Zabbix 的开源 MCP 服务器。您可以提出如下请求:

  • “显示严重性为‘严重’或更高的所有未确认问题”
  • “为主机 db-01 创建一个 2 小时的维护周期”
  • “过去 24 小时内发生了哪些变化?”

最棒的是,这一切都可以通过自然语言和标准化协议来完成。

在我自己的环境中,我搭建了一台 WebMCP 服务器,它将 FastAPI 后端连接到 Zabbix API,并公开主机、告警和问题的结构化端点。该服务器与我的 Zabbix 实例一起,在一个专用的 Proxmox 节点上 24/7 运行。

只需向 WebMCP 服务器发送一个简单的查询,我就可以获取受监控主机的完整列表、检查当前的问题、查看最近的告警及其严重性,并获取使用情况摘要,所有这些都通过任何 AI 客户端都能使用的简洁、结构化的 JSON 响应来实现。

WebMCP 服务器公开用于健康状态监控、使用情况跟踪和 Zabbix 数据的结构化端点。
向 WebMCP 服务器发出的实时查询,以结构化 JSON 返回真实的 Zabbix 告警。

阶段 3:WebMCP 成为交互界面

展望未来,WebMCP 是一项拟议中的浏览器标准(由 Google 和 Microsoft 的工程师共同创建),它让网站可以将自身的功能声明为结构化工具,供 AI agent 直接在浏览器中调用。

想想这对 Zabbix 意味着什么。如今,Zabbix 前端是一个供人工操作的 Web 应用程序:点击主机、深入查看触发器、检查图形、确认问题。AI agent 如果想使用 Zabbix 前端,就必须截图、解读 UI 并猜测该点击哪里,这种方式速度慢、不稳定且成本高昂。

借助 WebMCP,Zabbix 前端可以声明:“这里有一个名为 get_active_problems 的工具。它需要一个严重性筛选条件。调用它,我就会返回结构化结果。”AI agent 调用该函数,获取干净的数据,并据此采取行动。无需截图,无需 DOM 抓取,也无需猜测。

与传统 MCP 的主要区别在于:

  • WebMCP 在浏览器标签页内运行,而不是在单独的服务器上运行。无需部署额外的基础设施。
  • 它继承用户现有的会话:相同的 SSO、相同的 cookie、相同的基于角色的权限。无需单独的身份验证层。
  • 工具与上下文相关:在问题页面上,agent 看到的是与问题相关的工具。在主机配置页面上,它看到的是主机相关的工具。

Chrome 146 已经以实验形式提供 WebMCP。预计 Chrome 将在 2026 年底前更广泛地推出稳定版本。
为了在实践中探索这一概念,我在自己的环境中搭建了一台 WebMCP 服务器,并将其连接到我的 Zabbix 实例。

该服务器通过基于浏览器的界面公开 Zabbix 数据,让 agent 能够直接从浏览器标签页查询主机、告警和问题。

该服务器本身也由 Zabbix 监控,因此我可以跟踪它的资源消耗,并确保它不会影响基础设施的其余部分,从而在工具与其所扩展的平台之间形成闭环。

WebMCP 演示页面,显示通过基于浏览器的后端获取的实时 Zabbix 告警。
丰富的仪表板小部件让 Zabbix 用户能够针对不同的用例创建 Windows 仪表板

为什么这对移动端监控很重要

如今,如果您想在手机上进行 AI 辅助的 Zabbix 监控,就需要一个专门的应用程序,由它连接 Zabbix API、处理身份验证、处理数据,并通过 AI 层呈现数据。我构建的应用正是如此。它可以正常工作,但需要投入大量的开发工作。

WebMCP 开辟了另一条道路。想象一下,在手机浏览器中打开 Zabbix 前端,就有一个能够与其原生交互的 AI 助手:无需应用程序,无需单独的服务器,只需浏览器和协议。该助手继承您的 Zabbix 会话,只能看到您的用户角色所允许的内容,并且可以帮助您对故障进行分级处理、分配任务和生成报告,所有这些都通过您已经在使用的同一个 Web 界面完成。

我们还没有走到那一步。WebMCP 仍处于早期预览阶段,而且 Zabbix 前端还需要实现该协议。但架构方向是明确的。Web 正在为 agent 做好准备,监控工具将从这一转变中获益良多。

切实可行的路线图

如果您正在使用 Zabbix,并希望从现在开始集成 AI,以下是我对发展路径的看法:

  • 当下:使用 MCP 服务器将 AI 助手连接到 Zabbix API。这些开源方案已经很成熟,支持 Zabbix 7.x(并以实验形式支持 8.0),并可与多种 AI 客户端配合使用。建议从只读模式开始,以便安全地进行探索。
  • 近期:构建特定用途的集成。无论是移动应用程序、聊天机器人还是自定义仪表板,Zabbix API 与 Gemini 或 Claude 等模型相结合,都能带来实实在在的价值:AI 生成的每周报告、智能告警分级处理、基于自然语言的基础设施查询。
  • 即将到来:密切关注 WebMCP。随着它日趋成熟、浏览器推出稳定支持,它将成为为任何基于 Web 的监控工具添加 AI 功能阻力最小的方式。率先为 agent 做好准备的网站将获得不断累积的优势。

结语

基础设施监控领域正处于一个转折点。几十年来,我们一直在盯着仪表板、阅读告警。如今,相关协议正在涌现:MCP 用于后端集成,WebMCP 用于浏览器原生交互,它们将让我们的基础设施真正能够与我们对话。

如果您仍在运行 Zabbix 7.0 或更早的版本,今年就是迁移的好时机。旧版本正在逐步失去支持,而 7.0+ 中较新的 API 功能正是实现这些 AI 集成的关键。Zabbix 通过 Zabbix Academy 提供认证培训,其合作伙伴网络也可以协助完成迁移。

Prev Post Prev Post Next Post Next Post
订阅评论
提醒
0 Comments
最旧
最新 最多投票
0
希望看到您的想法,请您发表评论x