Zabbix уже более десяти лет является основой моей инфраструктуры — вместе с ним я прошел путь от версии 3.2 до 7.4. Это мощный и надежный инструмент. Однако в эпоху интеллектуальных ассистентов я задал себе вопрос: почему я не могу взаимодействовать со своей системой мониторинга так же естественно, как общаюсь с Maria, моим ассистентом на базе генеративного ИИ?
Table of Contents
Что такое MCP?
MCP (Model Context Protocol) — это универсальный протокол, который помогает системам генеративного ИИ взаимодействовать с глобальными данными безопасно, надежно и в больших масштабах.
Представьте: 3 часа ночи, и на телефон приходит критическое оповещение. Вместо того чтобы открывать несколько панелей мониторинга и вручную сопоставлять данные, вы просто пишете: «Что происходит с рабочим сервером?»
И получаете примерно такой ответ:
«На сервере web-prod-01 наблюдается высокое использование памяти (94%). Это началось 15 минут назад и совпало со всплеском трафика. Рекомендую проверить пул соединений с базой данных и рассмотреть возможность перезапуска службы Apache. Показать связанные журналы?»
Это уже не научная фантастика!
Принцип проектирования
Главная цель — расширить возможности Zabbix, не изменяя его ядро. Решение основано на архитектуре, которая следует таким принципам:
- Zabbix без изменений: исходная установка остается нетронутой.
- API-first: все взаимодействие осуществляется через надежный Zabbix API на основе JSON-RPC.
- Интеллектуальный мост: создается промежуточный сервис, который выполняет перевод между человеческим языком и метриками Zabbix.
- Масштабируемость: архитектура готова расти вместе с инфраструктурой.
Предлагаемая архитектура:
- Сервер Zabbix: Debian 12, Zabbix 7.4.0, PostgreSQL 15.13
- Сервер ИИ (MCP): Rocky Linux 9, Gemini AI, Express.js, Winston (журналирование), Gemini CLI, Redis, Nginx, PM2
Вебхуки
Мы обрабатываем оповещения Zabbix с помощью вебхука, который отправляет данные в наш сервис генеративного ИИ.
#!/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)
Варианты использования
Сценарий 1: утро понедельника
Cesar: Доброе утро, как обстоят дела с инфраструктурой?
Gemini CLI: Доброе утро! Все спокойно. 14 активных узлов сети, 0 критических проблем. На выходных на ‘proxmox-desarrollo’ прошла плановая перезагрузка, она завершилась успешно. Средняя загрузка CPU — 23%. Нужны подробности по какой-либо конкретной системе?
Сценарий 2: проактивное планирование
Cesar: Какие тревожные тенденции ты видишь на этой неделе?
Gemini CLI: Я заметил три закономерности, которые требуют внимания:
1. storage-01: объем /var/log растет на 2GB в день.
-
- Прогноз: заполнение на 90% через 12 дней.
- Рекомендация: настроить более агрессивную ротацию журналов.
2. mikrotik: постепенный рост температуры (+3°C за последние 7 дней).
-
- Рекомендация: проверить вентиляцию.
3. base-datos-01: число медленных запросов выросло на 15%.
-
- Рекомендация: проверить индексы и оптимизировать частые запросы.
Реализация MCP
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
Конфигурация (.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
Вебхук в Zabbix
1. Оповещения → Способы оповещений → Создать
2. Имя скрипта: mcp_webhook.py
3. Параметры: {EVENT.ID} {EVENT.NSEVERITY} {ALERT.MESSAGE} {HOST.NAME} {ITEM.VALUE}
Тестирование
#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
Будущее
Панели мониторинга через диалог
Cesar: Покажи панель мониторинга критических серверов.
Gemini CLI: Создаю пользовательскую панель мониторинга, на которой будут:
- CPU/память ваших 3 рабочих серверов
- сетевая задержка веб-сервисов
- дисковое пространство базы данных
- статус ночного резервного копирования
Созданная панель мониторинга: http://zabbix.local/dashboard/generated-123
Ошибки, которых следует избегать
- Не пренебрегайте безопасностью: токены, брандмауэр, ограничение частоты запросов с первого дня
- Не забывайте о документации: код говорит сам за себя, а рабочие процессы — нет
Ресурсы для начала работы
- Полная установка: скрипты для Rocky Linux и Debian
- Настройка Zabbix: способы оповещений и действия
- Справочник API: конечные точки и примеры
Варианты использования
Базовый мониторинг: узлы сети, элементы данных, триггеры
- Интеллектуальные оповещения: автоматический анализ
- Запросы по требованию: быстрое расследование
- Автоматические отчеты: периодические сводки
Будущие интеграции
Цель — разработать приложение, которое позволит естественно взаимодействовать с ИИ-ассистентом по имени «Maria». Идея в том, чтобы Maria, исходя из происходящего, предлагала действия и проактивно их выполняла.
Для этого ассистент будет интегрирован с интерфейсом командной строки (CLI) Gemini и установит дополнительный защищенный канал связи. Рекомендуемая архитектура будет состоять из нескольких серверов, способных понимать друг друга, включая сервер Zabbix, MCP (Model Context Protocol) и персонального ассистента. Следить за разработкой базовой интеграции можно в этом репозитории.
Заключение
Zabbix и дальше будет тем надежным механизмом, который мы все знаем. Разница в том, что теперь он становится более интуитивным и диалоговым. Цель не в том, чтобы заменить человеческий опыт, а в том, чтобы усилить его. ИИ позволит нам создавать решения, которые раньше были немыслимы.
Чтобы в полной мере использовать этот потенциал, нам, как экспертам, важно продолжать обучение и углублять знания об этом инструменте. Так мы не будем просто зависеть от того, что предлагает ИИ, а сможем проверять и одобрять его действия, опираясь на собственное суждение.