AIOps落地：基于WorkBuddy+ Zabbix MCP 的智能运维实践

核心思路与系统架构

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）Zabbix 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Zabbix的 API 能力包装成 LLM 可以理解和调用的“工具”。

MCP服务部署与配置

步骤 1: 准备Zabbix环境。这里假设你已经搭建好Zabbix服务端和客户端，并做好了被监控主机接入和配置。注意，Zabbix版本不能高于7.4.0。

步骤 2: 部署 Zabbix MCP Server。项目地址为：https://github.com/mpeirone/zabbix-mcp-server。它的README里提供了详细的部署步骤，你可以根据你的使用场景来选择不同的安装方法，我这里使用的是docker的方式启动服务：

git clone https://github.com/mpeirone/zabbix-mcp-server.git
cd zabbix-mcp-server
cp config/.env.example .env
vi .env  ##定义zabbix服务端、mcp服务相关配置  
docker compose up -d

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": {
    "zabbix-mcp": {
      "type": "http",
      "url": "http://192.168.186.152:8000/sse",
      "headers": {
        "Authorization": "Bearer yourtoken"
      },
      "disabled": false
    }
  }
}

点击保存，然后返回MCP列表，点击“信任”。

稍等几秒钟，就可以看到它给我们展示出来44个工具。

自然语言创建运维专家

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zabbix监控专家，可以通过 zabbix-mcp 连接器访问 Zabbix 监控系统的数据。

## 能力列表
1. 查询主机状态、列表和配置 (host_get)。
2. 查询当前的告警和问题 (problem_get)。
3. 获取监控项的历史数据和趋势 (history_get, trend_get)。

## 回答规范
- 当用户询问“某台服务器”的情况时，先尝试模糊搜索主机名获取 hostid。
- 如果查询到告警信息，请按严重程度排序，并给出具体的告警时间、名称和主机。
- 在展示数据时，尽量使用清晰的列表或 Markdown 表格。
- 如果未查到数据，请提示用户检查主机名是否正确。

## 示例场景
用户: "帮我看看 server-01 有没有报警"
思考: 先调用 host_get 找到 server-01 的 hostid，然后用 hostid 调用 problem_get。

专家典型使用场景

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“Zabbix监控专家”，点击立即使用。

示例1

帮我检查一下数据库服务器 DB-Server-01 当前的 CPU 和内存使用率是多少？

示例2

列出当前所有处于‘严重(High)’或‘灾难(Disaster)’级别的未恢复告警，并告诉我涉及哪些主机。 

示例3

Web-Node-02 刚才网络有点卡，帮我拉取过去 1 小时的网络流量入站 (Incoming traffic) 数据趋势。

示例4

列出 Linux Servers 主机组里所有机器的 IP 地址，并告诉我哪些机器目前的 Zabbix Agent 连接不可用？

示例5

我要对 Payment-API-01机器进行升级，请帮我给它创建一个 30 分钟的维护期，在此期间不要发送告警。

JOTO 企业落地观察

• 对企业部署意味着，可跳过自研Agent框架环节，直接复用WorkBuddy作为统一智能体运行时，将Zabbix等存量监控系统通过MCP协议快速注入其工具生态，显著缩短AIOps PoC周期。
• 这类系统的取舍在于：WorkBuddy作为闭源商业Agent提供稳定交互与工程化能力，而Zabbix MCP作为开源适配层承担协议桥接职责；企业需在平台可控性与集成敏捷性之间做权衡，而非陷入全栈自研。
• 对智能体工程而言，自然语言定义专家的能力清单与回答规范，实质是将运维SOP结构化为Agent Prompt Schema，这要求团队具备将领域知识转化为可执行指令的能力，而非仅依赖算法工程师。
• 该架构下，Zabbix API经MCP封装后成为标准工具集，其44个能力点构成运维领域的最小可用工具原子；这对RAG知识工程形成补充——当知识需实时调用而非静态检索时，工具调用成为更优解。