十多年来,Zabbix 一直是我的基础设施的支柱,这段旅程从 3.2 版本一直延续到 7.4 版本。它是一款强大而可靠的工具。然而,在智能助手时代,我向自己提出了一个问题:为什么我不能像与我的生成式 AI 助手 Maria 交谈那样,自然地与我的监控系统互动?
Table of Contents
什么是 MCP?
MCP(模型上下文协议)是一种通用协议,可帮助生成式 AI 系统安全、可靠且大规模地与全局数据进行交互。
想象一下:现在是凌晨 3 点,您的手机收到一条严重告警。您无需打开多个仪表板并手动关联数据,只需输入:“生产服务器出了什么问题?”
您会收到这样的回复:
“web-prod-01 服务器的内存使用率很高(94%)。这一情况始于 15 分钟前,与一次流量高峰同时出现。我建议检查数据库连接池,并考虑重启 Apache 服务。需要我为您显示相关日志吗?”
这已不再是科幻!
设计原则
主要目标是在不改动 Zabbix 核心的前提下增强 Zabbix。该解决方案基于一种遵循以下原则的架构:
- Zabbix 保持原样:原有安装保持不变。
- API 优先:所有通信均通过 Zabbix 强大的 JSON-RPC API 完成。
- 智能桥梁:创建一个中间服务,在人类语言和 Zabbix 指标之间进行转换。
- 可扩展性:该设计可随基础设施的增长而扩展。
建议的架构:
- Zabbix server:Debian 12、Zabbix 7.4.0、PostgreSQL 15.13
- AI 服务器(MCP):Rocky Linux 9、Gemini AI、Express.js、Winston(日志记录)、Gemini CLI、Redis、Nginx、PM2
Webhook
我们通过 Webhook 处理 Zabbix 告警,由它将数据发送到我们的生成式 AI 服务。
#!/usr/bin/env python3
# -*- coding: utf-8 -*-
import json
import requests
import sys
from datetime import datetime
def send_to_mcp(args):
""" Sends alerts to MCP server"""
# SETTINGS - EDIT ACCORDING TO YOUR ENVIRONMENT
mcp_endpoint = "http://TU_IP_MCP_SERVER:3001/alerts" # Change to the MCP server IP
mcp_token = "TU_MCP_AUTH_TOKEN" # Exchange for your MCP authentication token
zabbix_server_ip = "TU_IP_ZABBIX_SERVER" # Change to the Zabbix server IP
headers = {
'Content-Type': 'application/json',
'Authorization': f'Bearer {mcp_token}'
}
# Extracting arguments from the Zabbix webhook
eventid = args[0] if len(args) > 0 else "unknown"
severity = args[1] if len(args) > 1 else "0"
message = args[2] if len(args) > 2 else "No message"
host = args[3] if len(args) > 3 else "unknown"
value = args[4] if len(args) > 4 else ""
payload = {
"timestamp": datetime.now().isoformat(),
"source": "zabbix",
"eventid": eventid,
"severity": severity,
"message": message,
"host": host,
"value": value,
"zabbix_server": zabbix_server_ip
}
try:
print(f"Sending alert to MCP: {mcp_endpoint}")
print(f"Payload: {json.dumps(payload, indent=2)}")
response = requests.post(mcp_endpoint, json=payload, headers=headers, timeout=15)
response.raise_for_status()
print(f"Alert sent successfully: HTTP {response.status_code}")
print(f"Response: {response.text}")
return True
except requests.exceptions.Timeout:
print("? Error: Timeout connecting to MCP server", file=sys.stderr)
return False
except requests.exceptions.ConnectionError:
print("? Error: Cannot connect to MCP server", file=sys.stderr)
return False
except requests.exceptions.HTTPError as e:
print(f"? HTTP Error: {e}", file=sys.stderr)
print(f"Response: {response.text}", file=sys.stderr)
return False
except Exception as e:
print(f"? Unexpected error: {e}", file=sys.stderr)
return False
if __name__ == "__main__":
# The arguments come from Zabbix
args = sys.argv[1:]
print(f"Script called with args: {args}")
success = send_to_mcp(args)
sys.exit(0 if success else 1)
用例
场景 1:周一早上
Cesar:早上好,基础设施情况怎么样?
Gemini CLI:早上好!一切平稳。14 台活动主机,0 个严重问题。周末 ‘proxmox-desarrollo’ 进行了一次计划内重启,已成功完成。平均 CPU 使用率为 23%。您需要了解某个特定系统的详细信息吗?
场景 2:主动规划
Cesar:本周你发现了哪些令人担忧的趋势?
Gemini CLI:我注意到三种需要关注的模式:
1. storage-01:/var/log 每天增长 2GB。
-
- 预测:12 天后容量将达到 90%。
- 建议:配置更激进的日志轮转策略。
2. mikrotik:温度逐渐升高(过去 7 天内 +3°C)。
-
- 建议:检查通风情况。
3. base-datos-01:慢查询增加了 15%。
-
- 建议:检查索引并优化频繁执行的查询。
MCP 实现
Server (Rocky Linux 9) bash #create the project mkdir /opt/mcp-zabbix cd /opt/mcp-zabbix #Install dependencies sudo dnf install -y nodejs npm redis nginx sudo npm install -g pm2 #Set up the project npm init -y npm install express axios @google/generative-ai winston helmet cors dotenv
配置(.env)
bash #Environment variables ZABBIX_URL=http://tu-zabbix-server/zabbix/api_jsonrpc.php ZABBIX_API_TOKEN=tu_token_de_zabbix_aqui GEMINI_API_KEY=tu_api_key_de_gemini MCP_AUTH_TOKEN=genera_un_token_seguro PORT=3001
Zabbix 中的 Webhook
1. 告警 → 媒介类型 → 创建
2. 脚本名称:mcp_webhook.py
3. 参数:{EVENT.ID} {EVENT.NSEVERITY} {ALERT.MESSAGE} {HOST.NAME} {ITEM.VALUE}
测试
#Start the MCP server
pm2 start ecosystem.config.js
#Test curl
curl -H "Authorization: Bearer TU_TOKEN" \
-H "Content-Type: application/json" \
-d '{"prompt":"¿How many host fo I have?"}' \
http://localhost:3001/ask-zabbix
未来展望
仪表板对话
Cesar:给我看一个关键服务器的仪表板。
Gemini CLI:正在创建自定义仪表板,包含:
- 您的 3 台生产服务器的 CPU/内存
- Web 服务的网络延迟
- 数据库磁盘空间
- 夜间备份状态
生成的仪表板:http://zabbix.local/dashboard/generated-123
需要避免的错误
- 不要忽视安全:从第 1 天起就要考虑令牌、防火墙和速率限制
- 不要忘记文档:代码可以自我解释,工作流则不能
入门资源
- 完整安装:适用于 Rocky Linux 和 Debian 的脚本
- Zabbix 配置:媒介类型和动作
- API 参考:端点和示例
用例
基础监控:主机、监控项、触发器
- 智能告警:自动分析
- 临时查询:快速调查
- 自动报告:定期摘要
未来的集成
目标是开发一款应用程序,让用户能够与名为“Maria”的 AI 助手进行自然交互。其设想是,Maria 会根据正在发生的情况建议相应的措施,并主动执行这些措施。
为此,该助手将与 Gemini 的命令行界面(CLI)集成,并建立一条额外的安全通信通道。推荐的架构将由多台能够相互理解的服务器组成,包括 Zabbix Server、MCP(模型上下文协议)以及个人助手。您可以在这个存储库中关注基础集成的开发进展。
结论
Zabbix 将继续是我们所熟知的那个可靠引擎。不同之处在于,它现在变得更加直观,并且可以对话。目标不是取代人类的经验,而是增强它。AI 将使我们能够打造以前无法想象的解决方案。
为了充分发挥这一潜力,我们作为专家必须不断学习,加深对这一工具的了解。这样,我们就不会只依赖 AI 给出的建议,而是能够凭借自己的判断来验证和授权它的操作。