描述它，不要画它：通过 MCP 和 ES|QL 实现 AI-native Kibana dashboards

作者来自 Elastic Stratoula Kalafateli从 prompt 到 dashboard。学习如何使用自然语言构建 Kibana dashboards使用 example-mcp-dashbuilder一个开源 MCP 应用它可以编写 ES|QL 查询创建交互式图表并将完全可用的 dashboards 直接导出到 Kibana。通过单一解决方案观察、防护并搜索你的数据。从应用监控到威胁检测Kibana 是你面向关键用例的多功能平台。立即开始你的 14 天免费试用。example-mcp-dashbuilder 是一个开源 MCP 应用它可以将纯英文 prompt 转换为一个实时的、交互式的 Kibana dashboard并完全在你的编辑器聊天窗口中完成。你只需要描述你想要的 dashboardAI 就会发现你的 index 结构为每个可视化编写正确的 ES|QL 聚合并在生成过程中以内联方式渲染预览。当你完成后只需一个命令即可导出一个完整可用的 Kibana dashboard真实的 Lens visualizations、精确的 grid layout、以及保留的自定义颜色。目前支持六种图表类型完整的 Kibana Lens 图表集合也在 roadmap 中。什么是 Kibana dashboard builder如果你可以用简单的 English 描述你想要的 dashboard然后看着它出现包含交互式 charts、drag-and-drop 布局以及一键导出到 Kibana会怎样这正是 example-mcp-dashbuilder 所做的事情。它是一个开源的 Model Context Protocol (MCP) 应用用于将 AI assistants 连接到 Elasticsearch让你通过对话创建完整的 Kibana Dashboards。无需点击菜单无需手动编写 visualization 配置只需描述你的需求AI 就会探索你的数据编写 Elasticsearch Query Language (ES|QL) 查询构建 charts并交付一个实时的、交互式的 dashboard全部在你的 editor chat window 中完成。https://www.bilibili.com/video/BV1biGv6UEDn/从 prompt 到 dashboard仅需几秒下面是实际使用时的样子。你输入类似这样的内容“Build me a web traffic dashboard from logstash-* with total requests, bytes transferred over time, top geographic sources, and a response code breakdown/从 logstash-* 构建一个 web traffic dashboard包含总请求数、随时间变化的 bytes transferred、top geographic sources以及 response code breakdown”然后 AI 会发现你的数据列出 indices检查 field mappings。编写 ES|QL 查询根据你的 schema 定制使用正确的 aggregations。创建可视化bar charts、line charts、带 sparklines 的 metrics、heatmaps、pie charts。组织整体结构可折叠分区、有意义的标题、合理的布局。渲染交互式预览直接在 chat 中展示包含 tooltips、time picker 和 drag-and-drop。每个 chart 在生成时都会以内联方式逐步出现让你实时看到进度。随后 view_dashboard 会展示完整 dashboard所有 panels 按 Kibana 的 48-column grid 完整排布。单个 chart 内联预览。由 ES|QL 驱动所有数据检索都使用 ES|QL这是 Elasticsearch 的管道式查询语言。AI 不只是简单传递原始查询它还结合对 ES|QL 语法的内置理解以及对你数据结构的分析为每个可视化类型编写正确且高效的查询。服务器提供了一个完整的 ES|QL reference作为 MCP resource。在编写任何查询之前AI 会先读取这个 reference以理解可用的 commands、functions 和 patterns。结合一个 dataviz best-practices guide同样作为 resource 提供AI 不仅知道如何查询还知道什么是好的可视化设计使用 BUCKET(timestamp, 1 day) 做时间序列始终按时间字段 SORT。pie charts 限制为最多六个 slices并使用 | SORT value DESC | LIMIT 6。category 对比使用 bar charts趋势使用 line charts关键指标KPI使用 metrics。基于 AI 的数据探索开放式分析构建一个你已经在脑海中设计好的 dashboard 是一回事而提出“这个 index 里有什么有趣的东西”并得到有用答案则更难这要求 AI 不只是会画图还要会探索。example-mcp-dashbuilder 提供了一个 analysis://guidelines resource它定义了一套结构化的探索流程数据 profile、运行有针对性的 aggregations、发现值得关注的 patterns、为最有价值的发现构建 charts并提出用户可能想要的 drill-down queries。当触发类似 “analyze my logs” 或 “find patterns in this index” 这样的 prompt 时AI 会先读取这份 playbook再开始执行因此开放式输入不会变成随意拼凑的图表而是一个连贯的分析过程。结果是你可以把一个陌生的 index 交给 AI然后得到一个起点——一个 dashboard以及一组类似“我注意到这些现象要不要继续深入其中某一个”的 follow-up prompts。Kibana dashboard 的导出与导入完整闭环export/import round trip 是 example-mcp-dashbuilder 真正对团队有价值的地方。example-mcp-dashbuilder 本身是一个运行在 editor 内的对话式 dashboard 工具但它不会把你的工作锁死在这里。这里构建的 dashboards 可以在需要时导出到 Kibana而已有的 Kibana dashboards 也可以导入回来进行 AI 辅助编辑。导出到 Kibana当你对 dashboard 满意时只需要一个命令即可导出“Export this dashboard to Kibana/将这个 dashboard 导出到 Kibana”每一个 panel 都会被转换为真实的 Kibana Lens visualization。这个转换会保留以下内容ES|QL queries直接作为 Lens 的 ES|QL data sources 传递。grid positions使用 Kibana 相同的 48-column 系统因此布局看起来完全一致。custom colorsseries palettes、metric backgrounds、heatmap color ramps。最终结果是一个完全可用的 Kibana dashboard。不是截图不是嵌入而是真正的 dashboard你可以在 Kibana 中共享并继续编辑。Kibana dashboard 和 Cursor chat 中的 dashboard 并排对比。从 Kibana 导入这个往返流程也支持反向操作“Import the Kibana dashboard with ID abc-123、导入 ID 为 abc-123 的 Kibana dashboard”它会获取现有的 Kibana dashboard将其中的 Lens visualizations 转换回可编辑的 chart configs保留 grid layout 和 sections并将所有内容加载到 example-mcp-dashbuilder 中。之后你就可以通过自然语言修改它并重新导出。这使得 AI 成为你现有 Kibana workflow 中的协作者而不是替代品。自定义主题与颜色想要一个带品牌风格的 dashboard只需要这样说“Create a pink-themed dashboard with custom colors/创建一个粉色主题的 dashboard并使用自定义颜色”每种 visualization 类型都支持自定义颜色配置Chartspalette 接受一组 hex colors用于 series 和 slices。Metricscolor 用于设置背景颜色。HeatmapscolorRamp 用于定义从低值到高值的渐变色。AI 会自然理解主题请求。比如说 “Ocean theme”它会选择蓝色和青绿色如果你说“匹配我们的品牌颜色”并提供 hex values这些颜色会在导出到 Kibana 时完整保留。带有自定义颜色的主题化 dashboard。example-mcp-dashbuilder 的工作原理MCP 架构example-mcp-dashbuilder 基于 MCP 构建MCP 是一种用于将 AI assistants 连接到外部工具与数据的开放标准。下面是其高层架构MCP server暴露了 25 个可供 AI 直接调用的 tools从运行 ES|QL 查询到导出 dashboards 一应俱全同时还包含一些内部“app-only” tools供内联预览使用用于获取数据、持久化 layout 变更以及检测时间字段。它提供三个 resources一个 dataviz best-practices guide、一个 ES|QL reference以及一个 deep-analysis playbook用于处理开放式 prompts例如 “analyze my logs” 或 “whats interesting in this index”。它既支持 stdio也支持 HTTP其中 HTTP transport 支持流式响应与 session 管理因此多个 clients 可以连接到同一个 server。MCP App是交互式预览层。它基于 React、Elastic Charts 和 Elastic UI 构建并被打包为一个独立的 HTML 文件。当 AI 调用 view_dashboard 或创建 chart 时host 会在 sandboxed iframe 中渲染这个 HTML。app 完全通过 MCP Apps protocol 与 server 通信使用基于 postMessage 的 callServerTool() 来获取数据、保存 layouts 以及检测时间字段。这里没有 localhost server、没有需要配置的端口也没有外部网络依赖。这意味着它可以与任何兼容 MCP 的 client 一起工作Cursor、Claude Desktop、Claude.ai、带 Copilot 的 VS Code 等等。example-mcp-dashbuilder 支持哪些 chart 类型在撰写本文时它已经支持六种覆盖最常见 dashboard 场景的 chart 类型example-mcp-dashbuilder 支持哪些 chart 类型在撰写本文时它已经支持六种覆盖最常见 dashboard 场景的 chart 类型类型最适合示例Bar对比分类数据按 geographic source 统计 requestsLine时间趋势每小时 bytes transferredArea随时间变化的总量随时间变化的 request volumePie整体占比最多六个 slicesresponse code 分布Metric带 sparkline 的单一 KPI带小时趋势的总 requestsHeatmap两个维度之间的模式分析按星期与小时统计的 requestsDashboards 支持可折叠 sections 以便组织内容支持带自动时间字段检测的 time picker并支持保存与切换多个 dashboards并行 chat sessions 之间通过在每次 tool 调用中传递的 dashboardId 实现彼此隔离。如何安装并运行 example-mcp-dashbuilderexample-mcp-dashbuilder 是开源的并且已经可以直接使用。你需要 Node.js 22、一个 Elasticsearch 实例本地或 Elastic Cloud以及一个兼容 MCP 的 client。Claude Desktop从 GitHub Releases 下载最新的 .mcpb 文件然后双击它。Claude Desktop 会提示你输入 Elasticsearch credentials。Cursor / Claude Code / VS Code Copilot将你的 MCP 配置指向发布版 tarball无需 clone无需 npm install{ mcpServers: { example-mcp-dashbuilder: { type: stdio, command: npx, args: [https://github.com/elastic/example-mcp-dashbuilder/releases/latest/download/example-mcp-dashbuilder.tgz] } } }将 ES_NODE、ES_API_KEY或 ES_USERNAME / ES_PASSWORD以及 KIBANA_URL 设置为环境变量。如果你更倾向于从源码运行可以 clone 这个 repo然后运行 npm run setup启动一个交互式向导它会帮助你配置本地 Elasticsearch 或 Elastic CloudCloud ID API key。然后开始构建“Explore the logs index and build me the most insightful dashboard you can/探索 logs index并帮我构建一个你认为最有洞察力的 dashboard”接下来 AI 就会接管一切。Roadmapexample-mcp-dashbuilder 接下来会有什么这是一个早期版本我们正在积极开发中。目前重点关注的方向包括更多 chart 类型Gauge、donut、treemap、data table 和 tag cloud以匹配 Lens 的完整能力。将 dashboards 推送到 Git把 dashboard 配置写入 repository以支持版本控制与 code-review workflow。更好的错误体验当 ES|QL 查询失败时提供更详细的反馈以及常见问题修复建议。更丰富的分析流程扩展 deep-analysis playbook以支持更多数据形态logs、metrics、traces。我们非常期待看到你用它构建出的内容。欢迎试用、提交 issues并告诉我们哪些 visualizations 与 workflows 对你的团队最有帮助。GitHubelastic/example-mcp-dashbuilder致谢感谢 Walter Rafelsberger与 Tim Schnell 对实现工作的贡献。FAQ什么是 example-mcp-dashbuilderexample-mcp-dashbuilder 是一个开源 MCPModel Context Protocol应用它将 AI assistants 连接到 Elasticsearch。你可以用自然语言描述一个 Kibana dashboard它会自动生成 ES|QL 查询、创建 visualizations并在 editor chat window 中交付一个实时交互式 dashboard。example-mcp-dashbuilder 使用什么查询语言来获取数据所有数据获取都使用 ES|QL即 Elasticsearch 的管道式查询语言。MCP server 内置了一个 ES|QL referenceAI 会在编写查询前先读取它以确保每种 visualization 类型都能使用正确语法与高效 aggregation。我可以将 example-mcp-dashbuilder 构建的 dashboards 导出到 Kibana 吗可以。运行 “Export this dashboard to Kibana” 后每个 panel 都会被转换成真实的 Kibana Lens visualization同时保留 ES|QL 查询、48-column grid layout、自定义颜色与 series palettes。最终得到的是一个真正可用的 Kibana dashboard而不是 screenshot 或 embed。我可以把现有 Kibana dashboard 导入 example-mcp-dashbuilder 进行 AI 辅助编辑吗可以。提供一个 Kibana dashboard ID 后系统会获取现有 dashboard将其中的 Lens visualizations 转换为可编辑的 chart configurations并加载到 example-mcp-dashbuilder 中。之后你可以使用自然语言修改它并重新导出到 Kibana。哪些 MCP clients 与 example-mcp-dashbuilder 兼容example-mcp-dashbuilder 可以与任何兼容 MCP 的 client 一起工作包括 Cursor、Claude Desktop、Claude.ai以及带 Copilot 的 VS Code。它支持 stdio 与 HTTP transport并且不需要 localhost server 或端口配置。example-mcp-dashbuilder 支持哪些 chart 类型当前版本支持六种 chart 类型bar、line、area、pie、metric带 sparkline以及 heatmap。未来计划增加 gauge、donut、treemap、data table 与 tag cloud以匹配 Kibana Lens 的完整能力。运行 example-mcp-dashbuilder 需要什么你需要 Node.js 22 或更高版本、一个 Elasticsearch 实例本地或 Elastic Cloud以及一个兼容 MCP 的 client。需要设置环境变量 ES_NODE、ES_API_KEY或 ES_USERNAME / ES_PASSWORD以及 KIBANA_URL。对于 Claude Desktop可以从 GitHub Releases 下载 .mcpb 文件并双击安装。这篇内容对你有多大帮助原文https://www.elastic.co/search-labs/blog/kibana-dashboard-builder-mcp-esql