
خادم Simple Loki MCP
يُدمج خادم Simple Loki MCP إمكانيات استعلام سجلات Grafana Loki في تدفقات عمل الذكاء الاصطناعي عبر بروتوكول Model Context. يمكّن وكلاء الذكاء الاصطناعي من تحليل ...
مكّن وكلاء الذكاء الاصطناعي لديك من الوصول المباشر إلى آثار وقياسات تطبيقك من أجل تصحيح الأخطاء بسرعة، وتتبع الاستثناءات، واكتساب رؤى قياس عن بُعد باستخدام خادم Logfire MCP في FlowHunt.
خادم Logfire MCP هو خادم بروتوكول سياق النموذج (MCP) يتيح للمساعدين الذكيين ونماذج اللغة الكبيرة (LLMs) الوصول إلى بيانات القياس عن بُعد التي يتم إرسالها إلى Logfire عبر معيار OpenTelemetry واسترجاعها وتحليلها. من خلال ربط مشروع Logfire الخاص بك، يسمح هذا الخادم للأدوات والوكلاء المدعومين بالذكاء الاصطناعي باستعلام الآثار الموزعة، وفحص أنماط الاستثناءات، وتنفيذ استعلامات SQL مخصصة على بيانات القياسات والتتبع الخاصة بتطبيقك باستخدام واجهات برمجة تطبيقات Logfire. يتيح هذا التكامل تصحيح الأخطاء بسرعة، والمراقبة، وأتمتة مهام تحليل القياس الشائعة، مما يوفر للمطورين سير عمل محسّن لتصحيح الأخطاء والمراقبة واكتساب الرؤى مباشرة من بيئات التطوير أو وكلاء الذكاء الاصطناعي المساعدين.
لا توجد قوالب استعلام موثقة في المستودع.
لا توجد موارد صريحة (كموارد MCP) موثقة في المستودع.
find_exceptions
يسترجع عدد الاستثناءات من الآثار، مجمعة حسب الملف، خلال نافذة زمنية محددة.
find_exceptions_in_file
يوفر معلومات تتبع تفصيلية حول الاستثناءات التي تحدث في ملف معين خلال فترة زمنية محددة.
arbitrary_query
ينفذ استعلامات SQL مخصصة على آثار وقياسات OpenTelemetry، مما يتيح استكشاف البيانات بشكل مرن.
get_logfire_records_schema
يعيد مخطط OpenTelemetry، مما يمكّن المستخدمين من صياغة استعلامات مخصصة أكثر دقة.
مراقبة وتحليل الاستثناءات
يمكن للمطورين بسرعة تحديد الملفات التي تولد أكبر عدد من الاستثناءات، واكتشاف الاتجاهات، وتركيز جهود تصحيح الأخطاء.
تحليل الأسباب الجذرية
من خلال التعمق في تفاصيل الاستثناءات داخل ملف معين، يمكن للفرق تسريع تحديد المشكلات الحرجة وحلها.
إعداد تقارير قياس مخصصة
تُمكّن القدرة على تشغيل استعلامات SQL مخصصة الفرق من إنشاء تقارير ولوحات تحكم للقياس مصممة حسب احتياجاتهم الفريدة.
استكشاف المخطط
مع إمكانية الوصول إلى مخطط OpenTelemetry، يمكن للمطورين فهم حقول البيانات المتاحة بشكل أفضل لتحسين الاستعلامات المخصصة والتكاملات.
لا توجد تعليمات إعداد متوفرة لـ Windsurf.
{
"command": ["uvx"],
"args": ["logfire-mcp"],
"type": "stdio",
"env": {
"LOGFIRE_READ_TOKEN": "YOUR_TOKEN"
}
}
"YOUR_TOKEN"
برمز قراءة Logfire الفعلي الخاص بك.تأمين مفاتيح API:
قم بتخزين الرمز في قسم env
كما في الأعلى لإبقائه خارج وسائط الاستدعاء والتحكم في النسخ المصدرية.
uv
..cursor/mcp.json
في جذر مشروعك.{
"mcpServers": {
"logfire": {
"command": "uvx",
"args": ["logfire-mcp", "--read-token=YOUR-TOKEN"]
}
}
}
"YOUR-TOKEN"
برمز قراءة Logfire الفعلي الخاص بك.ملاحظة: لا يدعم Cursor حقل env
؛ استخدم وسيطة --read-token
بدلاً من ذلك.
cline_mcp_settings.json
.{
"mcpServers": {
"logfire": {
"command": "uvx",
"args": ["logfire-mcp"],
"env": {
"LOGFIRE_READ_TOKEN": "YOUR_TOKEN"
},
"disabled": false,
"autoApprove": []
}
}
}
"YOUR_TOKEN"
برمز قراءة Logfire الخاص بك.تأمين مفاتيح API:
تظل الرموز آمنة عبر حقل env
في ملف الإعدادات.
لا توجد تعليمات إعداد متوفرة لـ Windsurf.
استخدام MCP في FlowHunt
لدمج خوادم MCP في سير عمل FlowHunt الخاص بك، ابدأ بإضافة مكون MCP إلى التدفق وربطه بوكيل الذكاء الاصطناعي لديك:
انقر على مكون MCP لفتح لوحة الإعدادات. في قسم إعدادات النظام لـ MCP، أدخل تفاصيل خادم MCP الخاص بك باستخدام هذا التنسيق لـ JSON:
{
"logfire": {
"transport": "streamable_http",
"url": "https://yourmcpserver.example/pathtothemcp/url"
}
}
بعد الإعداد، سيتمكن وكيل الذكاء الاصطناعي من استخدام هذا MCP كأداة مع إمكانية الوصول إلى جميع وظائفه وقدراته. تذكر أن تغير "logfire"
إلى اسم خادم MCP الفعلي لديك واستبدل الرابط بعنوان URL الخاص بخادم MCP الخاص بك.
القسم | التوفر | التفاصيل/ملاحظات |
---|---|---|
نظرة عامة | ✅ | |
قائمة القوالب | ⛔ | لا توجد قوالب استعلام موثقة. |
قائمة الموارد | ⛔ | لا توجد موارد موثقة. |
قائمة الأدوات | ✅ | تم توثيق 4 أدوات: الاستثناءات، الاستعلامات، والوصول للمخطط. |
تأمين مفاتيح API | ✅ | أمثلة متغير بيئة وملفات إعداد JSON متوفرة. |
دعم أخذ العينات (أقل أهمية في التقييم) | ⛔ | لا يوجد ذكر لدعم أخذ العينات. |
استنادًا إلى ما سبق، يُعد خادم Logfire MCP خادم MCP متخصص عالي الجودة للإنتاج في مجال المراقبة، لكنه يفتقر إلى التوثيق لقوالب الاستعلامات والموارد والجذور أو دعم أخذ العينات. إنه متفوق في تقديم مجموعة صغيرة من الأدوات القيّمة للقياس وتصحيح الأخطاء. التقييم النهائي: 6/10 — ممتاز لحالة استخدامه، لكنه ليس تنفيذًا مرجعيًا كاملاً لـ MCP.
هل يوجد ملف LICENSE | ⛔ (لم يتم العثور على ملف LICENSE) |
---|---|
هل يحتوي على أداة واحدة على الأقل | ✅ |
عدد التفرعات Forks | 9 |
عدد النجوم Stars | 77 |
يتيح خادم Logfire MCP لوكلاء الذكاء الاصطناعي ونماذج اللغة الكبيرة (LLMs) الوصول إلى بيانات القياس عن بُعد وتحليلها (الآثار، القياسات، الاستثناءات) التي يتم جمعها عبر OpenTelemetry، باستخدام واجهات برمجة تطبيقات Logfire للمراقبة الفورية وحل المشكلات.
يوفر Logfire MCP أدوات لعدّ الاستثناءات والتعمق فيها (find_exceptions, find_exceptions_in_file)، وSQL مخصص على القياس عن بُعد (arbitrary_query)، واكتشاف المخطط (get_logfire_records_schema).
قم بتخزين رمز قراءة Logfire الخاص بك في متغيرات البيئة (حقول env في التكوين) لكل من Claude وCline، وكوسيطة سطر أوامر لـ Cursor. تجنب تضمين الرموز مباشرة في الملفات الخاضعة لمراقبة المصدر.
تشمل حالات الاستخدام النموذجية مراقبة الاستثناءات، وتحليل الأسباب الجذرية، وإعداد تقارير القياس المخصصة، واستكشاف المخطط — وجميعها متاحة لوكلاء الذكاء الاصطناعي في FlowHunt عبر تكامل MCP.
أضف مكون MCP في تدفق FlowHunt الخاص بك، وقم بتكوينه بتفاصيل خادم Logfire MCP، وسيكون وكيل الذكاء الاصطناعي لديك قادرًا على تنفيذ الاستعلامات والتحليلات على بيانات القياس الخاصة بتطبيقك.
قم بدمج خادم Logfire MCP مع FlowHunt لفتح استعلامات القياس عن بُعد في الوقت الفعلي، ورؤى الاستثناءات، والتقارير المخصصة لسير عملك المدعوم بالذكاء الاصطناعي.
يُدمج خادم Simple Loki MCP إمكانيات استعلام سجلات Grafana Loki في تدفقات عمل الذكاء الاصطناعي عبر بروتوكول Model Context. يمكّن وكلاء الذكاء الاصطناعي من تحليل ...
يتيح خادم Firefly MCP اكتشاف الموارد وإدارتها وترميزها عبر بيئات السحابة وSaaS لديك بواسطة الذكاء الاصطناعي بسهولة. يمكنك التكامل مع أدوات مثل Claude وCursor لأ...
يتيح خادم قاعدة بيانات MCP الوصول الآمن والبرمجي إلى قواعد البيانات الشهيرة مثل SQLite وSQL Server وPostgreSQL وMySQL لمساعدي الذكاء الاصطناعي وأدوات الأتمتة. ي...