Glances — 一條指令搞定跨平台系統監控，還能接 MCP 讓 AI 幫你看伺服器

伺服器跑起來之後，你是怎麼看它狀況的？SSH 進去跑 top，然後看著那個畫面發呆？還是裝了 Grafana 全套，但其實每次都只是看那兩條折線？

Glances 是個很實用但常被忽略的選項。Python 寫的開源系統監控工具，終端機、Web UI、REST API 都有，CPU、記憶體、磁碟、網路、容器全部一次看。重點是 4.5.1 版之後還內建了 MCP Server，Claude 可以直接問它「現在伺服器怎麼了」。

裝起來

推薦用 virtualenv 隔離，不然有些 Python 相依套件可能跟系統環境打架。

# 基本安裝
python3 -m venv ~/.venv
source ~/.venv/bin/activate
pip install glances

# 想要全功能（Web UI + MCP + 所有匯出外掛）
pip install 'glances[all]'

# 只要 Web UI
pip install 'glances[web]'

懶得設環境的話，pipx 或 uvx 一行解決：

1
2
3

pipx install 'glances[all]'
# 或直接試試
uvx glances

macOS 用 Homebrew 也行，但版本可能稍舊：

1	brew install glances

基本用法

裝完之後，glances 啟動就是終端機儀表板。幾個常用的啟動方式：

指令	說明
`glances`	終端監控（TUI）
`glances -w`	Web UI，預設 `http://localhost:61208`
`glances -w --enable-mcp`	Web UI + MCP Server
`glances -s`	XML-RPC 伺服器模式
`glances -c <ip>`	連到遠端 Glances Server
`glances --browser`	自動探索區網上的 Glances Server
`glances --fetch`	一次性快照，不持續刷新

七個實際用得到的情境

情境一：腳本整合 / cron 排程

不想跑完整 UI，只要把指標輸出到 stdout：

# 純文字
glances --stdout cpu.user,mem.used,load

# CSV（含時間戳，適合 Excel 匯入）
glances --stdout-csv now,cpu.user,mem.used,load

# JSON（給程式解析）
glances --stdout-json cpu,mem

適合 CI/CD pipeline 收集效能基準，或定時 cron 記錄趨勢。

情境二：Docker 容器監控

掛 Docker socket 就能看容器資源使用：

docker run --rm \
  -e TZ="Asia/Taipei" \
  -v /var/run/docker.sock:/var/run/docker.sock:ro \
  --pid host \
  --network host \
  -it nicolargo/glances:latest-full

Docker Swarm / Compose 環境特別好用，OOM 風險一眼看出來。

情境三：多機遠端監控

不需要 Prometheus + Grafana 全套，小團隊幾台機器的情境：

# 被監控機器（伺服器端）
glances -s --password

# 你的工作機（客戶端）
glances -c 192.168.1.100 --password

# 自動探索區網所有 Glances Server
glances --browser

遠端除錯效能問題，SSH 進去還要裝 htop 的時代可以結束了。

情境四：Web UI + REST API

# 允許外部連線
glances -w -B 0.0.0.0

# 加密碼保護
glances -w --username --password

瀏覽器開 http://<ip>:61208，手機/平板也能看。同時還有 REST API：

1
2
3

curl http://localhost:61208/api/4/cpu
curl http://localhost:61208/api/4/mem
curl http://localhost:61208/api/4/pluginslist

自動化系統抓指標做告警判斷，API 直接用。

情境五：匯出到時序資料庫

Glances 可以持續推送指標到各種資料庫：

# InfluxDB
glances --export influxdb2

# Prometheus（pull 模式，endpoint: /metrics）
glances -w --export prometheus

# CSV 檔
glances --export csv --export-csv-file /tmp/glances.csv

# 同時匯出到多個目標
glances --export influxdb2,prometheus

支援的目標很廣：InfluxDB、Prometheus、ElasticSearch、PostgreSQL、Kafka、RabbitMQ…等等。結合 Grafana 就能做完整監控儀表板。

情境六：MCP Server 接 Claude

這是 4.5.1 版之後最有趣的功能。啟動 MCP Server 之後，Claude 可以直接查詢即時系統指標——不用你複製貼上，直接對話。

# 安裝 MCP 依賴
pip install 'glances[mcp]'

# 啟動
glances -w --enable-mcp
# MCP 端點: http://localhost:61208/mcp
# SSE 端點: http://localhost:61208/mcp/sse

Claude Desktop 設定（macOS ~/Library/Application Support/Claude/claude_desktop_config.json）：

{
  "mcpServers": {
    "glances": {
      "url": "http://localhost:61208/mcp/sse"
    }
  }
}

有密碼的話：

{
  "mcpServers": {
    "glances": {
      "url": "http://localhost:61208/mcp/sse",
      "headers": {
        "Authorization": "Basic <base64(user:password)>"
      }
    }
  }
}

連上之後，Glances 提供幾個 MCP Resource：

URI	說明
`glances://plugins`	所有啟用插件清單
`glances://stats`	全部指標當前數據
`glances://stats/{plugin}`	單一插件（如 cpu、mem）
`glances://stats/{plugin}/history`	歷史時序資料
`glances://limits/{plugin}`	告警閾值設定

還有內建的 MCP Prompt 模板，Claude 直接用就好：

Prompt	說明
`system_health_summary`	整體健康報告
`alert_analysis`	分析當前告警，給修復建議
`top_processes_report`	最耗 CPU 行程排名
`storage_health`	磁碟 I/O 分析

問 Claude「為什麼伺服器這麼慢？」，它會自己去 Glances 抓數據、分析、給你答案。

情境七：Python 程式化存取

from glances import api

gl = api.GlancesAPI()

gl.cpu.get("total")                    # → 7.3
gl.auto_unit(gl.mem.get("used"))       # → '11.6G'
gl.network.keys()                      # → ['eth0', 'docker0']

自訂監控腳本、搭配 Slack webhook 做告警機器人都可以用這個。

常用 CLI 參數速查

參數	說明
`-w`	啟動 Web 伺服器（port 61208）
`-s`	XML-RPC 伺服器模式
`-c <ip>`	客戶端連接遠端
`-B <ip>`	綁定到指定 IP
`-p <port>`	指定 port
`--browser`	自動探索區網
`--enable-mcp`	啟用 MCP Server
`--fetch`	一次性快照
`--stdout <plugins>`	純文字輸出
`--stdout-csv`	CSV 格式輸出
`--stdout-json`	JSON 格式輸出
`--export <target>`	匯出到指定目標
`--username / --password`	啟用帳號密碼保護

場景速查表

場景	指令	適合對象
本機快速監控	`glances`	個人開發者日常
遠端瀏覽器查看	`glances -w`	手機/平板遠端
多機集中監控	`-s` + `-c` + `--browser`	小型團隊管多台伺服器
容器監控	Docker 掛 socket	Docker/Compose 運維
長期趨勢分析	`--export influxdb2` + Grafana	需要歷史圖表的團隊
CI/CD 效能基準	`--stdout-json`	自動化 pipeline
AI 驅動運維	`-w --enable-mcp`	搭配 Claude 分析效能
自訂腳本	Python `glances.api`	整合進自有系統