| name | grafana |
| description | Grafana Dashboard-Entwicklung und Metric-Queries.
Nutzt den offiziellen Grafana MCP Server um Dashboards direkt in Grafana Cloud
zu erstellen, zu lesen und zu aktualisieren sowie PromQL-Queries abzusetzen.
Verwenden wenn der Operator "Grafana", "Dashboard", "Panel", "Metrik abfragen",
"Alert Rule", "grafana bauen" oder "/grafana" sagt.
|
| version | 1.0.0 |
| requires_mcp | [{"name":"grafana","description":"Grafana MCP Server (grafana/mcp-grafana Docker)"}] |
Grafana Skill — Dashboard-Entwicklung
Direkter Zugriff auf Grafana Cloud via MCP. Dashboards bauen, Metriken abfragen, Panels erstellen — ohne manuellen JSON Export/Import.
Workflow
1. Ziel klären
- Panel bauen → welche Metrik? Welcher Visualisierungs-Typ? (Timeseries, Gauge, Table, Stat)
- Query absetzen → welche Metrik? Welcher Zeitraum?
- Dashboard suchen →
search_dashboards zuerst
2. Metrik verstehen
query_prometheus(expr="<metrik_name>", datasourceUid="<uid>")
Ergebnis prüfen — Werte plausibel? Labels vorhanden?
3. Dashboard/Panel erstellen oder updaten
get_dashboard(uid="<uid>") # Bestehendes laden
patch_dashboard(...) # Gezielt updaten
update_dashboard(...) # Vollständig ersetzen
Konventionen
| Konvention | Wert |
|---|
| Grafana Cloud Instanz | Primär — hier werden alle Dashboards gebaut |
| Folder | Projektname (alle Dashboards in einem Folder) |
| Panel-Naming | <Gruppe>: <Was> z.B. Agents: Signal Age, Trading: P&L Today |
| Refresh | 30s für Live-Dashboards |
| Time Range Default | Last 1 hour |
| Farben | Grün = OK, Gelb = Warning, Rot = Critical (einheitlich) |
Panel-Rezepte (Beispiele)
Agent Health — Signal Age
signal_age_seconds{agent=~".+"}
- Typ: Table oder Gauge per Agent
- Schwellwerte: <600s=grün, <1800s=gelb, >1800s=rot
P&L Today
pnl_today_usd
- Typ: Stat (grosse Zahl), Unit: USD
Win Rate 7 Tage
win_rate_7d * 100
- Typ: Gauge (0–100%)
- Schwellwerte: >55=grün, >45=gelb, <45=rot
Exchange / Service Status
exchange_up{exchange=~".+"}
- Typ: Stat pro Exchange/Service
- 1=UP (grün), 0=DOWN (rot)
Häufige Aufgaben
Neues Dashboard erstellen
search_dashboards → prüfen ob schon eins existiert- Dashboard-JSON aufbauen (Panels, Datasource, Folder)
update_dashboard(dashboard=..., overwrite=false)
Panel zu bestehendem Dashboard hinzufügen
get_dashboard(uid=...) → JSON laden- Neues Panel-Objekt ans
panels[] Array anhängen
update_dashboard(dashboard=..., overwrite=true)
PromQL debuggen
query_prometheus(expr="...", datasourceUid="...") direkt aus Claude- Ergebnis analysieren → Panel-Konfiguration anpassen
Datasource UID finden
Beim ersten Aufruf: search_dashboards → aus einem bestehenden Dashboard die datasource.uid auslesen.
Metrik existiert noch nicht → was tun?
Wenn query_prometheus(expr="my_metric") keine Daten zurückgibt:
- Prüfen ob die Metrik im Metrics-Modul definiert ist
- Falls nicht vorhanden: Panel NICHT bauen. Stattdessen:
- Operator informieren: "Metrik
my_metric fehlt noch in lib/metrics.js"
- Beschreiben was die Metrik messen soll
- Vorschlag:
/ideation für eine neue Story oder direkt implementieren
- Nach Metrik-Implementierung: Prometheus scrapt sie automatisch → in Grafana Cloud verfügbar
Vollständiger Datenfluss (Referenz)
App Agents → lib/metrics.js → GET /metrics Endpoint
→ Prometheus (scrape alle 15s, Docker-intern)
├── Grafana lokal — Dev/Debug
└── remote_write → Grafana Cloud — PROD/MOBILE
↑
/grafana Skill + MCP greift hier ein
Konfiguration:
- Prometheus Scrape + remote_write:
monitoring/prometheus/prometheus.yml
- Metrik-Definitionen:
lib/metrics.js
- Kill-Switch:
remote_write Block auskommentieren → Cloud-Push stoppt sofort
