从 API 到 AI Agent：阿里云云监控 CLI + Agent Skill 实战

使用云监控官方 CLI + Agent Skill，让 AI Agent 安全执行可观测运维任务。

云监控 CLI + Agent Skill 的核心价值

阿里云云监控 CLI（aliyun cms2）把 CMS（Cloud Monitor Service）2.0 控制台中的接入、配置、查询、告警、事件等能力统一沉淀为命令行入口；CMS Agent Skill 则把这些命令组织成面向 AI Agent 的业务工作流。

过去，运维自动化往往从 API 开始：查文档、拼参数、写脚本、调接口；现在，通过云监控 CLI + Agent Skill，这些能力可以被组织成 AI Agent 可理解、可执行、可校验的标准化工作流。

对运维人员来说，它的价值不是“多一个工具”，而是让你用自然语言描述运维目标，由 AI Agent 完成场景理解、CLI 调用、API 执行和结果校验，将重复、多步骤、易出错的可观测运维操作变成可确认、可审计、可复用的自动化流程。

为什么需要 CLI + Agent Skill

随着云上业务规模和基础设施持续增长，可观测运维贯穿了资源接入、指标/日志采集、告警治理、链路排查、根因分析和稳定性运营的全流程，运维工作量和操作复杂度随之攀升。与此同时，AI Agent 凭借强大的语言理解与任务编排能力，正在成为新的运维协作入口，越来越多团队开始尝试把重复、标准化、多步骤的任务交给 Agent 辅助执行，把复杂的问题排查交给 AI 辅助分析。

但要让 AI Agent 真正进入生产运维闭环，不能只停留在“理解问题、生成建议或脚本”的阶段，还需要一套稳定的云监控能力执行入口、标准化的领域流程、必要的人工确认和可校验的执行结果。云监控 CLI + Agent Skill 正是面向这一需求构建的能力套件。

CLI + Skill 的解决方案

阿里云云监控 CLI（aliyun cms2）提供统一、稳定、可审计的能力入口，CMS Agent Skill[1]则把云监控领域的业务语义和操作流程沉淀为 AI Agent 可理解、可执行的工作流。二者配合，AI Agent 可以从“帮我把这个 ACK 集群接入云监控”这样的自然语言指令出发，自动完成场景识别、参数生成、CLI 调用、API 执行和结果校验。

• 统一命令树：CLI 已覆盖 CMS 2.0 控制台中的接入中心、Prometheus 服务、应用监控、用户体验监控、告警中心、事件中心等能力。后续将继续覆盖云拨测、Grafana 大盘等能力，实现对 CMS 2.0 控制台的完整覆盖。

• AI Agent 原生适配：

  • 提供规范、明确、细致的 --help 信息，支持 --show-schema、--show-example-body 等辅助能力，帮助 AI 准确处理各类业务场景；

  • 默认使用-o text 输出紧凑 CSV，显著降低 AI Token 消耗；

  • 通过结构化 JSON 错误码，支持 Agent 根据错误原因自动决策和修复。

• Skill 驱动：配套 Skill 文档沉淀完整业务工作流，Agent 无需硬编码即可完成复杂多步操作。

CLI + Skill 工作流程

云监控 CLI + Agent Skill 工作流程示意图

对运维人员来说，最直观的变化是：不再从控制台入口或 API 参数开始操作，而是从一个明确的运维目标开始，由 Agent 按标准流程完成后续执行与校验。这条链路的核心是“可控自动化”：Agent 不会绕过运维体系，而是通过统一 CLI 入口和 Skill 中沉淀的业务规则执行操作。这样既能减少重复劳动，又能保留必要的权限、确认和审计边界。

安装与配置

▍安装 Skill/CLI

• 打开阿里云 Agent Skills 门户[1]的 alibabacloud-cms-manage Skill，按界面引导完成 Skill 安装。

阿里云 Agent Skills 门户安装界面截图

• 安装完成后，AI Agent 使用 Skill 时会自动检测并引导安装或更新阿里云 CLI 及cms2 插件到所需版本，无需手动处理环境依赖。

# 验证 CLI 安装成功
aliyun version
# 验证 cms2 插件可用
aliyun cms2 --help

▍配置凭证

支持 AccessKey、STS Token 等多种凭证类型，详见：配置阿里云 CLI 身份凭证[2]。

# 交互式配置（推荐首次使用）
aliyun configure
# 非交互式配置
aliyun configure set \
  --access-key-id YOUR_AK \
  --access-key-secret YOUR_SK \
  --region cn-hangzhou

实战场景一（接入中心）：ACK 集群接入云监控

▍业务场景

SRE 团队新建了一个 ACK 集群用于部署微服务，需要将集群的节点、Pod、容器等指标接入云监控。

▍使用方式

您只需要在 AI Agent 对话中输入：

帮我看看杭州有哪些容器集群没有可观测能力，帮我接入一下。

Agent 就会自动完成整个接入流程，用户只需在关键节点确认即可。

▍AI Agent 支持的核心能力

步骤Agent 自动执行的操作步骤1：查询容器集群通过云资源中心，查询符合条件的容器集群列表步骤2：已接入实例判断查询实体数据（EntityStore），过滤掉已接入云监控的实例步骤3：资源验证通过云资源中心查询集群 ID，确认其真实身份、所属账号等信息步骤4：组件选择从接入组件目录中匹配适合 ACK 场景的 Addon（监控组件），获取参数 schema 和工作流模板步骤5：策略创建创建集成策略（Integration Policy），关联目标 Workspace步骤6：组件部署创建 Addon Release，将集群的指标采集接入到 Prometheus 实例步骤7：结果验证检查存储实例、关联大盘和采集 Job 目标，确认数据链路畅通

▍接入中心的常见场景和提示词示例

按资源组接入：将默认资源组下，北京区域的所有 RDS 接入云监控的 {workspace} 下。

按标签接入：将匹配标签key= {tagKey}，value={tagValue}的所有 ECS 接入云监控的 {workspace}下。

跨账号接入：将 {资源目录成员账号uid} 的上海区域下，所有 AI 网关接入云监控下。

监控组件部署：在接入策略 {策略id/名称} 下增加 ACK 成本洞察组件接入。

指标采集 target 检查：检查 ACK 集群 {集群Id/名称} 的 apiserver 相关 scrape target 是否正常。

自定义采集规则查询：查询接入策略 {策略id/名称} 的 serviceMonitor/podMonitor/customJob 列表。

实战场景二（告警中心）：智能告警规则管理

▍业务场景

SRE 需要为生产环境建立完善的告警体系，以容器服务集群节点为例，配置专业的节点告警规则。

▍使用方式

以下是典型的对话示例：

针对容器的告警有什么建议，然后帮我 apply。

▍AI Agent 支持的核心能力

步骤Agent 自动执行的操作步骤1：查询现有告警规则查询容器实例对应的现有告警规则列表步骤2：查询指标信息查询容器实例现有的指标列表和labels步骤3：生成告警规则配置结合现有告警规则，生成各主要组件的告警规则配置步骤4：Dry Run 告警规则Dry Run 生成的告警规则，确认其有效性步骤5：创建告警规则创建现有未覆盖的告警规则步骤6：修改现有告警规则对现有不合理的告警规则进行修改

▍告警中心的常见场景和提示词示例

智能分析告警规则：分析现有告警是否配置合理，是否存在告警噪声，不合理就一键修改。

查询告警规则：查询工作空间 {workspace} 下，云产品监控的所有运行中的告警规则。

修改告警规则联系人：将告警规则 {规则id/名称} 的通知对象改为 {联系人}。

删除告警规则：删除 Prometheus 实例 {实例id/名称} 的 {规则名称} 告警规则。

查询告警历史：查询告警规则 {规则id/名称} 的1 周内的告警历史。

实战场景三（Prometheus 服务）：Prometheus 实例管理与数据查询

▍业务场景

运维团队需要管理多个 Prometheus 实例，分析监控指标和业务健康状况，并配置 Recording Rule 预聚合高频指标。

▍使用方式

以下是典型的对话示例：

帮我看看杭州有哪些 Prometheus 实例，按工作空间分组展示。

▍以下为 Agent 支持的核心能力概览

能力Agent 自动执行的操作Prometheus 实例管理创建、查询、更新、删除 Prometheus 实例，支持按标签、地域过滤Prometheus 聚合视图管理创建、查询、更新、删除 Prometheus 聚合视图Recording Rule 管理创建/删除预聚合规则，管理规则的启停状态

▍Prometheus 服务的常见场景和提示词示例

修改 Prometheus 实例存储时长：修改 Prometheus 实例 {实例Id/名称} 的存储时长为 90 天，归档时长为 180 天。

创建RecordingRule：在 Prometheus 实例 {实例Id/名称} 下，创建一个 Recording Rule，预聚合各节点的 5 分钟平均 CPU 利用率。

停止RecordingRule：停止 Prometheus 实例 {实例id/名称} 下的 {聚合任务名} 预聚合任务。

创建 Prometheus 聚合视图：创建一个聚合视图 {聚合视图名}，包含 {workspace} 空间下 {区域名} 区域的所有 Prometheus 实例。

实战场景四（应用性能监控 APM）：应用监控/AI 可观测接入

此场景的接入流程包括初始化 APM 基础设施、获取凭证、注册应用、获取配置模板、验证接入等步骤，传统接入过程较复杂。通过 CLI + Skill 可极大简化流程，实现自然语言交互式接入。

详情参考《告别复杂接入流程：用 AI Agent Skill 驱动云监控可观测接入》。

实战场景五（数据查询）：元数据、PromQL 和基础云监控指标查询

▍业务场景

查询元数据、Prometheus 指标数据、基础云监控指标数据，以便分析业务运行情况、排查故障/问题。

▍使用方式

以下是典型的对话示例：

CPU使用率最高的 ECS 列表：找出最近半小时内 CPU 使用率最高的10台 ECS 实例。

▍以下为 Agent 支持的核心能力概览

能力Agent 自动执行的操作元数据（Meta）查询执行指标、namespace、事件元数据查询PromQL 查询对接入云监控指标监控的资源，执行即时查询和范围查询，以及 label、labelValues、series 元数据查询基础云监控指标查询执行基础云监控的top、latest、range、points等查询Trace查询执行链路追踪数据查询

▍数据查询的常见场景和提示词示例

RDS 慢查询：查询过去 30 分钟内执行时间超过 1 秒的慢查询数量趋势。

容器资源请求浪费：查找容器集群内，过去 7 天内资源申请过大但实际使用很少的“僵尸”资源。

容器 Pod 内存泄漏嫌疑：查找容器集群 {集群名/id} 的 {ns} 下，过去 1 小时内存使用量持续增长，且当前值超过限值 90% 的 Pod 列表。

总结

阿里云云监控 CLI（aliyun cms2）与配套的 CMS Agent Skill，不只是将控制台/API 能力迁移至命令行，更是在为可观测运维构建一套面向 AI Agent 的标准操作界面。它把分散在接入、配置、查询、告警、事件等场景中的能力统一起来，让运维人员可以用更自然的方式表达目标，用更可控的方式完成执行，用更清晰的链路完成验证和审计。

对运维团队来说，这意味着可观测建设正在从“人找入口、人拼参数、人做验证”的手工阶段，逐步走向“人定义目标、Agent 编排流程、CLI 执行操作、AI 校验结果”的协同阶段。

AI 不是要替代运维判断，而是显著降低重复操作、跨系统协作和复杂流程执行的成本，提升问题排查与故障定位的效率，让 SRE 把更多精力投入到稳定性设计、告警治理和故障复盘等更高价值的工作中。

后续我们将持续丰富 CLI 与 Skill 的能力范围，全面覆盖云监控业务场景。面向 AI 时代，云监控 CLI + Skill 希望成为运维人员和 AI Agent 之间稳定、可信、可扩展的可观测能力底座，推动自动化、智能化运维从单点尝试走向规模化落地。

JOTO 企业落地观察

• 这类系统对企业部署意味着：必须将 CLI 的权限管控、凭证生命周期、执行审计日志纳入统一的 DevOps 流程与安全策略，而非仅作为 Agent 的附属工具；否则“可控自动化”将退化为不可追溯的黑盒执行。
• AI Agent 在可观测场景中的取舍在于：是否接受 CLI 作为唯一执行通道。若允许 Agent 绕过 CLI 直接调用底层 API，则丧失统一审计、参数校验与错误结构化等关键治理能力，违背该方案的设计初衷。
• 对 RAG 知识工程而言，CMS Agent Skill 文档本身即是一份高质量、结构化的领域知识源——它显式定义了业务语义、参数约束与流程依赖，比非结构化文档或 API 文档更适合构建可推理的运维知识图谱。
• 该模式对 AI 安全治理提出新要求：需在 Agent 层面强制实施“最小权限+人工确认+结果回写”三重机制，确保每个 CLI 调用都对应明确的运维意图、授权上下文与可验证输出，避免自然语言模糊性引发越权或误操作。