AIOps落地:基于WorkBuddy+ Prometheus MCP 的智能运维实践
本文介绍一种基于WorkBuddy智能体平台与MySQL MCP服务的AIOps运维实践方案。WorkBuddy作为智能体‘大脑皮层’,通过MCP协议调用MySQL数据库操作能力;MySQL MCP将数据库API封装为LLM可调用工具。文章详述了MCP服务部署、WorkBuddy连接器配置、专家创建及四类典型数据库操作(查库、查表/数据、写入、安全删除)的实操流程。
核心思路与系统角色分工
WorkBuddy虽然是商业AI Agent,但它的能力还是非常不错的。它可以集成自定义MCP,它也有丰富的Skill资源,也可以自定义“专家”。这个“专家”你可以理解为就是一个自定义的Agent。
最重要的是,现阶段可以白嫖Hy3大模型,这个还是非常香的!

1)WorkBuddy: 作为智能体的“大脑皮层”和“语言中枢”。负责接收用户指令、进行意图识别、调用工具、组织语言并最终回复。
2)MySQL MCP: 作为连接“大脑”和“感官”的“神经通路”。它是一个实现了 MCP (Model Context Protocol) 的服务器,能将MySQL的 API 能力(如增、删、改、查)包装成 LLM 可以理解和调用的“工具”。
MCP服务部署与WorkBuddy配置
步骤 1: 准备MySQL环境。这里假设你已经搭建好MySQL服务。
步骤 2: 部署 MySQL MCP Server。目前提供MySQL mcp服务的开源项目还是挺多的,我找了一个start数最多的项目,地址为:https://github.com/benborla/mcp-server-mysql。它的README里提供了详细的部署步骤,下面我基于我的环境大概整理了一下:
建议将mysql mcp服务部署在和mysql服务同一台机器上,方便管理。
1)安装node.js(步骤略)
2)下载源码mkdir /opt/mysql-mcp
cd /opt/mysql-mcp
git clone https://github.com/benborla/mcp-server-mysql.git3)更改配置文件
cd /opt/mysql-mcp/mcp-server-mysql
vi .env
# 需要更改的配置有
MYSQL_PASS = 你的mysql root 密码
IS_REMOTE_MCP=true
REMOTE_SECRET_KEY=yourtoken4)启动mcp服务
cd /opt/mysql-mcp/mcp-server-mysql
npm install
npm run build
nohup node dist/index.js > /tmp/mysql-mcp.log 2>/tmp/mysql-mcp.log &步骤 3: 在 WorkBuddy 中配置 MCP 工具。在左侧菜单栏点击“专家.技能.连接器”,再选择“连接器”,再点击右上角的“自定义连接器”,点击“配置MCP”。写入如下配置:
{
"mcpServers": {
"mysql-mcp": {
"type": "http",
"url": "http://192.168.186.134:3000/mcp",
"headers": {
"Authorization": "Bearer yourtoken"
},
"disabled": false
}
}
}点击保存,然后返回MCP列表,点击“信任”。

创建具备安全策略的数据库专家
左侧点击“专家.技能.连接器”,选择“专家”,创建专家,直接用自然语言创建:




expert-manager 帮我创建一个 MySQL数据库 专家,他可以根据mysql_query工具需要的参数从用户提出的需求中提取关键信息。这里有一个必须要遵守的规则:如果用户需要删除操作时,不要直接执行删除操作,而是需要将删除操作先列出来,跟用户讲清楚删除后的隐患,让用户是否同意删除,只有用户确认删除之后,才能执行删除操作。专家的实际使用与操作示例
点击左侧“专家.技能.连接器”,点击“专家”,再点击右上角“我的专家”,找到“MySQL数据库管理员”,点击立即使用。
示例1. 列出所有库

看一下数据库里都有哪些库示例2. 查数据






查看aming01库里有啥表,并且看看表里有什么数据示例3. 写数据
模拟两条测试数据,然后插入test_table表里示例4:删数据
删除test_table表中id为5,6,7的三条数据


JOTO 企业落地观察
- 该实践表明,企业无需从零构建AI Agent框架,可依托WorkBuddy等成熟平台,通过MCP快速接入现有数据库系统,大幅降低智能体工程的启动门槛与开发成本。
- 专家创建环节强调“删除前需用户确认”的安全策略,说明在运维场景下,RAG知识工程之外,还需在智能体编排层嵌入明确的业务规则与人工审核点,这对保障生产环境安全至关重要。
- 整个流程高度依赖MCP协议对数据库API的标准化封装,这意味着企业若要复用此模式,其内部系统(如监控、CMDB)也需具备类似MCP兼容能力,否则将面临接口适配瓶颈。
- 方案中未涉及Prometheus,标题提及的“Prometheus MCP”与正文内容不符,这提示企业在评估AI工具链时,需严格核验组件实际集成状态,避免因命名混淆导致技术选型偏差。
立即咨询 JOTO
JOTO 提供覆盖企业智能体规划与搭建、AI 平台私有化部署、RAG 知识工程、AI 安全治理、FDE 驻场共创及持续运营优化的全周期 AI 落地服务,帮助企业把验证中的 AI 能力转化为安全、可控、可持续迭代的生产力。 联系 JOTO 获取 AI 落地咨询
想把这些做法用到你的业务里?
留下你的场景和痛点,我们帮你判断从哪一步开始。
联系我们


