用描述代替手动绘制：通过 MCP 和 ES|QL 构建 AI 原生 Kibana 仪表板。

example-mcp-dashbuilder 是一款开源 MCP 应用，可将简单英文提示词转换为实时、交互式 Kibana 仪表板，所有操作都在编辑器的聊天窗口中完成。描述您想要实现的仪表板，AI 会探查您的索引结构，为每个可视化内容编写正确的 ES|QL 聚合，并在运行过程中以内联方式渲染预览。完成后，只需一条命令即可导出功能完整的 Kibana 仪表板：真实的 Lens 可视化内容、精确的网格布局和自定义颜色都会保留下来。目前支持六种图表类型，完整的 Kibana Lens 图表集已列入路线图。

Kibana 仪表板构建器是什么？

想象一下：您只需用简单英文描述所需仪表板，就能看着它逐步呈现，并配有交互式图表、拖放式布局以及一键导出到 Kibana 的功能。

这正是 example-mcp-dashbuilder 的作用。它是一款开源 MCP（Model Context Protocol，模型上下文协议）应用，可将 AI 助手连接到 Elasticsearch，让您通过对话创建完整的 Kibana 仪表板。无需在菜单间反复点击。无需手动编写可视化配置。只需描述您的需求，AI 就会探查您的数据、编写 ES|QL 查询、构建图表，并在编辑器的聊天窗口中交付实时交互式仪表板。

从提示词到仪表板，仅需数秒

实际运行效果如下。您可以输入类似这样的内容：

“为我构建一个基于 logstash-* 的 Web 流量仪表板，包含总请求数、随时间变化的传输字节数、主要地理来源以及响应代码细分”

随后，AI 会：

1. 探查您的数据：列出索引并检查字段映射。
2. 编写 ES|QL 查询：根据您的架构量身定制，并使用正确的聚合。
3. 创建可视化内容：条形图、折线图、带迷你图的指标图、热力图、饼图。
4. 组织所有内容：可折叠分区、有意义的标题、合理的布局。
5. 渲染交互式预览：直接显示在聊天中，并配有工具提示、时间选择器和拖放功能。

每个图表在创建时都会内联显示，因此您可以实时查看进度。随后，view_dashboard 会显示完整的仪表板，所有面板都会按照 Kibana 的 48 列网格完成布局。

单个图表的内联预览

由 ES|QL 提供支持

所有数据检索均使用 ES|QL，即 Elasticsearch 的管道式查询语言。AI 不只是传递原始查询，还会利用其对 ES|QL 语法的内置知识，并结合您的数据结构信息，为每种可视化类型编写正确且高效的查询。

该服务器包含一份全面的 ES|QL 参考文档，并将其作为 MCP 资源提供。在编写任何查询之前，AI 会先读取这份参考文档，以了解可用的命令、函数和模式。结合数据可视化最佳实践指南（同样作为资源提供），AI 不仅知道如何查询，还懂得什么样的可视化效果更好：

• 针对时间序列使用 BUCKET(@timestamp, 1 day)；始终按时间字段 SORT 排序。
• 使用 | SORT value DESC | LIMIT 6 将饼图限制为最多六个扇区。
• 类别比较选用条形图，趋势分析选用折线图，关键绩效指标 (KPI) 选用指标图。

AI 驱动的数据探索，支持开放式分析

在脑海中设计好一个仪表板并将其构建出来是一回事。询问“这个索引中有哪些值得关注的内容？”并获得有用答案则更难；这要求 AI 懂得如何探索数据，而不仅仅是绘制图表。

example-mcp-dashbuilder 提供了一个 analysis://guidelines 资源，用于定义结构化探索流程：剖析数据、运行有针对性的聚合、呈现值得调查的模式、为最值得关注的发现构建图表，并提出用户接下来可能需要的下钻查询。“分析我的日志”或“在这个索引中寻找模式”等触发短语，会促使 AI 在执行任何其他操作前先读取该操作手册。因此，开放式提示词生成的是逻辑连贯的分析过程，而不是一堆随机图表。

结果是：您可以将一个陌生索引交给 AI，并获得一个起点，包括一个仪表板，以及一组简短提示，例如“以下是我注意到的情况，需要我深入分析其中某一项吗？”

Kibana 仪表板的导出与导入：完整闭环

导出/导入闭环让 example-mcp-dashbuilder 对已经在 Kibana 中工作的团队真正显现价值。example-mcp-dashbuilder 是一个独立工具，也是位于编辑器内的对话式仪表板界面，但它不会让您的工作局限于此。在这里构建的仪表板可以在需要时导入 Kibana；现有 Kibana 仪表板也可以反向导入，以便进行 AI 辅助编辑。

导出到 Kibana

当您对仪表板满意后，只需一条命令即可导出：

将此仪表板导出到 Kibana

每个面板都会转换为 Kibana Lens 原生可视化内容。转换过程会保留：

• ES|QL 查询：直接作为 Lens ES|QL 数据源传输。
• 网格位置：沿用 Kibana 使用的 48 列系统，因此您的布局看起来完全一致。
• 自定义颜色：系列调色板、指标背景、热力图色带。

最终生成的是一个功能完整的 Kibana 仪表板。不是屏幕截图。不是嵌入内容。而是一个真实的仪表板，您可以在 Kibana 中分享并继续编辑。

Kibana 仪表板与 Cursor 聊天中的仪表板并排显示。

从 Kibana 导入

该闭环同样支持反向操作：

“导入 ID 为 abc-123 的 Kibana 仪表板”

这会获取现有 Kibana 仪表板，将其 Lens 可视化内容转换回可编辑的图表配置，保留网格布局和分区，并将所有内容加载到 example-mcp-dashbuilder 中。之后，您可以使用自然语言修改该仪表板并重新导出。

这使得 AI 成为您现有 Kibana 工作流程中的协作者，而不是替代品。

自定义主题和颜色

想要品牌化仪表板？直接提出需求：

“创建一个粉色主题的仪表板，并使用自定义颜色”

所有可视化类型都支持自定义颜色配置：

• 图表：palette 接受用于系列和扇区的十六进制颜色数组。
• 指标：color 设置背景颜色。
• 热力图：colorRamp 定义从低值到高值的颜色渐变。

AI 能自然理解主题请求。输入“海洋主题”，它会选择蓝色和蓝绿色。输入“匹配我们的品牌颜色”并提供十六进制值，这些颜色会在导出时一并带入 Kibana。

采用自定义颜色的主题仪表板。

example-mcp-dashbuilder 的工作原理：MCP 架构

example-mcp-dashbuilder 基于 MCP 构建；MCP 是用于连接 AI 助手与外部工具和数据的开放标准。以下是其高层级架构概览：

MCP 服务器提供 25 个可由 AI 直接调用的工具，涵盖从运行 ES|QL 查询到导出仪表板的各类操作。同时，它还提供少量仅供应用内部调用的工具，供内联预览用于获取数据、持久化布局更改和检测时间字段。它提供三类资源：数据可视化最佳实践指南、ES|QL 参考文档，以及会在遇到开放式提示词（如“分析我的日志”“这个索引中有哪些值得关注的内容？”）时触发的深度分析操作手册。它既可以通过 stdio 运行，也可以通过 HTTP 运行；HTTP 传输支持流式响应和会话管理，因此多个客户端可以连接到同一台服务器。

MCP App 是交互式预览界面。它使用 React、Elastic Charts 和 Elastic UI 构建，并打包成一个独立且自包含的 HTML 文件。当 AI 调用 view_dashboard 或创建图表时，宿主程序会在沙盒化 iframe 中渲染此 HTML。该应用完全通过 MCP Apps 协议与服务器通信，并通过 postMessage 使用 callServerTool() 来获取数据、保存布局和检测时间字段。无需 localhost 服务器，无需配置端口，也没有外部网络依赖。

这意味着它可以与任何兼容 MCP 的客户端配合使用：Cursor、Claude Desktop、Claude.ai、VS Code with Copilot 等。

example-mcp-dashbuilder 支持哪些图表类型？

在撰写本文时，支持六种图表类型，涵盖了最常见的仪表板场景：

仪表板支持用于组织内容的可折叠分区、可自动检测时间字段的时间选择器，以及保存多个仪表板并在其间切换的功能；并行聊天会话通过贯穿每次工具调用的 dashboardId 保持相互隔离。

如何安装和运行 example-mcp-dashbuilder

example-mcp-dashbuilder 是开源项目，可直接使用。您需要 Node.js 22+、一个 Elasticsearch 实例（本地或 Elastic Cloud），以及一个兼容 MCP 的客户端。

Claude Desktop：从 GitHub Releases 下载最新 .mcpb 文件，然后双击安装。Claude Desktop 会提示您输入 Elasticsearch 凭据。

Cursor / Claude Code / VS Code Copilot：将您的 MCP 配置指向已发布的 tarball 压缩包；无需克隆，也无需 npm install：

将 ES_NODE, ES_API_KEY（或 ES_USERNAME / ES_PASSWORD）和 KIBANA_URL 设置为环境变量。如果您更倾向于基于源代码运行，请克隆仓库并运行 npm run setup，以启动交互式向导；该向导可处理本地 Elasticsearch 和 Elastic Cloud（Cloud ID + API 密钥）。

然后开始构建：

“探索 logs 索引，并尽可能为我构建最具洞察力的仪表板”

剩下的交给 AI 即可。😉

路线图：example-mcp-dashbuilder 即将推出的功能

这是一个早期版本，我们正在积极开发中。我们专注的一些领域：

• 更多图表类型：仪表图、环形图、树状图、数据表和标签云，以覆盖 Lens 的完整功能。
• 将仪表板推送到 Git：将仪表板配置写入代码仓库，用于版本控制和代码审查工作流。
• 更友好的错误处理体验：当 ES|QL 查询失败时提供更详细的反馈，并给出常见修复建议。
• 更丰富的分析流程：扩展深度分析操作手册，以覆盖更多数据形态（日志、指标、链路追踪）。

我们很期待看到您用它构建出的成果。欢迎试用、提交 issue，并告诉我们哪些可视化内容和工作流对您的团队最有帮助。

GitHub：elastic/example-mcp-dashbuilder

致谢

感谢 Walter Rafelsberger 和 Tim Schnell 在实现方面作出的贡献。

常见问题解答

什么是 example-mcp-dashbuilder？example-mcp-dashbuilder 是一款开源 MCP (Model Context Protocol) 应用，用于将 AI 助手连接到 Elasticsearch。它让您可以用简单英文描述 Kibana 仪表板，并自动生成 ES|QL 查询、创建可视化内容，在编辑器的聊天窗口中交付实时交互式仪表板。

example-mcp-dashbuilder 使用哪种查询语言来检索数据？所有数据检索均使用 ES|QL，即 Elasticsearch 的管道式查询语言。MCP 服务器包含一份内置 ES|QL 参考文档，AI 在编写任何查询之前都会先阅读该参考文档，从而确保每种可视化类型都具备正确语法和高效聚合。

我可以将使用 example-mcp-dashbuilder 构建的仪表板导出到 Kibana 吗？可以。运行“将此仪表板导出到 Kibana”会将每个面板转换为真正的 Kibana Lens 可视化内容，并保留 ES|QL 查询、48 列网格布局、自定义颜色和系列调色板。最终呈现的是一个功能完整的 Kibana 仪表板，而不是屏幕截图或嵌入内容。

我可以将现有 Kibana 仪表板导入 example-mcp-dashbuilder，以便进行 AI 辅助编辑吗？可以。只需提供 Kibana 仪表板 ID，系统便会获取现有仪表板，将其 Lens 可视化内容转换为可编辑的图表配置，并加载到 example-mcp-dashbuilder 中。之后，您可以使用自然语言修改仪表板，并重新导出到 Kibana。

哪些 MCP 客户端与 example-mcp-dashbuilder 兼容？example-mcp-dashbuilder 可与任何兼容 MCP 的客户端配合使用，包括 Cursor、Claude Desktop、Claude.ai 和 VS Code with Copilot。它同时支持 stdio 和 HTTP 传输，无需 localhost 服务器或端口配置。

example-mcp-dashbuilder 支持哪些图表类型？当前版本支持六种图表类型：条形图、折线图、面积图、饼图、指标图（带迷你图）和热力图。计划新增仪表图、环形图、树状图、数据表和标签云，以覆盖 Kibana Lens 的完整功能。

运行 example-mcp-dashbuilder 需要什么？您需要 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 的客户端。设置环境变量 ES_NODE、ES_API_KEY（或 ES_USERNAME/ES_PASSWORD）和 KIBANA_URL。对于 Claude Desktop，请从 GitHub Releases 下载 .mcpb 文件，然后双击安装。