Logfire MCP Server

Was macht der “Logfire” MCP Server?

Der Logfire MCP Server ist ein Model Context Protocol (MCP) Server, der KI-Assistenten und LLMs ermöglicht, auf Telemetriedaten zuzugreifen, diese abzurufen und zu analysieren, die über den OpenTelemetry-Standard an Logfire gesendet wurden. Durch die Verbindung Ihres Logfire-Projekts können KI-basierte Tools und Agenten verteilte Traces abfragen, Ausnahme-Muster untersuchen und benutzerdefinierte SQL-Abfragen über die Metrik- und Tracing-Daten Ihrer Anwendung mittels der Logfire-APIs ausführen. Diese Integration ermöglicht eine schnelle Fehlersuche, Observability sowie die Automatisierung gängiger Telemetrie-Analyseaufgaben und bietet Entwicklern erweiterte Workflows für Debugging, Monitoring und die Generierung von Erkenntnissen direkt aus ihrer Entwicklungsumgebung oder von KI-gestützten Agenten.

Liste der Prompts

Keine expliziten Prompt-Templates sind im Repository dokumentiert.

Bereit, Ihr Geschäft zu erweitern?

Starten Sie heute Ihre kostenlose Testversion und sehen Sie innerhalb weniger Tage Ergebnisse.

Demo anfragen Anmelden

Liste der Ressourcen

Keine expliziten Ressourcen (als MCP-Resources) sind im Repository dokumentiert.

Liste der Tools

• find_exceptions
  Ruft Ausnahmeanzahlen aus Traces ab, gruppiert nach Datei, innerhalb eines angegebenen Zeitfensters.

• find_exceptions_in_file
  Liefert detaillierte Trace-Informationen zu Ausnahmen, die in einer bestimmten Datei innerhalb eines Zeitrahmens auftreten.

• arbitrary_query
  Führt benutzerdefinierte SQL-Abfragen auf OpenTelemetry-Traces und -Metriken aus, was eine flexible Datenexploration ermöglicht.

• get_logfire_records_schema
  Gibt das OpenTelemetry-Schema zurück und ermöglicht es Anwender:innen, präzisere benutzerdefinierte Abfragen zu erstellen.

Abonnieren Sie unseren Newsletter

Erhalten Sie die neuesten Tipps, Trends und Angebote kostenlos.

E-Mail-Adresse

Abonnieren

Anwendungsfälle dieses MCP Servers

• Ausnahmeüberwachung und -analyse
  Entwickler:innen können schnell erkennen, welche Dateien die meisten Ausnahmen erzeugen, Trends identifizieren und Debugging gezielt angehen.

• Ursachenanalyse
  Durch die Detailanalyse von Ausnahmen in einer bestimmten Datei können Teams die Identifikation und Lösung kritischer Probleme beschleunigen.

• Benutzerdefiniertes Telemetrie-Reporting
  Die Möglichkeit, beliebige SQL-Abfragen auszuführen, versetzt Teams in die Lage, maßgeschneiderte Metrikberichte und Dashboards für ihre individuellen Anforderungen zu generieren.

• Schema-Erkundung
  Mit Zugriff auf das OpenTelemetry-Schema können Entwickler:innen die verfügbaren Datenfelder besser verstehen, um eigene Abfragen und Integrationen zu optimieren.

Einrichtung

Windsurf

Für Windsurf sind keine Einrichtungshinweise verfügbar.

Claude

1. Öffnen Sie die Claude Desktop-Einstellungen.
2. Fügen Sie eine neue MCP-Server-Konfiguration mit folgendem JSON hinzu:

   {
     "command": ["uvx"],
     "args": ["logfire-mcp"],
     "type": "stdio",
     "env": {
       "LOGFIRE_READ_TOKEN": "YOUR_TOKEN"
     }
   }
   

3. Ersetzen Sie "YOUR_TOKEN" durch Ihren tatsächlichen Logfire-Read-Token.
4. Speichern Sie die Einstellungen und starten Sie Claude neu.
5. Überprüfen Sie die Verbindung zum MCP-Server, indem Sie eine Abfrage versuchen.

API-Schlüssel sichern:
Speichern Sie Ihren Token im env-Abschnitt wie oben, um ihn aus Argumenten und der Versionskontrolle herauszuhalten.

Cursor

1. Stellen Sie sicher, dass uv installiert ist.
2. Erstellen Sie eine .cursor/mcp.json-Datei im Projektverzeichnis.
3. Fügen Sie folgende Konfiguration hinzu:

   {
     "mcpServers": {
       "logfire": {
         "command": "uvx",
         "args": ["logfire-mcp", "--read-token=YOUR-TOKEN"]
       }
     }
   }
   

4. Ersetzen Sie "YOUR-TOKEN" durch Ihren tatsächlichen Logfire-Read-Token.
5. Speichern Sie die Datei und starten Sie Cursor neu.

Hinweis: Cursor unterstützt das Feld env nicht; verwenden Sie stattdessen das Argument --read-token.

Cline

1. Öffnen oder erstellen Sie cline_mcp_settings.json.
2. Fügen Sie folgendes hinzu:

   {
     "mcpServers": {
       "logfire": {
         "command": "uvx",
         "args": ["logfire-mcp"],
         "env": {
           "LOGFIRE_READ_TOKEN": "YOUR_TOKEN"
         },
         "disabled": false,
         "autoApprove": []
       }
     }
   }
   

3. Ersetzen Sie "YOUR_TOKEN" durch Ihren Logfire-Read-Token.
4. Speichern Sie die Datei und starten Sie Cline neu.
5. Überprüfen Sie, ob der MCP-Server aktiv ist.

API-Schlüssel sichern:
Tokens werden über das env-Feld in Ihrer Konfiguration sicher gespeichert.

Windsurf

Für Windsurf sind keine Einrichtungshinweise verfügbar.

Nutzung dieses MCP in Flows

MCP in FlowHunt verwenden

Um MCP-Server in Ihren FlowHunt-Workflow zu integrieren, fügen Sie zunächst die MCP-Komponente zu Ihrem Flow hinzu und verbinden Sie diese mit Ihrem KI-Agenten:

Klicken Sie auf die MCP-Komponente, um das Konfigurationspanel zu öffnen. Im Bereich „System MCP-Konfiguration“ tragen Sie Ihre MCP-Serverdaten mit folgendem JSON-Format ein:

{
  "logfire": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

Nach der Konfiguration kann der KI-Agent dieses MCP als Tool mit Zugriff auf alle Funktionen und Möglichkeiten verwenden. Denken Sie daran, "logfire" durch den tatsächlichen Namen Ihres MCP-Servers zu ersetzen und die URL entsprechend anzupassen.

Übersicht

Root-Unterstützung: ⛔ (Nicht dokumentiert)

Sampling-Unterstützung: ⛔ (Nicht dokumentiert)

Basierend auf obigen Informationen ist der Logfire MCP Server ein fokussierter, produktionsreifer MCP-Server für Observability, dem jedoch Dokumentation zu Prompt-Templates, Ressourcen, Roots oder Sampling-Unterstützung fehlt. Er glänzt darin, ein kleines Set wertvoller Tools für Telemetrie und Debugging bereitzustellen. Endbewertung: 6/10 — exzellent für den Anwendungsfall, aber kein vollumfängliches MCP-Referenz-Implementierung.

MCP Score