熱線電話：400-882-3320
微信掃碼
加入官方交流羣
方案簡介
觀測雲 MCP Server 通過 Model Context Protocol 將觀測雲的查詢、診斷和上下文能力接入 AI IDE、桌面客戶端和自動化 Agent。AI 助手可以在授權範圍內調用日誌、指標、鏈路、事件和基礎設施等觀測能力，工程師則保留對工具、參數、返回結果和最終結論的審查權。
支持 MCP 的 AI 客戶端接入場景
觀測雲 MCP Server 基於 Model Context Protocol 提供標準化工具服務接口，可接入支持 streamableHttp 的 AI 客戶端；實際配置入口和字段以各客戶端說明文件為準。
Trae
Cursor
Windsurf
Claude Desktop
VS Code
Codex場景挑戰
AI 助手缺少系統現場：只看聊天上下文很難判斷真實系統狀態，也無法驗證慢請求、錯誤和資源異常。
觀測數據複製成本高：把日誌、Trace、指標和告警手動貼給 AI 容易遺漏上下文，也帶來權限和隱私風險。
AI 排障過程不可審查：如果看不到查詢工具和參數，團隊很難判斷結論是否來自真實數據。
多域診斷需要統一入口：一次故障常跨日誌、指標、鏈路、事件和基礎設施，需要 AI 能按同一上下文連續查詢。
觀測雲方案
MCP 工具接入：把觀測雲能力開放給支持 MCP 的 AI IDE、桌面客戶端和自動化 Agent。
授權工具上下文：通過配置和權限控制 AI 可用工具、查詢範圍和數據訪問邊界。
多域診斷能力：圍繞日誌、指標、鏈路、事件、APM、RUM 和基礎設施數據輔助分析故障。
人機協同排障：AI 生成診斷步驟和建議，工程師審查工具調用、數據證據和結論。
方案亮點
把觀測雲接入 AI IDE、桌面客戶端和自動化 Agent
MCP Server 作為觀測雲與 AI 客戶端之間的協議橋樑，讓支持 MCP 的助手可以調用觀測雲相關能力。團隊可以把服務排查、告警分析、Trace 追蹤和日誌查詢納入 AI 輔助工作流，而不是把數據手動複製到對話框裏。
圍繞真實數據提問，讓 AI 從猜測變成基於證據分析
當 AI 工具能調用被授權的觀測能力後，它可以圍繞具體時間窗口、服務名、Trace ID、主機或告警事件組織診斷步驟。工程師依然可以審查工具、參數、返回結果和最終結論，形成可追溯的人機協同排障過程。
和 AI Agent 可觀測形成閉環：既觀測 AI，也讓 AI 觀測系統
AI Agent 可觀測關注智能體自身運行過程，MCP Server 則讓 AI 工具可以進入觀測雲數據上下文輔助分析。兩者結合後，團隊既能監測 AI 應用的質量、成本與風險，也能讓 AI 幫助排查業務系統問題。
更多內容
常見問題
觀測雲 MCP Server 是什麼？
觀測雲 MCP Server 是把觀測雲查詢、診斷和上下文能力接入支持 Model Context Protocol 的 AI 客戶端的服務入口，幫助 AI 助手在授權範圍內調用觀測能力並分析系統問題。
使用 MCP Server 會替代觀測雲控制枱嗎？
不會。MCP Server 更適合 AI 輔助查詢、工具調用、診斷和上下文整理；控制枱仍然適合完整查看器、儀表板、告警配置、權限管理和團隊協作。
觀測雲 MCP Server 和 OWL CLI 應該怎麼選？
如果主要在終端裏工作，可以優先使用 OWL CLI；如果希望讓 AI IDE、桌面客戶端或自動化 Agent 調用觀測雲能力，可以使用 MCP Server。兩者也可以組合使用。
相關閲讀
LLM 可觀測：看清模型調用、Token 成本與 Trace 鏈路
從模型請求、Prompt、響應耗時、錯誤和成本入手，建立大模型應用的可觀測分析入口。
AI Agent 可觀測接入指南：從應用創建到調用分析
瞭解 Agent 監測應用、LLM 監測應用、Session 列表、Trace 列表和風險事件分析。
OWL CLI：把觀測雲診斷能力接入命令行與 AI Agent 工作流
把日誌、指標、鏈路、事件、RUM 和基礎設施查詢組織成可執行、可審查的診斷流程。
MCP Server 快速開始：把觀測雲上下文接入 AI 客戶端
通過 Model Context Protocol 連接 AI IDE、桌面客戶端和自動化 Agent，讓建議基於授權觀測數據。
