IPNetwork Monitor lanserar en större uppdatering av sin självhostade plattform för nätverks- och serverövervakning.
Den nya versionen introducerar inbyggd PostgreSQL-övervakning, förenklad import av Zabbix-mallar, förbättrad automatisk enhetsidentifiering och fortsatt stöd för AI-assisterade arbetsflöden genom en inbyggd MCP-server.
Målet är att hjälpa små och medelstora företag samt managed service providers (MSP:er) att effektivisera sin IT-övervakning utan att behöva flytta känsliga infrastrukturdata till externa molntjänster.
PostgreSQL-övervakning direkt i plattformen
En av de största nyheterna är att IPNetwork Monitor nu erbjuder inbyggd övervakning av PostgreSQL-databaser. Funktionen bygger på standardiserade PostgreSQL-klientbibliotek och gör det möjligt att samla in hälsa- och prestandadata utan behov av externa agenter, specialskript eller ytterligare verktyg.
Med hjälp av en särskild databasmall kan administratörer följa viktiga parametrar som antal anslutningar, frågeprestanda, replikeringsstatus och resursanvändning direkt från samma övervakningsplattform som övrig IT-infrastruktur.
Genom att samla databasmiljön tillsammans med servrar och nätverksenheter skapas en mer sammanhängande bild av organisationens IT-drift, vilket kan göra det enklare att upptäcka och åtgärda problem innan de påverkar verksamheten.
Enklare migrering från Zabbix
Den nya versionen innehåller även funktioner som ska underlätta för organisationer som vill migrera från Zabbix eller kombinera flera övervakningsmiljöer.
Användare kan nu importera Zabbix-mallar direkt i övervakningsklienten, vilket eliminerar behovet av manuell redigering av XML-filer eller externa konverteringsverktyg.
Det innebär att befintliga mallbibliotek kan återanvändas och anpassas, vilket kan korta tiden för att etablera en komplett övervakningsmiljö.
Smartare enhetsidentifiering
IPNetwork Monitor har också förbättrat funktionerna för automatisk upptäckt av enheter i nätverket. Plattformen kan identifiera vanliga nätverksenheter som skrivare, routrar, switchar, brandväggar och UPS-system.
När en SNMP-kompatibel enhet hittas kan rätt övervakningsmall automatiskt kopplas till enheten, vilket minskar behovet av manuell konfiguration.
Samtidigt har stödet för nya mallar utökats med fler enheter och applikationer, bland annat nyare versioner av databasservrar, webbservrar och katalogtjänster. En mer flexibel mallhantering gör det också möjligt att skapa varianter för olika programversioner.
Optimerad för större miljöer
För organisationer och tjänsteleverantörer med många övervakade system har plattformen även fått förbättrad prestanda. Optimeringar i övervakningstjänsten ska bidra till stabilare insamling av data när antalet aktiva kontroller växer.
Detta är särskilt relevant för MSP:er som hanterar flera kundmiljöer och behöver kunna skala sin övervakning utan att komplexiteten ökar.
AI-stöd utan att lämna infrastrukturen
En annan central del i den nya versionen är fortsatt utveckling av plattformens stöd för AI-assisterad drift genom en inbyggd MCP-server (Model Context Protocol).
Tekniken gör det möjligt att koppla AI-assistenter och utvecklingsverktyg direkt till den lokala övervakningsmiljön. Genom naturliga kommandon kan IT-team bland annat lägga till eller uppdatera servrar och övervakningspunkter, justera larmregler, analysera status och hämta rapporter.
Till skillnad från många molnbaserade AI-lösningar är IPNetwork Monitors implementation utvecklad för att fungera även i begränsade och isolerade miljöer. Informationen stannar därmed inom organisationens eget nätverk.
– Våra kunder vill ha moderna, AI-assisterade arbetsflöden, men inte på bekostnad av att lämna över sin övervakningsdata till någon annans moln. Den här versionen handlar om att ta bort hinder genom inbyggd databasmätning, enklare migrering från Zabbix och smartare upptäckt av enheter, samtidigt som kunderna behåller full kontroll, säger Howard Clark, Software Engineer på IPNetwork Monitor LLC.
Självhostad övervakning får ny betydelse
Lanseringen speglar en bredare trend inom IT-drift där företag söker en balans mellan automatisering och kontroll. Samtidigt som AI får en allt större roll i IT-operationer ökar kraven på datasäkerhet, efterlevnad och möjligheten att behålla kritisk information inom den egna infrastrukturen.
