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.

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.

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