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 dashboard，AI 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。

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。

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 colors：series 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。

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：

• Charts：palette 接受一组 hex colors，用于 series 和 slices。
• Metrics：color 用于设置背景颜色。
• Heatmaps：colorRamp 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。

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 “what's 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 requests
Line	时间趋势	每小时 bytes transferred
Area	随时间变化的总量	随时间变化的 request volume
Pie	整体占比（最多六个 slices）	response code 分布
Metric	带 sparkline 的单一 KPI	带小时趋势的总 requests
Heatmap	两个维度之间的模式分析	按星期与小时统计的 requests

Dashboards 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-dashbuilder

example-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 Cloud（Cloud 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。😉

Roadmap：example-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。

GitHub：elastic/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-dashbuilder？

example-mcp-dashbuilder 是一个开源 MCP（Model 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 reference，AI 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