一、前言
云原生业务持续扩张后，资源监控、告警治理、指标查询、应用接入等运维工作的复杂度持续提升。传统运维模式依赖人工查阅接口文档、拼接API参数、手动编写脚本，大量重复步骤消耗SRE团队精力，且操作链路缺少统一审计能力。伴随AI Agent技术落地，将标准化运维工作交由智能体自动执行成为可行路径，但早期AI仅能生成脚本，无法直接操作云上可观测平台，缺少稳定、可校验的执行入口。
阿里云推出aliyun cms2云监控CLI工具与配套CMS Agent Skill，完整解决这一痛点。aliyun cms2将云监控2.0控制台全部能力收敛为标准化命令行，覆盖接入、Prometheus、APM、告警、指标查询全场景；CMS Agent Skill则把整套CLI指令封装为AI可识别的标准化工作流，智能体接收自然语言运维需求后，自动完成场景识别、参数生成、命令调用、结果校验，形成“人输入目标-AI编排执行-结果审计”的自动化运维闭环。
本文完整拆解CLI工具底层能力、Skill安装配置、全业务场景实操代码，覆盖ACK集群接入、告警管理、Prometheus运维、APM接入、指标检索五大高频运维场景，附带可直接运行终端代码、配置片段，全程无外部链接、表格、图片，无营销内容，适合运维、开发人员用于搭建AI驱动的可观测运维体系。阿里云部署AI Agent：OpenClaw/Hermes Agent全网最简单，只需两步，详情👉访问阿里云OpenClaw/Hermes一键部署专题页面 了解。
Token Plan Token最便宜/支持多模型切换：👉访问订阅阿里云百炼Token Plan AI大模型服务 。支持多模型切换，用于多模态模型灵活调用，实现多模型、多工具、多场景下的额度共享与统一管理，兼顾灵活性、稳定性与安全性，大幅降低企业使用大模型的门槛与成本。
二、传统运维模式痛点与CLI+Skill方案核心价值
2.1 传统手动运维核心短板
- 操作碎片化：接入集群、创建告警、查询指标需要切换控制台或调用多套API，每套接口参数规则不统一，记忆成本高。
- 重复脚本开发：每次新业务上线，需要重新编写API调用脚本，复用性差，出错概率高。
- AI执行无可信入口：普通AI生成脚本缺少权限管控、操作确认机制，直接执行存在误删规则、批量修改告警等线上风险。
- 缺少全链路审计：多步骤操作分散在控制台、各类脚本，无法统一记录操作人、执行时间、变更内容，故障回溯困难。
- 多环境适配繁琐：区分开发、测试、生产资源时，需要手动切换接口参数、账号凭证，极易出现环境串操作。
2.2 云监控CLI+Agent Skill核心优势
- 统一标准化入口：所有可观测操作收敛至
aliyun cms2单一命令集，一套语法覆盖全部云监控能力，无需记忆多套API。 - AI原生适配设计：CLI内置
--help、--show-schema、--show-example-body参数，AI可自动读取接口入参、返回样例，无需人工整理文档；输出默认精简文本格式，大幅降低Token消耗。 - 可控自动化流程：AI执行高危变更前可配置人工确认节点，杜绝无审核批量操作，兼顾效率与线上安全。
- 完整审计链路：每一条CLI调用都会记录操作日志、账号、执行参数，支持追溯所有监控规则、资源接入变更。
- 场景化工作流封装：CMS Agent Skill提前沉淀集群接入、告警治理等标准化流程，AI无需硬编码复杂逻辑，直接复用预置运维工作流。
三、前置环境依赖与完整安装步骤
3.1 环境硬性要求
- Node.js 18及以上版本，Skill安装依赖npx工具；
- 阿里云CLI版本3.3.15及以上，低版本不支持cms2插件；
- 已完成阿里云账号实名认证，账号具备云监控相关操作权限；
- 支持Claude Code、Cursor、Qoder等主流AI Agent客户端。
3.2 分步安装流程
3.2.1 校验基础环境
打开本地或云服务器终端，执行版本校验指令：
# 查看Node版本
node -v
# 查看阿里云CLI版本
aliyun version
若Node版本不达标，执行升级操作；若阿里云CLI版本过低，执行更新：
npm install -g @alicloud/cli
3.2.2 配置阿里云身份凭证
分为交互式配置（新手推荐）与非脚本自动化配置两种方式。
交互式配置：
aliyun configure
按提示依次输入AccessKey ID、AccessKey Secret、地域信息。
自动化脚本配置（服务器、CI环境使用）：
aliyun configure set \
--access-key-id AKxxxxxx \
--access-key-se SKxxxxxx \
--region cn-hangzhou
3.3 安装CMS Agent Skill
通过npx指令拉取官方Skill包，指定适配的AI客户端，以通用Agent环境为例：
npx skills add alibabacloud-cms-manage \
--skill alibabacloud-cms-manage \
--agent qoder -y --full-depth
安装完成后重启AI Agent客户端，智能体即可识别全部云监控运维工作流。
3.4 安装并验证cms2插件
Skill会自动检测并安装cms2插件，手动校验命令可用性：
# 查看cms2完整命令树帮助文档
aliyun cms2 --help
# 启用AI适配模式，优化AI读取返回格式
aliyun configure ai-mode enable
# 设置AI调用专属UA标识，区分人工与智能体操作
aliyun configure ai-mode set-user-agent --user-agent CMS-AI-Skill-Agent
四、aliyun cms2命令整体架构分层
aliyun cms2命令按照业务域划分为五大模块，覆盖云监控2.0全部功能，各模块核心子命令如下：
- 接入管理域（integration）：管控接入策略、Addon组件、采集任务、存储与大盘绑定；
- 工作空间域（workspace）：创建/查询/删除隔离业务空间，区分多业务集群；
- 应用可观测域：prometheus实例管理、APM应用监控、R前端监控；
- 告警事件域（alert、event-hub）：告警规则、通知渠道、历史告警查询；
- 数据查询域（metric、trace、meta）：PromQL查询、基础指标、链路追踪、资源元数据。
4.1 基础通用参数说明
所有cms2子命令支持统一输出参数，适配AI读取：
-o text：精简文本输出，减少Token占用；-o json：完整结构化JSON，适合程序解析；--show-schema：展示当前接口入参结构，AI自动获取参数约束；--show-example-body：输出标准调用样例，智能体可直接复用。
五、五大实战运维场景 AI自然语言驱动完整实操
场景一：ACK容器集群一键接入云监控
业务需求
SRE通过自然语言向AI Agent下发需求：“查询杭州地域所有未接入监控的ACK集群，自动完成指标采集组件部署，绑定默认工作空间”。
AI自动执行完整CLI流程
- 调用资源查询命令，筛选目标集群：
aliyun cms2 entity query \ --resource-type ack-cluster \ --region cn-hangzhou -o json - 查询现有接入策略，过滤已绑定集群：
aliyun cms2 integration policy list --workspace default - 创建集群接入策略，绑定Prometheus存储：
aliyun cms2 integration policy create \ --workspace default \ --body '{"name":"ack-monitor-policy","storageId":"prom-storage-01"}' - 部署ACK监控Addon组件，开启Pod/Service采集任务：
aliyun cms2 integration addon-release create \ --policy-name ack-monitor-policy \ --add-type k8s-monitor - 校验采集目标状态，确认数据上报正常：
aliyun cms2 integration job-target list --policy-name ack-monitor-policy自然语言提示词参考
“列出当前地域所有未接入云监控ACK集群，为每台集群创建接入策略，部署容器监控组件，绑定默认Prometheus存储，最后校验采集任务是否正常运行”
场景二：告警规则智能创建与批量治理
业务需求
向AI Agent发送指令：“梳理生产节点CPU、内存告警，补充缺失阈值规则，对不合理旧告警批量修改阈值，生成变更记录”。
配套CLI操作代码
# 查询现有全部容器告警规则
aliyun cms2 alert rule list --workspace prod-env
# 查看指标标签与可用阈值区间
aliyun cms2 meta metrics --namespace k8s-node
# 创建CPU利用率告警规则
aliyun cms2 alert rule create \
--workspace prod-env \
--body '{
"metric":"node_cpu_util",
"threshold":85,
"cycle":"60",
"contactGroup":"sre-group"
}'
# 批量更新内存告警阈值
aliyun cms2 alert rule patch \
--rule-id rule_001 \
--body '{"threshold":90}'
# 查看近7天告警触发历史，验证规则有效性
aliyun cms2 alert history list --range 7d
场景化提示词
“分析当前生产工作空间下所有节点告警，补齐CPU、内存缺失监控规则，原有告警阈值过低的统一调整至85/90，查询一周告警历史确认规则生效”
场景三：Prometheus实例与预聚合规则运维
业务需求
自然语言指令：“查看杭州所有Prometheus实例，为业务节点新增5分钟CPU平均预聚合规则，修改存储时长90天”
可执行CLI代码
# 查询全部Prometheus实例
aliyun cms2 prom instance list --region cn-hangzhou
# 修改实例数据存储周期
aliyun cms2 prom instance update \
--instance-id prom_01 \
--body '{"storeDays":90}'
# 创建CPU预聚合RecordingRule
aliyun cms2 prom recording-rule create \
--instance-id prom_01 \
--name node_cpu_avg_5m \
--expr avg_over_time(node_cpu_util[5m])
# 启停聚合任务
aliyun cms2 prom recording-rule stop --name node_cpu_avg_5m
场景四：APM应用性能监控自动化接入
微服务新应用上线，AI自动完成工作空间创建、应用注册、接入凭证下发整套流程：
# 创建专属应用工作空间
aliyun cms2 workspace create --name app-business
# 注册APM应用服务
aliyun cms2 apm service create \
--workspace app-business \
--body '{"serviceName":"user-service","language":"java"}'
# 获取接入License凭证
aliyun cms2 apm configuration get --service-name user-service
场景五：指标与链路数据查询排查故障
线上服务卡顿，通过AI下发查询需求，检索半小时高CPU ECS实例、慢SQL链路：
# 检索半小时CPU Top10实例
aliyun cms metric basic top \
--metric CPUUtilization \
--range 30m --top 10
# PromQL查询容器内存持续增长Pod
aliyun cms metric promql query-range \
--expr container_memory_usage > 0.9 \
--start 30m-ago --end now
# 查询慢调用Trace链路
aliyun cms trace search --duration 1000ms
六、CMS Agent Skill AI完整调用示例
以通用AI Agent客户端交互为例，展示自然语言到后台CLI执行完整闭环，附带Python调用封装代码，可集成自研智能体。
6.1 AI对话交互示例
用户输入：
“在cn-hangzhou区域，查找标签业务组=payment的所有ECS，统一接入默认工作空间云监控，创建磁盘使用率告警，阈值90”
AI自动拆解执行步骤：
- 调用entity query筛选带指定标签ECS资源；
- 调用integration policy创建资源接入策略；
- 批量生成磁盘指标告警规则；
- 执行metric查询验证指标上报；
- 汇总全部操作结果，输出变更审计清单。
6.2 Python封装调用代码（适配自研Agent）
import subprocess
import json
def run_cms_command(cmd_list):
"""封装cms2命令执行，返回结构化结果"""
result = subprocess.run(
cmd_list,
capture_output=True,
text=True
)
if result.returncode != 0:
return {
"success": False, "error": result.stderr}
try:
return json.loads(result.stdout)
except:
return {
"success": True, "data": result.stdout}
# 示例：查询区域ACK集群
if __name__ == "__main__":
res = run_cms_command([
"aliyun", "cms2", "entity", "query",
"--resource-type", "ack-cluster",
"--region", "cn-hangzhou",
"-o", "json"
])
print("集群查询结果：", res)
七、权限、审计与生产环境安全规范
- 账号权限管控：RAM子账号仅分配最小云监控操作权限，禁止赋予全量删除规则权限；
- AI操作确认机制：高危操作（批量删除告警、清空采集任务）在Skill中配置人工确认节点，未确认不执行CLI变更；
- 操作审计留存：所有
aliyun cms2执行记录自动留存，可通过CLI查询历史操作：aliyun cms event-hub list --range 30d - 凭证隔离：生产、测试环境使用独立AccessKey，避免一套凭证操作多环境；
- 输出日志落地：将AI执行的CLI结果输出至本地日志文件，用于故障复盘。
八、常见故障排查方案
故障1：执行cms2提示插件未找到
解决：更新阿里云CLI，重新安装插件
npm install -g @alicloud/cli
aliyun plugin update
故障2：AI Skill无法识别cms2命令
解决：确认Node版本≥18，重新安装Skill并重启Agent客户端
npx skills remove alibabacloud-cms-manage
npx skills add alibabacloud-cms-manage -y
故障3：执行命令返回权限拒绝
解决：登录RAM控制台，为当前账号授予云监控读写权限，重新配置凭证。
故障4：PromQL查询无指标数据
解决：检查集群Addon组件是否正常运行，执行任务列表命令查看采集状态
aliyun cms2 integration job-target list
九、总结
aliyun cms2云监控CLI搭配CMS Agent Skill，重构了传统可观测运维的工作模式，把分散的控制台、API操作收敛为统一命令行入口，同时通过标准化Skill工作流赋予AI Agent安全、可控的云上操作能力。整套体系解决了重复脚本编写、操作碎片化、AI执行无审计、多环境串操作等运维痛点，覆盖容器接入、告警治理、Prometheus运维、APM监控、故障指标检索全部核心场景。
运维人员仅需要输入自然语言描述业务目标，AI即可自动完成多步骤CLI编排、参数填充、变更校验，大幅降低重复性工作。同时完整的操作审计、权限隔离、人工确认机制保障线上生产环境安全，不会因AI自动操作引发故障。随着后续版本迭代，该套件会持续扩充云监控全量能力，逐步实现全链路AI驱动自动化可观测运维，释放SRE团队精力投入架构优化、故障复盘等高价值工作。
