Saltar al contenido
Volver

Grafana saca gcx y su MCP Server a GA: los agentes de código ahora miran la telemetría en vivo

Grafana Labs llevó a disponibilidad general su CLI gcx y el Grafana MCP Server, permitiendo que los agentes de coding consulten métricas, logs, traces y SLOs reales antes de mergear un PR.

Nauta Lab
2 min

Ilustración de un robot de código observando dashboards de monitoreo con gráficos y trazas

Grafana Labs acaba de mandar a disponibilidad general dos herramientas que apuntan directo al problema más incómodo del coding con IA: que los agentes escriben código más rápido de lo que cualquiera lo entiende. Se trata del CLI gcx y el Grafana MCP Server, ambos anunciados en GrafanaCon 2026 y ahora disponibles para todo el mundo.

El problema que atacan

La mecánica es conocida: planificas, implementas y revisas cambios mayormente con un LLM, y terminas mergeando un PR sin haber construido el modelo mental del cambio. Antes ese modelo se formaba mientras escribías el código a mano. Cuando el diff lo escribe un agente — y encima llegan approvals tipo “LGTM” de otros agentes — la confianza falsa se acumula. La apuesta de Grafana: meter observabilidad como capa de verificación basada en evidencia, no solo code review.

Dos herramientas, dos niveles de opinión

  • Grafana MCP Server: set fijo de herramientas para casos de uso comunes. Funciona self-hosted o con endpoint alojado para stacks de Grafana Cloud.
  • gcx: CLI más flexible y menos opinado, para que los agentes armen workflows propios contra Grafana Cloud, OSS o Enterprise.

Ambos permiten que un agente tire de métricas, logs, traces, SLOs y Synthetic Monitoring. Además vienen con bundles de skills instalables (gcx agent skills install) y plugins separados para Claude Code, incluida una capa de guía con Grafana Assistant.

El flujo práctico (con ejemplo real)

El caso que muestra Grafana: agregar un nuevo proveedor de pagos. En vez de adivinar la carga, el agente consulta las métricas RED actuales, detecta que la latencia p95 del proveedor existente es de 2 segundos, y usa ese dato para fijar latencias mockeadas en tests unitarios e de integración. También puede leer y modificar dashboards, trazear queries hasta el código que genera la telemetría, y pushear definiciones actualizadas de vuelta a Grafana o al source control.

Para iterar local, los agentes pueden levantar un OpenTelemetry Collector o usar la imagen grafana/otel-lgtm de Docker para un stack LGTM completo en local, y sincronizar dashboards de producción con gcx resources pull. El golpe final: usar telemetría real para generar scripts de carga con k6 (k6 x agent init), algo que antes tomaba un día de trabajo manual.

Un PR que se ve distinto

El resultado práctico es que un PR ya no es solo un diff generado por agente: incluye links a dashboards mostrando el build local bajo carga realista. El squad de Tempo en Grafana ya usa un harness agéntico similar para perfilar entornos con terabytes de datos y medir optimizaciones contra un baseline. También hay una feature experimental de Agentic Testing que verifica flujos de UI en aplicaciones web vivas con instrucciones en lenguaje natural.

La pregunta cambia de “¿el agente entendió el ticket?” a “¿el sistema corriendo se comporta como esperamos?”. En un mundo donde el código lo escribe una IA, esa verificación basada en telemetría probablemente se vuelva estándar, no lujo.

Fuentes: InfoQ, Grafana Labs blog.


Compartir artículo:

Sigue leyendo

Noticias relacionadas

Más en Observabilidad →

Buscar en Ping Diario