运维工程师最头疼的事之一，不是故障排查，而是画图。网络拓扑图、部署架构图、变更流程图......每次改一个节点就要手动拖拽半小时。现在，这个问题有了根本性的解法。
痛点：运维画图的隐形成本
你是否经历过这样的场景：
- 交接文档时，架构图已经过时了三个月，没人知道谁改了什么
- 故障复盘时，需要临时画一张拓扑图，结果图没画完，会议已经结束
- 变更评审时，架构图上的每个节点都要手动拖拽对齐，耗时一小时，内容十分钟
- 写运维规范时，流程图需要反复修改，每改一次就要重新调整布局
这些场景里，画图本身往往不是目的，而是障碍。工具越复杂，思路越被打断。
draw.io MCP（Model Context Protocol）Server 的出现，让 AI 助手可以直接生成、编辑和渲染架构图，彻底改变了这一工作流。
什么是 draw.io MCP？
draw.io MCP 是由 draw.io 官方团队（JGraph）发布的 MCP 服务器，它将 draw.io 强大的图表能力接入任何支持 MCP 协议的 AI 客户端（如 Claude Desktop、Cursor 等）。
简单来说：你用自然语言描述图，AI 帮你画好，直接在 draw.io 里打开编辑。
整个项目包含四个组件：
| 组件 | 说明 |
|---|---|
| MCP Tool Server（本文重点） | 在 draw.io 编辑器中直接打开 AI 生成的图表 |
| MCP App Server | 在 AI 聊天界面内联渲染图表 |
| Skill + CLI | Claude Code 技能，生成原生 .drawio 文件 |
| Project Instructions | 零安装方案，使用 Claude Project 指令 |
核心能力：三种图表生成方式
draw.io MCP Server 提供三个工具，覆盖运维工作中最常见的图表场景：
1. open_drawio_xml --- 生成任意架构图
直接生成原生 draw.io XML，适合：
- 云架构图（AWS / 阿里云 / 腾讯云拓扑）
- 网络拓扑图（VPC、子网、安全组、路由）
- 服务依赖图（微服务调用关系）
- K8s 集群架构图
示例 Prompt：
使用 open_drawio_xml 创建一张包含以下内容的 AWS 架构图：
- 一个 VPC，包含 2 个可用区
- 每个可用区有一个公有子网和一个私有子网
- 公有子网部署 ALB 和 NAT Gateway
- 私有子网部署 ECS 集群（3 个实例）和 RDS 主从
- 安全组规则标注AI 自动生成完整的 XML，draw.io 立即打开，所见即所得。
2. open_drawio_csv --- 从数据生成关系图
将结构化数据（CSV 格式）直接转换为图表，适合：
- 组织架构图（部门层级、人员汇报关系）
- 服务依赖矩阵（哪些服务依赖哪些中间件）
- 告警升级链（告警 → 一线 → 二线 → 值班经理）
- CMDB 拓扑（资产关系可视化）
示例 Prompt：
使用 open_drawio_csv 创建运维团队的告警升级架构图：
Prometheus告警 → 一线运维
一线运维 → 二线运维（15分钟未处理）
二线运维 → 值班经理（30分钟未处理）
值班经理 → CTO（P0级别）3. open_drawio_mermaid --- 将 Mermaid 转为可编辑图表
Mermaid 是很多运维文档中常用的文字化图表格式，但可编辑性差。draw.io MCP 可以将 Mermaid 语法直接转为可在 draw.io 中编辑的图表，适合：
- 部署流程图（CI/CD Pipeline）
- 故障处理 SOP（序列图）
- 数据库 ER 图
- 变更审批流
示例 Prompt：
使用 open_drawio_mermaid 创建 OAuth2 认证流程的序列图，
包含：用户、前端应用、认证服务器、资源服务器四个参与方快速上手：5 分钟接入 Claude Desktop
前置要求
- Node.js 18+
- Claude Desktop（或任意支持 MCP 的客户端）
第一步：安装 MCP Server
无需单独安装，直接通过 npx 使用：
# 验证 npx 可用
npx @drawio/mcp --version如需全局安装：
npm install -g @drawio/mcp第二步：配置 Claude Desktop
找到配置文件并添加 drawio MCP：
macOS：
vi ~/Library/Application\ Support/Claude/claude_desktop_config.jsonWindows：
%APPDATA%\Claude\claude_desktop_config.json添加以下配置：
{
"mcpServers": {
"drawio": {
"command": "npx",
"args": ["@drawio/mcp"]
}
}
}第三步：重启 Claude Desktop
重启后，在 Claude 对话框中应能看到 draw.io 工具已加载（工具栏显示锤子图标）。
第四步：开始使用
帮我用 draw.io 画一张 Kubernetes 集群架构图，
包含：Master 节点 × 3，Worker 节点 × 5，
etcd 集群，Ingress Controller，以及外部 LoadBalancerClaude 会自动调用 open_drawio_xml，生成完整图表并在 draw.io 中打开。
运维场景实战：5 个高频用例
场景一：快速绘制故障排查拓扑图
传统方式： 打开 draw.io → 拖拽节点 → 连线 → 调整布局 → 标注 → 30 分钟
使用 draw.io MCP：
画一张故障排查拓扑图，描述如下问题：
- 用户反馈 API 响应超时
- 链路：用户 → CDN → SLB → Nginx（4台）→ 应用服务（8台）→ Redis → MySQL
- 已排查：CDN 正常，SLB 正常
- 疑似：Nginx 到应用服务之间的连接池耗尽
请用红色标注疑似故障点，绿色标注已排查正常节点效果： 2 分钟内生成带颜色标注的完整拓扑图，直接用于故障复盘汇报。
场景二：自动生成变更影响范围图
画一张变更影响范围图：
本次变更：升级 Redis 版本从 6.2 到 7.0
直接依赖 Redis 的服务：订单服务、购物车服务、Session 服务
间接依赖：支付服务（通过订单服务）、推荐服务（通过购物车）
请用橙色标注直接影响，黄色标注间接影响，灰色标注不受影响的服务变更评审时，一张清晰的影响范围图比一页文字说明有效 10 倍。
场景三：生成 CI/CD 流水线图
使用 open_drawio_mermaid 画一张 GitLab CI/CD 流水线图：
阶段：代码提交 → 静态扫描 → 单元测试 → 构建镜像 → 推送镜像仓库 → 部署到测试环境 → 自动化测试 → 人工审核 → 部署到生产环境
其中"人工审核"标注为必要审批节点场景四：可视化监控告警链路
用 open_drawio_csv 生成监控告警链路图：
指标采集：Node Exporter → Prometheus
日志采集：Filebeat → Elasticsearch
告警规则：Prometheus → AlertManager
通知渠道：AlertManager → 钉钉群、短信、PagerDuty
值班系统：PagerDuty → 值班工程师场景五：数据库架构文档化
画一张 MongoDB 副本集架构图：
- Primary 节点：192.168.1.11:27017
- Secondary 节点1：192.168.1.12:27017
- Secondary 节点2：192.168.1.13:27017
- 副本集名称：rs0
- 标注：Primary 处理写操作，Secondary 可读，oplog 单向同步
- 应用连接方式：通过副本集连接串，自动感知 Primary 切换结合上文中部署的 MongoDB 副本集，几分钟内就能产出配套的架构文档图。
实战场景：
codebuddy 接入drawio mcp并实现AI画图
1.添加mcp server
bash
{
"mcpServers": {
"drawio": {
"command": "npx",
"args": ["@drawio/mcp"]
}
}
}
2.在codebuddy给AI提示
例如：
使用drawio 画一个架构图，要求如下： 1.在移动云购买了15台服务器，ip为172.31.0.101-172.31.0.115 2.其中2台安装mysql主从数据库,ip为172.31.0.101-172.31.0.102 3.其中3台安装redis中间件，minio，nacos，共用172.31.0.103-172.31.0.105 4.其中2台运行nginx作为前段入口，通过lb负载均衡进行访问 5.其中3台运行k8s master节点，ip为172.31.0.106-172.31.0.108 6.剩余5台运维k8s worker节点 帮忙画一个架构图
3.结果如下：
4.架构图如下：
工作原理：技术实现揭秘
draw.io MCP 的实现原理简洁而优雅：
自然语言描述
↓
AI 生成图表内容（XML / CSV / Mermaid）
↓
MCP Server 接收内容
↓
使用 pako deflateRaw 压缩 + Base64 编码
↓
生成带 #create 哈希参数的 draw.io URL
↓
URL 返回给 AI 客户端 → 用户点击打开
↓
draw.io 解码内容，渲染为可编辑图表整个过程无需后端服务器，图表数据完全在 URL 中传递，数据不上传、不存储、完全本地化，对企业内网环境也完全友好。
与传统方式的效率对比
| 场景 | 传统方式耗时 | draw.io MCP 耗时 | 效率提升 |
|---|---|---|---|
| 绘制三层网络拓扑图 | 30-60 分钟 | 2-3 分钟 | 10-20x |
| 故障复盘架构图 | 20-40 分钟 | 2 分钟 | 10-20x |
| CI/CD 流程图 | 15-30 分钟 | 1-2 分钟 | 10-15x |
| 变更影响范围图 | 20-30 分钟 | 2-3 分钟 | 8-15x |
| 微服务依赖图（20+服务） | 1-2 小时 | 5-10 分钟 | 10x |
更重要的是：修改成本从"重新画"变成了"重新描述"，图表版本管理也从截图变成了可 diff 的文本文件。
运维团队接入建议
建议一：写好描述 Prompt 模板
把常用图表的描述模板整理为运维 Wiki，团队成员直接复用，减少重复描述：
markdown
复制
## AWS 三层架构图模板
"使用 open_drawio_xml 画一张 AWS 三层架构图：
- VPC CIDR: [填写]，可用区: [填写]
- 公有子网: ALB + NAT Gateway + Bastion
- 私有子网: [填写应用服务]
- 数据子网: [填写数据库]
- 安全组规则: [填写]"建议二：与运维文档体系集成
draw.io 支持导出为 SVG/PNG/PDF，生成后直接嵌入 Confluence、语雀、飞书文档，做到图文档同源。
建议三：用于变更单自动化
在变更申请流程中，要求提交影响范围图，借助 draw.io MCP 可以将"画图"环节的阻力降到最低，提高变更单质量。
建议四：配合其他运维 MCP 联动
draw.io MCP 可以与其他运维类 MCP 工具配合使用：
- 先用 CMDB MCP 查询资产信息
- 再用 draw.io MCP 将资产关系可视化
- 最后用 文档 MCP 将图表嵌入运维手册
注意事项
确保 AI 使用 draw.io MCP 工具：由于 AI 有时会直接用文字或代码块描述图表，建议在系统提示词或对话开头明确说明："请始终使用 draw.io MCP 工具创建图表，不要用代码块输出图表内容。"
总结
draw.io MCP 把"描述图"和"画图"之间的鸿沟彻底填平。对于运维工程师来说，它带来的价值不仅仅是省时间，更是：
- 降低文档门槛：谁都能快速产出专业级架构图
- 提高文档质量：图表不再因为"太麻烦"而缺失或过时
- 加速沟通效率：一张清晰的图胜过千行文字
- 赋能非专业用户：开发、产品、项目经理也能自助生成拓扑图
在 AI + MCP 的时代，运维工程师的核心价值在于架构判断和经验积累，而不是手动拖拽图形。把重复性工作交给 AI，把脑力留给真正重要的事。