Kibana MCP

Name: Kibana MCP
Author: mshegolev

โดย mshegolevรุ่น 0.1.1i★ –iรันบนเครื่อง

ชื่อใน registryio.github.mshegolev/kibana-mcp

ติดตั้ง

ภาพรวม

คำอธิบายจากผู้ทำ (ภาษาอังกฤษตามต้นฉบับ)

Kibana/Elasticsearch MCP — log search, aggregations, index discovery, dashboards.

สามเสาของ PopNx MCP

สามเรื่องนี้ไม่รวมเป็นคะแนนเดียว เพราะความเห็น การวัด และความนิยม เป็นคนละเรื่องกัน

เสียงผู้ใช้iยังไม่มีรีวิวรีวิวเปิดพร้อมระบบบัญชีในขั้นถัดไป
ผลตรวจเบื้องต้นของเราiผ่าน 1 จาก 1 ข้อตรวจจากข้อมูลที่เปิดอยู่ ยังไม่ได้สแกนโค้ด
การใช้งานiยังไม่ได้วัด★ –

ใช้ทำอะไรได้

ตัวนี้ยังไม่ได้เรียบเรียงเป็นภาษาไทย ด้านล่างคือข้อเท็จจริงที่เราอ่านจาก registry

การเชื่อมต่อ: รันบนเครื่อง
ช่องทาง (transport): stdio
หมวด: ค้นข้อมูลและความจำของ AI
ต้องใส่ค่าเหล่านี้: KIBANA_URL, KIBANA_API_KEY, KIBANA_PASSWORD

ติดตั้ง

เลือกโปรแกรม AI ที่คุณใช้ แล้วคัดลอกค่าตั้งไปวาง

ก่อนติดตั้ง

ผลตรวจเบื้องต้น: ผ่าน 1 จาก 1 ข้อ
รันในเครื่องคุณด้วยสิทธิ์ของผู้ใช้คุณ (ไฟล์ อินเทอร์เน็ต แอปต่าง ๆ)
ค่าที่คุณต้องใส่เอง: KIBANA_URL, ELASTICSEARCH_URL, KIBANA_API_KEY, KIBANA_USERNAME, KIBANA_PASSWORD, KIBANA_SSL_VERIFY

ค่าที่ติดป้ายความลับคือกุญแจของบัญชีคุณ อย่าส่งให้ใคร และอย่าวางในแชต

ต้องเตรียมก่อน

PyPIติดตั้ง uv ของ Python (มีคำสั่ง uvx) ในเครื่อง

คุณใช้แอปไหน

ClaudeClaude CodeCursorVS CodeChatGPT

เลือกแอปด้านบน เราจำไว้ให้ ครั้งหน้าปุ่มจะขึ้นว่า “ติดตั้งลง …”

เปิด Claude Desktop → Settings → Developer → Edit Config แล้ววางค่านี้ในไฟล์ claude_desktop_config.json

{
  "mcpServers": {
    "kibana": {
      "command": "uvx",
      "args": [
        "kibana-mcp"
      ],
      "env": {
        "KIBANA_URL": "ใส่ค่าของคุณ",
        "ELASTICSEARCH_URL": "ใส่ค่าของคุณ",
        "KIBANA_API_KEY": "ใส่ค่าของคุณ",
        "KIBANA_USERNAME": "ใส่ค่าของคุณ",
        "KIBANA_PASSWORD": "ใส่ค่าของคุณ",
        "KIBANA_SSL_VERIFY": "ใส่ค่าของคุณ"
      }
    }
  }
}

พิมพ์คำสั่งนี้ใน Terminal

claude mcp add kibana --env KIBANA_URL='ใส่ค่าของคุณ' --env ELASTICSEARCH_URL='ใส่ค่าของคุณ' --env KIBANA_API_KEY='ใส่ค่าของคุณ' --env KIBANA_USERNAME='ใส่ค่าของคุณ' --env KIBANA_PASSWORD='ใส่ค่าของคุณ' --env KIBANA_SSL_VERIFY='ใส่ค่าของคุณ' -- uvx kibana-mcp

เติมค่าที่เว้นว่างไว้ก่อนรัน

เปิดใน Cursor

หรือคัดลอกค่าตั้งเอง

วางในไฟล์ .cursor/mcp.json ของโปรเจกต์ หรือ ~/.cursor/mcp.json

{
  "mcpServers": {
    "kibana": {
      "command": "uvx",
      "args": [
        "kibana-mcp"
      ],
      "env": {
        "KIBANA_URL": "ใส่ค่าของคุณ",
        "ELASTICSEARCH_URL": "ใส่ค่าของคุณ",
        "KIBANA_API_KEY": "ใส่ค่าของคุณ",
        "KIBANA_USERNAME": "ใส่ค่าของคุณ",
        "KIBANA_PASSWORD": "ใส่ค่าของคุณ",
        "KIBANA_SSL_VERIFY": "ใส่ค่าของคุณ"
      }
    }
  }
}

เบราว์เซอร์จะถามก่อนเปิดแอป จากนั้นแอปแสดงค่าตั้งให้ตรวจแล้วกดยืนยัน ช่อง key เว้นว่างไว้ให้คุณใส่เอง

เปิดใน VS Code

หรือคัดลอกค่าตั้งเอง

วางในไฟล์ .vscode/mcp.json ของโปรเจกต์

{
  "servers": {
    "kibana": {
      "type": "stdio",
      "command": "uvx",
      "args": [
        "kibana-mcp"
      ],
      "env": {
        "KIBANA_URL": "ใส่ค่าของคุณ",
        "ELASTICSEARCH_URL": "ใส่ค่าของคุณ",
        "KIBANA_API_KEY": "ใส่ค่าของคุณ",
        "KIBANA_USERNAME": "ใส่ค่าของคุณ",
        "KIBANA_PASSWORD": "ใส่ค่าของคุณ",
        "KIBANA_SSL_VERIFY": "ใส่ค่าของคุณ"
      }
    }
  }
}

ตัวนี้รันในเครื่องคุณ แต่ ChatGPT ต่อได้เฉพาะ server บนอินเทอร์เน็ต ลองเลือกแอปอื่น

ตัวเลือกเก็บในคุกกี้บนเครื่องนี้ ไม่ต้องมีบัญชี

ค่าที่ต้องใส่เอง

KIBANA_URL จำเป็น env
Kibana base URL (e.g. https://kibana.example.com)
ELASTICSEARCH_URL env
Direct Elasticsearch URL. If unset, ES requests route through the Kibana Console proxy.
KIBANA_API_KEY ความลับ env
Elasticsearch API key (ApiKey base64(id:api_key) format). Takes priority over Basic auth.
KIBANA_USERNAME env
HTTP Basic auth username. Used only when KIBANA_API_KEY is not set.
KIBANA_PASSWORD ความลับ env
HTTP Basic auth password.
KIBANA_SSL_VERIFY env
Verify SSL certificates (true/false). Set to 'false' for self-signed certs.

ค่าตั้งนี้สร้างจากข้อมูลใน registry ของผู้ทำ ถ้าไม่ตรงกับ README ให้เชื่อ README

ทำอะไรได้บ้าง

รันในเครื่องคุณ รายการเครื่องมือจะขึ้นในแอป AI หลังติดตั้ง

ผลตรวจเบื้องต้นi

เราตรวจจากข้อมูลที่ใครก็เปิดดูได้ ยังไม่ได้อ่านโค้ด ข้อที่ไม่เกี่ยวกับตัวนี้ไม่นับในตัวหาร · ตรวจเมื่อ 7 พ.ย. 2569

✓ ผ่าน
ตัวตนผู้ทำตรงกับ repo
ชื่อใน registry ยืนยันด้วยบัญชี GitHub mshegolev ซึ่งเป็นเจ้าของ repo
… ยังไม่ตรวจ
ยังมีคนดูแล
ยังไม่ได้อ่านข้อมูล repo จาก GitHub
… ยังไม่ตรวจ
มีสัญญาอนุญาต (license)
ยังไม่ได้อ่านข้อมูล repo จาก GitHub
– ไม่เกี่ยว
endpoint ตอบ
ตัวนี้รันบนเครื่องคุณ ไม่มี endpoint บนอินเทอร์เน็ต
– ไม่เกี่ยว
ล็อกอินแบบ OAuth
ตัวนี้รันบนเครื่อง ใช้ค่าที่ตั้งในเครื่องแทน
… ยังไม่ตรวจ
คำอธิบายเครื่องมือไม่มีคำสั่งแอบแฝง
รันในเครื่องคุณ เราอ่านรายการเครื่องมือได้เฉพาะตัวที่มี endpoint บนอินเทอร์เน็ต

เทียบกับตัวอื่นในหมวด ค้นข้อมูลและความจำของ AIi

ดาวมากกว่า 0% ของอีก 5653 ตัวในหมวดนี้
ส่งรุ่นใหม่เข้า registry ล่าสุดกว่า 10% ของอีก 5653 ตัวในหมวดนี้
ผลตรวจเบื้องต้นดีกว่าหรือเท่ากับ 100% ของอีก 5653 ตัวในหมวดนี้

เทียบกับทุก server ที่ยังใช้งานในหมวดนี้ทั้งทะเบียน ดาวนับเฉพาะเมื่อผู้ลงทะเบียนเป็นเจ้าของ repo

คำถามที่พบบ่อย

Kibana MCP ปลอดภัยไหม?

จากการตรวจเบื้องต้นของเรา ผ่าน 1 จาก 1 ข้อที่ตรวจได้ เรายังไม่ได้อ่านโค้ด ก่อนใส่กุญแจหรือ token ให้ดูว่า server ขอสิทธิ์อะไร และเลือกกุญแจที่ทำได้เท่าที่จำเป็น

ต้องใช้กุญแจหรือรหัสอะไรบ้าง?

ต้องใส่ค่าเหล่านี้: KIBANA_URL, KIBANA_API_KEY, KIBANA_PASSWORD

ตัวนี้รันบนเครื่องหรือบนคลาวด์?

รันบนเครื่องของคุณ โปรแกรม AI จะเปิด server ขึ้นมาเองเมื่อใช้ ข้อมูลไม่ต้องผ่านเซิร์ฟเวอร์ของผู้ทำ (ยกเว้นตัวที่ไปเรียกบริการออนไลน์ต่อ)

ยังมีคนดูแลอยู่ไหม?

repo บน GitHub มีการแก้โค้ดล่าสุด – และส่งรุ่นล่าสุด (0.1.1) เข้า registry 7 เดือนที่ผ่านมา

ใช้กับโปรแกรมไหนได้บ้าง?

โปรแกรมที่รองรับ MCP เช่น Claude Desktop, Claude Code, Cursor และ VS Code ตัวนี้ต้องมี Python (uv) ในเครื่องด้วย

มีตัวไหนใช้แทนได้บ้าง?

ในหมวดเดียวกันมี Context7, Codebase Memory, Exa

ตัวที่ใช้แทนได้

server หมวดเดียวกันจากผู้ทำคนอื่น เรียงตามดาว

อ่านการ์ด:★ ดาว GitHubiสามเสา: รีวิว · ผลตรวจ · การใช้งานiอัปเดต = วันที่ส่งรุ่นล่าสุดเข้า registryi

Context7

โดย upstash

ส่งคู่มือการใช้ไลบรารีและเฟรมเวิร์กรุ่นล่าสุดให้ AI อ่านก่อนตอบ ช่วยให้โค้ดที่ AI เขียนไม่ใช้คำสั่งเก่าที่เลิกใช้แล้ว

บนเครื่องหรือคลาวด์★ 64,224MITอัปเดต เมื่อวาน

ติดตั้ง

Codebase Memory

โดย DeusData

Codebase knowledge graph for AI agents — 162 languages, sub-ms queries, 99% fewer tokens.

รันบนเครื่อง★ 48,148MITอัปเดต 21 วันที่ผ่านมา

ติดตั้ง

Exa

โดย exa-labs

Connect AI agents to Exa for web search, content fetching, and multi-step research.

รันบนคลาวด์★ 5,213MITอัปเดต 2 เดือนที่ผ่านมา

ติดตั้ง

README จากผู้ทำ

เปิดอ่าน README

ส่วนนี้คัดจาก repo ของผู้ทำตามต้นฉบับ PopNx MCP ไม่ได้ตรวจหรือรับรองเนื้อหา ตัด HTML รูปภาพ และสคริปต์ออกแล้ว ลิงก์จะพาออกนอกเว็บ

kibana-mcp

MCP server for Kibana / Elasticsearch — log search, aggregations, index discovery, and dashboard browsing via Claude and any MCP-compatible agent.

Why another Kibana MCP?

Existing integrations require a running Kibana instance with browser-level credentials and often wrap the Kibana UI rather than the stable REST APIs. This server:

Hits Elasticsearch REST API directly for log queries (faster, stable across Kibana UI changes)
Falls back to the Kibana Console proxy when no direct ES URL is configured (zero extra firewall rules)
Supports ApiKey auth (best for agents) as well as Basic auth and anonymous access
Returns both structured JSON (outputSchema) and markdown text so it works with any MCP client
Is read-only — all tools carry readOnlyHint: true, no data is modified

Tools

Tool	API	Description
`kibana_list_indices`	`GET ES/_cat/indices`	Discover available indices with health, docs, size
`kibana_search_logs`	`POST ES/{index}/_search`	Full-text log search with time range, sort, size
`kibana_aggregate_logs`	`POST ES/{index}/_search`	Terms grouping with count/avg/sum/min/max metric
`kibana_list_dashboards`	`GET Kibana/api/saved_objects/_find`	List saved dashboards with search + pagination
`kibana_get_dashboard`	`GET Kibana/api/saved_objects/dashboard/{id}`	Fetch one dashboard with panel breakdown

Installation

pip install kibana-mcp

Or run directly with uvx:

uvx kibana-mcp

Configuration

Environment Variables

Variable	Required	Description
`KIBANA_URL`	Yes	Kibana base URL (e.g. `https://kibana.example.com`)
`ELASTICSEARCH_URL`	No	Direct ES endpoint. If unset, ES requests go through Kibana Console proxy
`KIBANA_API_KEY`	No	ES API key (`ApiKey base64(id:api_key)` format). Recommended for agents
`KIBANA_USERNAME`	No	HTTP Basic auth username (used if API key not set)
`KIBANA_PASSWORD`	No	HTTP Basic auth password
`KIBANA_SSL_VERIFY`	No	`true` (default) or `false` for self-signed certificates

Auth priority: ApiKey > Basic > anonymous.

Copy .env.example to .env and fill in your values.

MCP Client Configuration (Claude Desktop / claude.app)

"mcpServers": { "kibana": { "command": "uvx", "args": ["kibana-mcp"], "env": { "KIBANA_URL": "https://kibana.example.com", "KIBANA_API_KEY": "your-api-key-here" } } } }

Or with direct ES access for better performance:

"mcpServers": { "kibana": { "command": "uvx", "args": ["kibana-mcp"], "env": { "KIBANA_URL": "https://kibana.example.com", "ELASTICSEARCH_URL": "https://es.example.com:9200", "KIBANA_API_KEY": "your-api-key-here" } } } }

Docker

docker run --rm -i \

-e KIBANA_URL=https://kibana.example.com \ -e KIBANA_API_KEY=your-key \ ghcr.io/mshegolev/kibana-mcp

Usage Examples

Log Search

Find the last 50 ERROR logs from the API service in the last hour

→ kibana_search_logs(index="logs-*", query="level:ERROR AND service:api", size=50, time_from="2026-04-18T09:00:00Z")

Show 500 HTTP errors sorted oldest first for incident replay

→ kibana_search_logs(index="nginx-*", query="status:500", sort_order="asc", size=100)

Aggregations

How many logs per log level in the last hour?

→ kibana_aggregate_logs(index="logs-*", group_by="level", time_from="2026-04-18T09:00:00Z")

What is the average response time per service?

→ kibana_aggregate_logs(index="logs-*", group_by="service.keyword", metric="avg", metric_field="response_time_ms")

Index Discovery

What log indices are available?

→ kibana_list_indices()

Show me all filebeat indices

→ kibana_list_indices(pattern="filebeat-*")

Dashboards

Find the infrastructure dashboard

→ kibana_list_dashboards(search="infrastructure")

What panels does dashboard X have?

→ kibana_get_dashboard(dashboard_id=" ")

Performance Characteristics

Log search (kibana_search_logs): typically 50-500ms with direct ES URL; add 100-200ms when routing through Kibana Console proxy
Aggregations (kibana_aggregate_logs): size:0 queries — no hits transferred, usually 10-100ms
Index listing: single _cat/indices call, O(index_count) response, typically <100ms
Dashboard APIs: Kibana Saved Objects API, typically 50-200ms; latency is Kibana-side, not network
Set ELASTICSEARCH_URL directly if your agent does frequent log searches — eliminates the proxy overhead

Development

git clone https://github.com/mshegolev/kibana-mcp

cd kibana-mcp pip install -e '.[dev]' pytest tests/ -v ruff check src tests ruff format src tests

License

MIT — see LICENSE.

Kibana MCP

ภาพรวม

สามเสาของ PopNx MCP

ใช้ทำอะไรได้

ติดตั้ง

ก่อนติดตั้ง

ค่าที่ต้องใส่เอง

ทำอะไรได้บ้าง

ผลตรวจเบื้องต้นi

ตัวตนผู้ทำตรงกับ repo

ยังมีคนดูแล

มีสัญญาอนุญาต (license)

endpoint ตอบ

ล็อกอินแบบ OAuth

คำอธิบายเครื่องมือไม่มีคำสั่งแอบแฝง

เทียบกับตัวอื่นในหมวด ค้นข้อมูลและความจำของ AIi

คำถามที่พบบ่อย

ตัวที่ใช้แทนได้

Context7

Codebase Memory

Exa

README จากผู้ทำ

kibana-mcp

Why another Kibana MCP?

Tools

Installation

Configuration

Environment Variables

MCP Client Configuration (Claude Desktop / claude.app)

Docker

Usage Examples

Log Search

Aggregations

Index Discovery

Dashboards

Performance Characteristics

Development

License