需要生成 Cloud Monitoring…

把 Cloud Monitoring 指标描述符翻译成可直接调用的 ListTimeSeries REST 查询参数（name、filter、interval、aggregation、view）。

适用场景

解决思路

1. 强制确认 GCP Project ID：必须从用户提示、输入载荷或环境上下文（如 `gcloud config get-value project`）中获取 Project ID；若缺失且无法解析，必须先向用户澄清，禁止使用占位符。
2. 优先使用用户已提供的指标元数据（`metric.type`、`metricKind`、`valueType`、资源类型、标签键），不要再去调用 API。
3. 元数据缺失时按路径补全：查询模糊时先用 `cloud-monitoring-metric-selection` 技能确定具体 metric type；已知 metric type 但缺描述符时调用 `list_metric_descriptors` MCP 工具；工具无法配置时回退到直接调用 Cloud Monitoring API。
4. 从描述符中提取关键字段：`type`、`metricKind`（GAUGE/DELTA/CUMULATIVE）、`valueType`（INT64/DOUBLE/DISTRIBUTION/BOOL）、`monitoredResourceTypes`；若有多个资源类型，选择与用户请求粒度匹配的 `resource.type`。
5. 构造 filter 时必须且只能包含一个 `metric.type` 等值子句，例如 `metric.type = "compute.googleapis.com/instance/cpu/utilization"`。
6. 当目标资源粒度已知时，filter 必须包含 `resource.type` 过滤，例如 `metric.type = "cloudsql.googleapis.com/database/cpu/utilization" AND resource.type = "cloudsql_database"`。
7. 保留用户提供的字面资源名、ID、zone、project 参数，不得用元数据发现中查到的活跃资源替换，除非用户明确要求。
8. 资源级维度（instance ID、zone、project、database ID、subscription ID）加 `resource.labels.` 前缀，例如 `resource.labels.instance_id = "123456789"`、`resource.labels.database_id = "my-project:my-instance"`。
9. 指标级维度（state、command、response code、instance name 等）加 `metric.labels.` 前缀，例如 `metric.labels.state != "free"`、`metric.labels.instance_name = "instance-1"`。
10. 当用户给出人类可读的 GCE VM 实例名（如 `instance-1`）而 `resource.labels.instance_id` 需要数字 ID 时，改用 `metric.labels.instance_name = "instance-1"` 或 `metadata.system_labels.name = "instance-1"` 过滤。
11. 禁止使用 `resource.metadata.name` 或 `resource.metadata.*` 前缀（在 Cloud Monitoring filter 语法中无效）；也不要把字符串实例名直接赋给 `resource.labels.instance_id`，除非该资源类型明确使用字符串 ID。
12. 数据库标识标签（Cloud SQL/Spanner 的 `database_id`、BigQuery 的 `dataset_id`）使用 `<project_id>:<instance_name>` 复合键，例如 `resource.labels.database_id = "my-project:foo"`。
13. 对 `agent.googleapis.com/memory/percent_used` 和 `agent.googleapis.com/disk/percent_used`，必须用 `metric.labels.state != "free"`，不要用 `metric.labels.state = "used"`。
14. 每个请求的 aggregation 中必须同时包含 `perSeriesAligner` 和 `crossSeriesReducer`，并参照 `references/basic_aggregations.md` 按 Metric Kind 与 Value Type 组合选择，同时应用针对利用率指标、计数器、分布和状态型 gauge 的 SRE 规则。
15. 当 `crossSeriesReducer` 不是 `REDUCE_NONE` 时，在 `groupByFields` 中列出要保留的标签；多实例资源（VM、数据库、订阅）必须包含主资源标识（如 VM 用 `resource.labels.instance_id`，数据库用 `resource.labels.database_id`），避免把不同资源流合并成单一全局聚合。
16. 由 `endTime - startTime` 计算回看时长，确保 `startTime` 早于 `endTime`；若 `endTime <= startTime` 先报错。按 Cloud Console 默认细粒度设置 `alignmentPeriod`：≤110 分钟用 `60s`；≤23 小时用 `300s`；≤6 天用 `3600s`；≤23 天用 `10800s`；≤80 天用 `21600s`；≤180 天用 `43200s`；≤350 天用 `86400s`；≤500 天用 `172800s`；仅当 `perSeriesAligner` 为 `ALIGN_NONE` 时才省略 `alignmentPeriod`。
17. 输出 ListTimeSeries REST 查询参数：`name` 为 `projects/<project_id>`，`filter` 为上述表达式，`interval` 含 `startTime`/`endTime`，`aggregation` 含 `alignmentPeriod`/`perSeriesAligner`/`crossSeriesReducer`/可选 `groupByFields`，`view` 默认 `FULL`。
18. `startTime` 和 `endTime` 必须是合法 RFC 3339 / ISO 8601 时间戳（如 `"YYYY-MM-DDTHH:MM:SSZ"`）；用户未提供时动态计算以当前时刻为 `endTime`、向前一小时为 `startTime` 的回看区间，不要硬编码示例中的静态日期。
19. `view` 在需要时间序列数据点时默认 `"FULL"`，仅检查元数据和序列身份时用 `"HEADERS"`。
20. 返回最终结果前必须用 `list_timeseries` MCP 工具验证生成的参数（传入 `name`、`filter`、`interval`、`aggregation`），验证时设 `view="HEADERS"` 以降低延迟和载荷；无 API 错误即表示 filter 与聚合设置有效。
21. 若 `list_timeseries` 工具不可用，回退到直接调用 API 进行验证。

适用边界 · 注意事项

• 不要用于指标发现或指标选择（metric discovery / metric selection）。
• 缺少且无法解析 GCP Project ID 时不要生成或执行请求，必须先向用户澄清。
• 不要用占位符代替 project 名称，也不要用元数据发现中的活跃资源覆盖用户指定的标识符。