KI-gestützte Workflows: Checkmk-MCP-Server ab sofort verfügbar

Ab sofort ist der neue Checkmk MCP Server in unseren kommerziellen Editionen ab Release 2.5.0p13 ohne zusätzliche Kosten verfügbar. Über den MCP Server können Nutzer von Checkmk Pro, Ultimate/MT und Cloud KI-Modelle ihrer Wahl mit dem Monitoring-Wissen von Checkmk verbinden und so in natürlicher Sprache über ihre gesamte IT-Umgebung hinweg Abfragen stellen und Probleme analysieren. Checkmk stellt KI-Modellen damit wichtigen Monitoring-Kontext zur Verfügung, auf dessen Grundlage sie Zusammenhänge erkennen und Schlussfolgerungen ziehen können. 

Statt sich manuell durch Hosts, Ansichten und Metriken zu arbeiten, beschreiben Sie einfach in natürlicher Sprache, was Sie untersuchen möchten – etwa „Warum meldet dieser Host eine hohe CPU-Last?“ oder „Welche Fehler treten aktuell auf der Site auf?“ Die KI fragt die dafür relevanten Live-Daten aus Checkmk ab, setzt sie miteinander in Beziehung und hilft Ihnen, die Fehlerursachen schneller einzugrenzen, den manuellen Aufwand zu reduzieren und die MTTR zu senken. 

Im April haben wir mit „Explain with AI“ in Checkmk Cloud bereits eine erste KI-gestützte Funktion eingeführt: Das fest integrierte KI-Modell liefert leicht verständliche Zusammenfassungen und Handlungsempfehlungen bei der Ursachenanalyse einzelner Services. Der neue MCP Server geht einen Schritt weiter und ermöglicht die Verbindung externer KI-Clients mit Checkmk. Dadurch können Sie Ihr bevorzugtes KI-Modell für Root-Cause-Analysen über eine gesamte Site hinweg nutzen. 

Der Checkmk-MCP-Server basiert auf dem offenen Model Context Protocol (MCP) und ermöglicht es, eine MCP-fähige KI-Anwendung mit Checkmk zu verbinden. Die Tiefe der Analyse und die Qualität der Antworten hängen dabei vom gewählten Large Language Model (LLM) ab. Für beste Ergebnisse empfehlen wir aktuell Claude (Sonnet, Opus) sowie die GPT-5.6-Modellfamilie von OpenAI (Sol, Terra, Luna). 

In regulierten oder Air-Gapped-Umgebungen können Sie den MCP-Server mit einem lokal gehosteten LLM betreiben. Ihre Monitoring-Daten bleiben damit innerhalb Ihrer eigenen Umgebung. Nur wenn Sie sich für ein extern gehostetes Modell entscheiden, verlassen die Daten Ihr Netzwerk.

Da der MCP Server direkt innerhalb von Checkmk läuft, kann er Daten effizienter verarbeiten. Gleichzeitig übernimmt das KI-Modell die bestehenden RBAC-, Authentifizierungs- und Berechtigungen des jeweiligen Checkmk-Nutzers. Die Verbindung läuft über OAuth. Die KI arbeitet dabei innerhalb der Berechtigungen des jeweiligen Checkmk-Nutzers: Sie können über den MCP Server also nur auf das zugreifen, wozu Sie auch direkt in Checkmk berechtigt sind. 

Zusätzlich arbeitet der Server ausschließlich lesend (read-only). Die KI kann Daten aus Checkmk zwar abfragen und analysieren, aber keine Änderungen an Ihrer Monitoring-Umgebung vornehmen. Sie kann weder Downtimes setzen noch Alerts quittieren oder Konfigurationsänderungen durchführen. Änderungen an Ihrer Umgebung bleiben vollständig in Ihrer Hand. 

Wartungsfenster und Änderungen berücksichtigen: Die KI setzt Alerts in den Kontext von Wartungsfenstern und vorausgegangenen Änderungen. Sie prüft beispielsweise, ob zum Zeitpunkt eines Alerts eine Downtime aktiv war oder ob kurz zuvor eine Konfigurationsänderung vorgenommen wurde. So erkennen Sie schneller, ob ein Alert mit einer geplanten Wartung oder einer vorherigen Änderung zusammenhängt.

Prompt-Beispiel: „Prüfe, ob in der Stunde vor Beginn der CPU-Warnmeldungen im Ordner Linux/Production eine Setup-Änderung aktiviert wurde.“

Darüber hinaus können Sie den offenen, modellunabhängigen MCP-Ansatz nutzen, um eigene KI-Agenten und KI-gestützte Workflows auf Basis von Checkmk-Daten umzusetzen.

Die RCA: Innerhalb weniger Sekunden gruppiert die KI die 89 Einzelmeldungen in 46 Cluster. Dabei erkennt sie, dass die jeweiligen Fehler bei der Payments-API, dem Checkout-Worker, dem Cache, der Mail-Zustellung und dem File-Share keine unabhängigen Probleme sind, sondern zusammenhängen. Die übrigen 45 Cluster erweisen sich als irrelevantes Grundrauschen. 

Die Root Cause: eine ausfallende Festplatte der primären Payment-Datenbank. Für sich betrachtet liefert die Datenbank zu diesem Zeitpunkt noch keinen eindeutigen Hinweis, da ihre internen Hardware-Diagnosetools noch nicht angeschlagen haben. Erst die Korrelation der über verschiedene Services verteilten Symptome macht die zugrunde liegende Ursache sichtbar.

Der Nutzen: Ohne KI-Unterstützung hätte das Team manuell Dashboards abgleichen, Logs wälzen und die Chronologie der 89 Alerts rekonstruieren müssen. Genau hier macht der MCP Server einen Unterschied: Statt einzelne Symptome nacheinander zu untersuchen, korreliert die KI verteilte Signale und verkürzt den Weg von Dutzenden Alerts zur eigentlichen Fehlerursache deutlich.