Grafana Deepseek Demo

🚀 Grafana OSS vs Deepseek演示

这个MVP项目展示了 *Deepseek法学硕士（通过Ollama）* 随着 *OSS图形*，提供基本的自动补全功能。它还使 *深度求索* 与 *VSCode*，为 *模型上下文协议* （MCP）。

⚠️ 警告：这是一个仅用于测试的正在进行中的原型（MVP）项目。 不要将其部署到生产环境中——它缺乏安全强化和验证机制。

📖 用户指南

引言

Grafana的内置LLM支持目前仅在Grafana Cloud上通过 Grafana助手 服务。当 最初免费 它将成为 2026年的付费功能.

然而，Grafana OSS提供了与OpenAI兼容的API兼容的基本LLM集成。

此MVP演示了如何使用将响应转换为OpenAI兼容格式的Node.js桥将Grafana OSS连接到在Ollama上运行的本地Deepseek模型。

您可以使用Docker在本地轻松运行此设置，并使其适应您自己的环境。

⚠️ 警告：一些LLM型号在低规格或经济高效的机器上可能非常慢。虽然Grafana集成在这些条件下可能会失败，但集成日志将继续正常运行。

______________________________________________________________________

⚡ 快速启动

⚙️ 桥接器配置

1. 创建一个 .env 项目根目录中的文件（请参见 .env.example);
2. 选择您喜欢的型号 OLLAMA_DEFAULT_MODEL 环境变量。

🧱 构建容器

sudo docker-compose build

▶️ 启动堆栈

sudo docker-compose up -d

🛑 停止堆栈

sudo docker-compose down

______________________________________________________________________

👉 Grafana基础集成

🖥️ 访问Grafana

http://localhost:3000 (admin/admin)

⚙️ LLM插件设置

1. 打开Grafana的插件列表：\

导航至 Grafana > Administration > Plugins and data > Plugins 或直接前往 http://localhost:3000/plugins.

1. 搜索LLM插件；
2. 配置如下：\

选择 Use a Custom API 选项\ 供应商： OpenAI\ API网址： http://llm-bridge:3001

1. 点击 Save & test 并等待健康检查完成。

🧪 测试

1. 在浏览器中打开Granafa；
2. 创建一个 *新仪表盘*;
3. 点击面板标题→ 自动生成选项。\

Grafana将使用连接的LLM自动生成标题和描述。

尝试使用 Hello 作为面板标题，测试桥接集成。

另外，试试 Explain Flame Graph 选项在 Drilldown > Profiles > Flame graph.

______________________________________________________________________

👉 VSCode部分MCP集成

使用Continue在VSCode中设置本地助手

1. 安装并启用 继续-开源AI代码代理 VSCode中的扩展；
2. 点击 *继续* 左侧工具栏中的图标；
3. 在继续 *聊天* 选项卡，单击 *打开设置* 图标(⚙️);
4. 选择 *配置* 左侧新工具栏中的纸张图标，然后单击 *本地配置* 图标(⚙️);
5. 将以下内容添加到您的 .continue/agents/config.yaml 文件并保存。

name: Local Assistant
version: 1.0.0
schema: v1
models:
  - name: Deepseek Proxy Chat
    provider: openai
    model: deepseek-r1:1.5b
    apiBase: http://localhost:3001/v1
    apiKey:
    roles:
      - chat
      - edit
      - apply

📌 *备注*: 1. 改变 apiKey 相同 LLM_BRIDGE_API_KEY 您输入的值键 .env 档案； 1. 看 .continue/agents/config.yaml.example 在项目存储库中查看更完整的配置。

测试

1. 选择型号：\

在聊天部分，选择 *Deepseek代理聊天* 然后单击 *\深入挖掘>原木

集装箱日志

sudo docker-compose logs | grep 'bridge[[:space:]]*|'

______________________________________________________________________

🧠 LLM桥梁手动测试

健康检查

curl -X GET http://localhost:3001/health

简单聊天测试

curl -X POST http://localhost:3001/v1/chat/completions -H "Content-Type: application/json" -d '{"messages": [{"role":"user","content":"#llm:test"}]}'

curl -X POST http://localhost:3001/v1/chat/completions -H "Content-Type: application/json" -d '{"messages": [{"role":"user","content":"Hello"}]}'

MCP查询示例（需要MCP_API_KEY才能工作）

curl -X POST http://localhost:3001/v1/chat/completions -H "Content-Type: application/json" -d '{"messages":[{"role":"user","content":"#mcp:grafana Show grafana version."}]}'

curl -X POST http://localhost:3001/v1/chat/completions -H "Content-Type: application/json" -d '{"messages":[{"role":"user","content":"#mcp:grafana Show all dashboards names."}]}'

设置LLM_BRIDGE_API_KEY时的示例

curl -X POST http://localhost:3001/v1/chat/completions -H "Content-Type: application/json" -H "Authorization: Bearer LLM_BRIDGE_API_KEY_value" -d '{"messages": [{ "role": "user", "content": "Hello" }]}'

______________________________________________________________________

⚙️ 运营

重新启动所有容器

sudo docker-compose restart

下载并测试Deepseek模型：

sudo docker exec -it ollama sh
ollama pull deepseek-r1:1.5b
ollama list
ollama run deepseek-r1:1.5b "Hello"
exit

打开Grafana容器外壳

sudo docker exec -it grafana sh

______________________________________________________________________

📌 配置说明

桥接配置

• *更改LLM模型*：编辑 .env 文件并更改 OLLAMA_DEFAULT_MODEL 环境变量；
• *安全API密钥*：编辑 .env 文件并更改 LLM_BRIDGE_API_KEY 环境变量。在Grafana LLM插件和VSCode中输入相同的值 .Continue 插件配置。

Grafana配置

• *默认用户/密码*：编辑 ./grafana/grafana.ini 归档并搜索“安全”部分；
• *连接网址（普罗米修斯、洛基、烟火和节奏）*：编辑 ./grafana/provisioning/datasources/datasources.yml 和 ./.env 文件夹。

Grafana MCP配置

• *MCP令牌*首选 Administration > Users and access > Service accounts，添加新服务 viewer 并创建新令牌。将此令牌复制到 MCP_API_KEY 环境变量 .env 文件。重新启动容器。

扩展MCP功能：

编辑 ./bridge/GrafanaMcp.js 通过添加新的MCP服务器方法来创建文件（按照那里的示例）。

______________________________________________________________________

📌 附加说明

• 节点导出器（用于CPU和内存本地数据遥测）：需要对/proc和/sys进行读取访问。为了安全起见，提供的Docker Compose使用只读挂载；
• 所有组件都是从最新的Docker镜像中提取的。如果上游版本发生变化，请进行审查和更新 docker-compose.yml 以及保持兼容性的相关配置。

______________________________________________________________________

📚 参考文献和进一步阅读

🔗 OSS图形

• Grafana法学硕士示例;
• Campfire MCP演示 有关Grafana MCP集成的更多详细信息。

🔗 法学硕士和OpenAI

• OpenAI API指南 和 聊天完成对象引用;
• OWASP LLM十大榜单;
• OWASP LLM前10名详细信息.

🔗 MCP和OpenAI

• Olama MCP流媒体工具;
• MCP参考指南;
• MCP JSON-RPC参考指南;
• .

🔗 VSCode。继续扩展

• 继续-开源AI代码代理扩展 延伸；
• .继续配置;
• .继续MCP配置;
• .继续MCP自定义;
• .继续模型;
• .继续规则;
• 。继续提示.

🔗 普罗米修斯

• .

🔗 洛基OSS

• .

🔗 高温计OSS

• ;
• Java span配置文件.

🔗 OSS时间

• 温度配置;
• .