Salta l'installazione. Attivo in meno di 2 minuti.
Avvia una prova gratuita su cloud.anythingmcp.com, aggiungi Splunk con un clic, poi punta il tuo client AI (Claude, ChatGPT, Copilot o Cursor) all'endpoint MCP generato. Niente Docker, niente git clone, nessuna esperienza di sviluppo richiesta.
In breve
Cerca nei log e nelle metriche di Splunk da Claude, ChatGPT o Copilot tramite l'MCP Server ufficiale di Splunk: esegui SPL e ricerche salvate, elenca indici, host e sorgenti, leggi i knowledge object e scrivi SPL con Splunk AI Assistant.
Prova a chiedere
Prompt di esempio per Splunk
Clicca su un prompt per copiarlo. Incollalo in Claude, ChatGPT, Cursor, Gemini, Copilot o OpenClaw per eseguirlo contro questo connettore.
Claude è un'AI e può sbagliare. Verifica sempre le risposte.
💡 Niente installazione? Vai direttamente su cloud.anythingmcp.com. Accedi, clicca Connectors → Splunk, inserisci le credenziali, genera una MCP API key — fatto. Niente Docker, niente
git clone, niente server locale.
Splunk + Gemini
Cerca nei log e nelle metriche di Splunk da Claude, ChatGPT o Copilot tramite l'MCP Server ufficiale di Splunk: esegui SPL e ricerche salvate, elenca indici, host e sorgenti, leggi i knowledge object e scrivi SPL con Splunk AI Assistant.
Prerequisiti
Le istruzioni di setup complete sono incluse nel connettore stesso (visibili nello store quando lo selezioni). Le variabili d'ambiente richieste sono:
SPLUNK_HOST, SPLUNK_MCP_TOKEN
Step 1 — Ottieni le credenziali
AnythingMCP collega lo Splunk MCP Server, l'app ufficiale di Splunk (Splunkbase 7931). I tool arrivano dal tuo Splunk; AnythingMCP aggiunge OAuth per Claude e ChatGPT, ruoli per singolo tool e l'audit log.
- Un admin di Splunk installa Splunk MCP Server sul search head e attiva l'autenticazione tramite token.
- Dai al ruolo che userà l'AI la capability
mcp_tool_executee solo gli indici che può leggere. Scegli un ruolo che non possa scrivere su indici e lookup: Splunk stesso segnalasplunk_run_querycome capace di modificare i dati. - Nell'app Splunk MCP Server, genera un token MCP cifrato per quell'utente. Un normale token utente di Splunk viene rifiutato con "invalid token audience".
- Su Splunk Cloud Platform, consenti sulla porta 8089 l'indirizzo da cui chiama AnythingMCP (allow list IP della search API nell'Admin Config Service). Su AnythingMCP Cloud, chiedi al supporto l'IP in uscita.
- In AnythingMCP, installa Splunk dal catalogo con
SPLUNK_HOST(per esempioyourstack.splunkcloud.com, senzahttps://) eSPLUNK_MCP_TOKEN. L'installazione importa i tool offerti dal tuo server; i due tool per le dashboard partono disattivati.
Step 2 — Installa l'adapter
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
Step 3 — Aggiungi il connettore in Gemini
L'URL del tuo server: in AnythingMCP apri MCP Servers → il server su cui si trova questo connettore e copia il suo URL (
https://cloud.anythingmcp.com/mcp/…). Usalo ovunque questa guida mostraYOUR_SERVER_ID.
Gemini CLI legge i server MCP da ~/.gemini/settings.json (o %APPDATA%\gemini\settings.json su Windows). Aggiungi:
{
"mcpServers": {
"anythingmcp": {
"httpUrl": "https://cloud.anythingmcp.com/mcp/YOUR_SERVER_ID",
"headers": { "X-API-Key": "YOUR_MCP_API_KEY" }
}
}
}
- Ottieni la tua MCP API key da AnythingMCP → MCP Servers → il tuo server → API keys.
- Salva il file e riavvia
gemini. - Esegui
/mcpnella Gemini CLI —Splunkdovrebbe essere elencato come disponibile. - Vertex AI Studio: passa
https://cloud.anythingmcp.com/mcp/YOUR_SERVER_IDnell'arraytoolsdella richiesta con lo stesso header Bearer.
Tool disponibili
| 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
Gemini 1.5 Pro o 2.x supportano MCP? Sì — Gemini CLI ≥ 0.4 e la Vertex AI tools API accettano connettori MCP httpUrl con header Bearer.
Prossimi passi
Questa guida ti è stata utile?
