Installation überspringen. In unter 2 Minuten einsatzbereit.
Starte eine kostenlose Testphase auf cloud.anythingmcp.com, füge Splunk mit einem Klick hinzu und richte deinen KI-Client (Claude, ChatGPT, Copilot oder Cursor) auf den erzeugten MCP-Endpoint. Kein Docker, kein git clone, keinerlei Entwicklungserfahrung nötig.
Zusammenfassung
Splunk-Logs und -Metriken aus Claude, ChatGPT oder Copilot durchsuchen, über den offiziellen MCP-Server von Splunk: SPL und gespeicherte Suchen ausführen, Indizes, Hosts und Quellen auflisten, Wissensobjekte lesen und SPL mit dem Splunk AI Assistant entwerfen.
Frag einfach
Beispiel-Prompts für Splunk
Klick auf einen Prompt, um ihn zu kopieren. In Claude, ChatGPT, Cursor, Gemini, Copilot oder OpenClaw einfügen — und gegen diesen Connector laufen lassen.
Claude ist KI und kann Fehler machen. Bitte Antworten gegenprüfen.
💡 Keine Installation? Nutze cloud.anythingmcp.com direkt. Einloggen, Connectors → Splunk klicken, Zugangsdaten einfügen, MCP-API-Key erzeugen — fertig. Kein Docker, kein
git clone, kein lokaler Server.
Splunk + Gemini
Splunk-Logs und -Metriken aus Claude, ChatGPT oder Copilot durchsuchen, über den offiziellen MCP-Server von Splunk: SPL und gespeicherte Suchen ausführen, Indizes, Hosts und Quellen auflisten, Wissensobjekte lesen und SPL mit dem Splunk AI Assistant entwerfen.
Voraussetzungen
Die vollständige Setup-Anleitung ist in den Connector eingebaut (im Store sichtbar, wenn du den Connector auswählst). Benötigte Umgebungsvariablen für diesen Connector:
SPLUNK_HOST, SPLUNK_MCP_TOKEN
Schritt 1 — Zugangsdaten holen
AnythingMCP bindet den Splunk MCP Server an, die offizielle App von Splunk (Splunkbase 7931). Die Tools kommen aus deinem eigenen Splunk; AnythingMCP ergänzt OAuth für Claude und ChatGPT, Rollen pro Tool und das Audit-Log.
- Ein Splunk-Admin installiert Splunk MCP Server auf dem Search Head und aktiviert die Token-Authentifizierung.
- Gib der Rolle, die die KI nutzt, die Capability
mcp_tool_executeund nur die Indizes, die sie lesen darf. Nimm eine Rolle ohne Schreibrechte auf Indizes und Lookups: Splunk selbst kennzeichnetsplunk_run_queryals datenverändernd. - Erzeuge in der Splunk-MCP-Server-App einen verschlüsselten MCP-Token für diesen Benutzer. Ein normaler Splunk-Benutzertoken wird mit "invalid token audience" abgelehnt.
- Bei Splunk Cloud Platform muss die Adresse, von der AnythingMCP aufruft, für Port 8089 freigegeben sein (IP-Allowlist für die Search-API im Admin Config Service). Bei AnythingMCP Cloud nennt dir der Support die Ausgangs-IP.
- Installiere in AnythingMCP Splunk aus dem Katalog mit
SPLUNK_HOST(zum Beispielyourstack.splunkcloud.com, ohnehttps://) undSPLUNK_MCP_TOKEN. Die Installation übernimmt die Tools, die dein Server anbietet; die beiden Dashboard-Tools sind zunächst ausgeschaltet.
Schritt 2 — Adapter installieren
curl -fsSL https://raw.githubusercontent.com/HelpCode-ai/anythingmcp/main/docker-compose.quickstart.yml -o docker-compose.yml
printf 'JWT_SECRET=%s\nENCRYPTION_KEY=%s\n' "$(openssl rand -hex 32)" "$(openssl rand -hex 32)" > .env
docker compose up -d
Schritt 3 — Connector in Gemini hinzufügen
Deine Server-URL: Öffne in AnythingMCP MCP Servers → den Server, auf dem dieser Connector liegt, und kopiere seine URL (
https://cloud.anythingmcp.com/mcp/…). Setze sie überall ein, wo diese AnleitungYOUR_SERVER_IDzeigt.
Gemini CLI liest MCP-Server aus ~/.gemini/settings.json (oder %APPDATA%\gemini\settings.json unter Windows). Hinzufügen:
{
"mcpServers": {
"anythingmcp": {
"httpUrl": "https://cloud.anythingmcp.com/mcp/YOUR_SERVER_ID",
"headers": { "X-API-Key": "YOUR_MCP_API_KEY" }
}
}
}
- Hole deinen MCP API Key aus AnythingMCP → MCP Servers → dein Server → API keys.
- Speichern und
geminineu starten. /mcpin Gemini CLI ausführen —Splunksollte als verfügbar gelistet sein.- Vertex AI Studio:
https://cloud.anythingmcp.com/mcp/YOUR_SERVER_IDimtools-Array der Anfrage mit demselben Bearer-Header übergeben.
Verfügbare Tools
| Tool | What it does |
|---|---|
saia_ask_splunk_question | Ask natural language questions about Splunk using Splunk AI Assistant |
saia_explain_spl | Explain SPL queries in natural language using Splunk AI Assistant |
saia_generate_spl | Generate SPL from natural language queries using Splunk AI Assistant |
saia_optimize_spl | Optimize SPL (Search Processing Language) queries using Splunk AI Assistant |
splunk_create_dashboard | Creates a new Splunk dashboard using Dashboard Studio JSON in the specified app namespace |
splunk_get_index_info | Get detailed information about a specific Splunk index |
splunk_get_indexes | Get a list of indexes from Splunk |
splunk_get_info | Get comprehensive information about the Splunk instance |
splunk_get_knowledge_objects | Retrieve Splunk knowledge objects by type |
splunk_get_kv_store_collections | Get KV Store collection statistics including size, count, and storage information |
splunk_get_metadata | Retrieve metadata about hosts or sources across one or more indexes in the selected time window |
splunk_get_user_info | Retrieves detailed information about the currently authenticated user including roles and permissions |
splunk_get_user_list | Get a list of users from Splunk |
splunk_run_query | Execute a Splunk search query and return the results |
splunk_run_saved_search | Execute a Splunk saved search by name and return its results |
splunk_update_dashboard | Updates an existing Splunk dashboard's definition using Dashboard Studio JSON |
FAQ
Unterstützen Gemini 1.5 Pro oder 2.x MCP? Ja — Gemini CLI ≥ 0.4 und die Vertex AI Tools API akzeptieren MCP httpUrl-Connectors mit Bearer-Header.
Nächste Schritte
War dieser Guide hilfreich?
