Sentry.io entegrasyonu ile hata takibi ve performans izlemesi
Claude Desktop config.json'a ekle
{
"mcpServers": {
"getsentry-sentry-mcp": {
"command": "node",
"args": [
"~/.mcp/sentry-mcp/index.js"
]
}
}
} Kaynak kodu al ve yerel olarak çalıştır
git clone https://github.com/getsentry/sentry-mcp.git ~/.mcp/sentry-mcp
cd ~/.mcp/sentry-mcp Sentry'nin MCP servisi, birincil olarak insan-döngü kodlama ajanları için tasarlanmıştır. Araç seçimimiz ve öncelikleri, tüm Sentry işlevselliği için genel amaçlı bir MCP sunucusu sağlamak yerine, geliştirici iş akışlarına ve hata ayıklama kullanım durumlarına odaklanmıştır.
Bu uzak MCP sunucusu, Cursor, Claude Code ve benzeri geliştirme araçları için optimize edilmiş, upstream Sentry API'sine ara katman olarak hareket eder. Cloudflare'ın uzak MCP'lere yönelik çalışmasına dayanmaktadır.
Üretim ortamında dağıtılmış hizmeti ziyaret ederek ihtiyacınız olan her şeyi bulabilirsiniz:
Katkıda bulunmak, nasıl çalıştığını öğrenmek veya kendi kendine barındırılan Sentry için bunu çalıştırmak istiyorsanız, aşağıya devam edin.
Otomatik alt ajan delegasyonu için Claude Code eklentisi olarak kurun:
claude plugin marketplace add getsentry/sentry-mcp
claude plugin install sentry-mcp@sentry-mcp
Bu, Sentry hataları, sorunları, izlemeleri veya performans hakkında sorduğunuzda Claude'un otomatik olarak delegasyon yaptığı bir sentry-mcp alt ajanı sağlar.
İleri görüş sunan araç varyantları ve özellikler için:
claude plugin install sentry-mcp@sentry-mcp-experimental
Bu depo, MCP servisi olarak hareket etmeye odaklanırken, stdio taşımasını da destekleriz. Bu hala devam eden bir çalışma, ancak MCP'yi kendi kendine barındırılan Sentry yüklemesine karşı çalıştırmak için en kolay yoldur.
Not: AI tarafından desteklenen arama araçları (search_events, search_issues, vb.) bir LLM sağlayıcısı (OpenAI veya Anthropic) gerektirir. Bu araçlar, sorguları Sentry'nin sorgu söz dizimine çevirmek için doğal dil işlemesini kullanır. Yapılandırılmış bir sağlayıcı olmadan, bu spesifik araçlar kullanılamayacak, ancak diğer tüm araçlar normal şekilde işlev görecektir.
stdio taşımasını kullanmak için, gerekli kapsamlara sahip bir Kullanıcı Auth Token'ı Sentry'de oluşturmanız gerekir. Yazım sırasında bu:
org:read
project:read
project:write
team:read
team:write
event:write
Taşımayı başlatın:
npx @sentry/mcp-server@latest --access-token=sentry-user-token
Kendi kendine barındırılan bir dağıtıma bağlanmanız gerekiyor mu? Komutu çalıştırırken --host ekleyin (yalnızca ana makine adı, örn. --host=sentry.example.com).
Yalnızca düz HTTP'yi ortaya çıkaran yalıtılmış iç dağıtımlar için, --insecure-http de ekleyin.
Bazı özellikler (Seer gibi) kendi kendine barındırılan örneklerde kullanılamayabilir. Desteklenmeyen araçların ortaya çıkmasını önlemek için belirli becerileri devre dışı bırakabilirsiniz:
npx @sentry/mcp-server@latest --access-token=TOKEN --host=sentry.example.com --disable-skills=seer
TLS olmayan kendi kendine barındırılan örnekler için:
npx @sentry/mcp-server@latest --access-token=TOKEN --host=sentry.internal:9000 --insecure-http
SENTRY_ACCESS_TOKEN= # Gerekli: Sentry auth token'ınız
# LLM Sağlayıcı Yapılandırması (AI tarafından desteklenen arama araçları için gerekli)
EMBEDDED_AGENT_PROVIDER= # Gerekli: 'openai' veya 'anthropic'
OPENAI_API_KEY= # OpenAI kullanıyorsanız gerekli
ANTHROPIC_API_KEY= # Anthropic kullanıyorsanız gerekli
# İsteğe bağlı geçersiz kılmalar
SENTRY_HOST= # Kendi kendine barındırılan dağıtımlar için
MCP_DISABLE_SKILLS= # Belirli becerileri devre dışı bırakın (virgülle ayrılmış, örn. 'seer')
Önemli: LLM sağlayıcınızı açıkça belirtmek için her zaman EMBEDDED_AGENT_PROVIDER ayarlayın. Yalnızca API anahtarlarına dayalı otomatik algılama kullanımdan kaldırılmıştır ve gelecekteki bir sürümde kaldırılacaktır. Ayrıntılı yapılandırma seçenekleri için docs/embedded-agents.md bölümüne bakın.
{
"mcpServers": {
"sentry": {
"command": "npx",
"args": ["@sentry/mcp-server"],
"env": {
"SENTRY_ACCESS_TOKEN": "your-token",
"EMBEDDED_AGENT_PROVIDER": "openai",
"OPENAI_API_KEY": "sk-..."
}
}
}
}
Host değişkenini ayarlanmamış bırakırsanız, CLI otomatik olarak Sentry SaaS hizmetini hedefler. Yalnızca kendi kendine barındırılan Sentry işletirken geçersiz kılmayı ayarlayın.
Seer'ı desteklemeyen kendi kendine barındırılan örnekler için:
{
"mcpServers": {
"sentry": {
"command": "npx",
"args": ["@sentry/mcp-server"],
"env": {
"SENTRY_ACCESS_TOKEN": "your-token",
"SENTRY_HOST": "sentry.example.com",
"MCP_DISABLE_SKILLS": "seer"
}
}
}
}
MCP, hizmeti kolayca test etmek için bir İnceleme Aracı içerir:
pnpm inspector
MCP sunucusu URL'sini girin (http://localhost:5173) ve bağlan'a tıklayın. Bu, sizin için kimlik doğrulama akışını tetiklemelidir.
Not: 127.0.0.1 üzerinde müfettişe erişirken OAuth akışında sorunlar yaşıyorsanız, http://localhost:6274 ziyaret ederek localhost kullanmayı deneyin.
Değişikliklerde bulunmak için, yerel ortamınızı ayarlamanız gerekir:
Ortam ve ajan becerilerini ayarlayın:
make setup-env # .env dosyaları oluşturur ve paylaşılan ajan becerilerini kurar
Bu ayrıca getsentry/skills adresinden paylaşılan becerileri .agents/skills/ dizinine kurmak için npx @sentry/dotagents install dosyasını çalıştırır (.claude/skills ve .cursor/skills içine sembolik bağlantı kurulur). Becerileri daha sonra güncellemeniz gerekirse, doğrudan çalıştırın:
npx @sentry/dotagents install
Sentry'de bir OAuth Uygulaması Oluşturun (Ayarlar => API => Uygulamalar):
http://localhost:5173http://localhost:5173/oauth/callbackKimlik bilgilerinizi yapılandırın:
.env düzenleyin ve OPENAI_API_KEY ekleyinpackages/mcp-cloudflare/.env düzenleyin ve şunu ekleyin:
SENTRY_CLIENT_ID=your_development_sentry_client_idSENTRY_CLIENT_SECRET=your_development_sentry_client_secretCOOKIE_SECRET=my-super-secret-cookieGeliştirme sunucusunu başlatın:
pnpm dev
Sunucuyu http://localhost:5173 adresinde kullanılabilir hale getirmek için yerel olarak çalıştırın
pnpm dev
Yerel sunucuyu test etmek için, İnceleme Aracı'na http://localhost:5173/mcp girin ve bağlan'a tıklayın. İstemlerden sonra, "Araçları Listele"yi yapabileceksiniz.
Üç test paketi dahil edilmiştir: birim testleri, değerlendirmeler ve manuel testler.
Birim testleri şu komutla çalıştırılabilir:
pnpm test
Değerlendirmeler, proje kökünde bazı yapılandırmalara sahip bir .env dosyası gerektirir:
# .env (proje kökünde)
OPENAI_API_KEY= # Ayrıca üretim ortamında AI tarafından desteklenen arama araçları için gerekli
Not: Kök .env dosyası tüm paketler için varsayılanları sağlar. Bireysel paketler, geliştirme sırasında bu varsayılanları geçersiz kılmak için kendi .env dosyalarına sahip olabilir.
Bunu yaptıktan sonra, şu komutla çalıştırabilirsiniz:
pnpm eval
Manuel testler (MCP değişikliklerini test etmek için tercih edilir):
# Yerel dev sunucusuyla test edin (varsayılan: http://localhost:5173)
pnpm -w run cli "who am I?"
# Ajan modunu test edin (yalnızca use_sentry aracı)
pnpm -w run cli --agent "who am I?"
# Üretim ortamına karşı test edin
pnpm -w run cli --mcp-host=https://mcp.sentry.dev "query"
# Yerel stdio modunda test edin (SENTRY_ACCESS_TOKEN gerekli)
pnpm -w run cli --access-token=TOKEN "query"
Not: CLI varsayılan olarak http://localhost:5173 adresine yönelir. --mcp-host ile geçersiz kılın veya MCP_URL ortam değişkenini ayarlayın.
Kapsamlı test oyun kitapları:
docs/testing-stdio.md bölümüne bakın (IDE'ler, MCP İnceleme Aracı)docs/testing-remote.md bölümüne bakın (OAuth, web kullanıcı arayüzü, CLI istemcisi)Bu depo, çekme isteklerindeki potansiyel sorunları belirlemeye yardımcı olmak için otomatik kod inceleme araçları (Cursor BugBot gibi) kullanır. Bu araçlar yararlı geri bildirim ve öneriler sağlar, ancak bu denetimleri gerekli yapmanızı önermiyor çünkü doğruluk hala gelişmekte ve yanlış pozitifler üretebilir.
Otomatik incelemeler şu şekilde ele alınmalıdır:
Otomatik geri bildirimi ele alırken, her bir öneriyi kesin olarak takip etmek yerine temel endişelere odaklanın.
Katkıda bulunmak veya tam belgeleme haritasını keşfetmek istiyorsanız? Katılımcı iş akışları ve tam belgeler dizini için CLAUDE.md (ayrıca AGENTS.md olarak kullanılabilir) bölümüne bakın. docs/ klasörü, konu başına kılavuzlar ve araç entegre edilmiş .md dosyaları içerir.
Metrikler, loglar, sistemler, konteynerler, süreçler ve ağ bağlantıları dahil tüm observability verilerini kullanarak keşif, araştırma, raporlama ve root cause analizi yapın.
Grafana örneğinizde dashboard'ları arayın, olayları araştırın ve veri kaynaklarını sorgulayın
Zabbix entegrasyonu sunucular, itemler, triggerlar, şablonlar, problemler, veriler ve daha fazlası için.
VictoriaMetrics instance'larınızın API'leri ve dokümantasyonu ile kapsamlı entegrasyon sağlayarak, monitoring, observability ve debugging görevlerini kolaylaştırır.
Logfire aracılığıyla OpenTelemetry izlemeleri ve metriklerine erişim sağlar.
AI tarafından oluşturulan kodun kalitesini karmaşıklıktan güvenlik açıklarına kadar 10 kritik boyutta akıllı, prompt tabanlı analizle geliştirin