Serveur Logfire MCP

Que fait le serveur “Logfire” MCP ?

Le serveur Logfire MCP est un serveur Model Context Protocol (MCP) qui permet aux assistants IA et aux LLM d’accéder, de récupérer et d’analyser les données de télémétrie envoyées à Logfire via la norme OpenTelemetry. En connectant votre projet Logfire, ce serveur permet aux outils et agents pilotés par l’IA d’interroger les traces distribuées, d’inspecter les schémas d’exceptions et d’exécuter des requêtes SQL personnalisées sur les métriques et données de traces de votre application grâce aux API Logfire. Cette intégration permet un dépannage rapide, une observabilité et l’automatisation des tâches courantes d’analyse de télémétrie, offrant aux développeurs des workflows améliorés pour le débogage, la surveillance et la génération d’insights directement depuis leurs environnements de développement ou agents assistés par l’IA.

Liste des prompts

Aucun modèle de prompt explicite n’est documenté dans le dépôt.

Liste des ressources

Aucune ressource explicite (en tant que ressources MCP) n’est documentée dans le dépôt.

Liste des outils

• find_exceptions
  Récupère le nombre d’exceptions à partir des traces, groupées par fichier, sur une fenêtre temporelle définie.

• find_exceptions_in_file
  Fournit des informations détaillées sur les traces concernant les exceptions survenant dans un fichier spécifique sur une période donnée.

• arbitrary_query
  Exécute des requêtes SQL personnalisées sur les traces et métriques OpenTelemetry, permettant une exploration flexible des données.

• get_logfire_records_schema
  Retourne le schéma OpenTelemetry, permettant aux utilisateurs de concevoir des requêtes personnalisées plus précises.

Cas d’usage de ce serveur MCP

• Surveillance et analyse des exceptions
  Les développeurs peuvent rapidement identifier les fichiers générant le plus d’exceptions, détecter des tendances et cibler leurs efforts de débogage.

• Analyse des causes profondes
  En examinant les détails des exceptions dans un fichier spécifique, les équipes peuvent accélérer l’identification et la résolution des problèmes critiques.

• Reporting personnalisé de la télémétrie
  La possibilité d’exécuter des requêtes SQL personnalisées permet aux équipes de générer des rapports et tableaux de bord adaptés à leurs besoins spécifiques.

• Exploration du schéma
  Avec l’accès au schéma OpenTelemetry, les développeurs comprennent mieux les champs de données disponibles pour optimiser leurs requêtes et intégrations personnalisées.

Comment le configurer

Windsurf

Aucune instruction d’installation fournie pour Windsurf.

Claude

1. Ouvrez les paramètres de Claude Desktop.
2. Ajoutez une nouvelle configuration de serveur MCP avec le JSON suivant :

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

3. Remplacez "YOUR_TOKEN" par votre vrai jeton de lecture Logfire.
4. Enregistrez les paramètres et redémarrez Claude.
5. Vérifiez que le serveur MCP est connecté en tentant une requête.

Sécurisation des clés API :
Stockez votre jeton dans la section env comme ci-dessus pour qu’il ne soit ni en argument ni dans le contrôle de version.

Cursor

1. Assurez-vous que uv est installé.
2. Créez un fichier .cursor/mcp.json à la racine de votre projet.
3. Ajoutez la configuration suivante :

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

4. Remplacez "YOUR-TOKEN" par votre vrai jeton de lecture Logfire.
5. Enregistrez le fichier et redémarrez Cursor.

Note : Cursor ne prend pas en charge le champ env ; utilisez l’argument --read-token à la place.

Cline

1. Ouvrez ou créez cline_mcp_settings.json.
2. Ajoutez ce qui suit :

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

3. Remplacez "YOUR_TOKEN" par votre jeton de lecture Logfire.
4. Enregistrez le fichier et redémarrez Cline.
5. Confirmez que le serveur MCP est actif.

Sécurisation des clés API :
Les jetons sont sécurisés via le champ env de votre configuration.

Windsurf

Aucune instruction d’installation fournie pour Windsurf.

Comment utiliser ce MCP dans les flows

Utilisation du MCP dans FlowHunt

Pour intégrer des serveurs MCP dans votre workflow FlowHunt, commencez par ajouter le composant MCP à votre flow et connectez-le à votre agent IA :

Cliquez sur le composant MCP pour ouvrir le panneau de configuration. Dans la section de configuration système du MCP, insérez les détails de votre serveur MCP au format JSON suivant :

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

Une fois configuré, l’agent IA peut désormais utiliser ce MCP comme un outil avec accès à toutes ses fonctions et capacités. N’oubliez pas de remplacer "logfire" par le nom réel de votre serveur MCP et l’URL par celle de votre serveur MCP.

Vue d’ensemble

Prise en charge des roots : ⛔ (Non documenté)

Prise en charge du sampling : ⛔ (Non documenté)

Au vu de ce qui précède, Logfire MCP Server est un serveur MCP spécialisé et de qualité production pour l’observabilité, mais il manque de documentation sur les modèles de prompt, les ressources, les roots ou le sampling. Il excelle à exposer un petit ensemble d’outils à forte valeur ajoutée pour la télémétrie et le débogage. Note finale : 6/10 — excellent pour son cas d’usage, mais pas une implémentation de référence MCP complète.

Score MCP