Logfire MCP 서버

“Logfire” MCP 서버는 무엇을 하나요?

Logfire MCP 서버는 Model Context Protocol(MCP) 서버로, AI 어시스턴트와 LLM이 OpenTelemetry 표준을 통해 Logfire로 전송된 텔레메트리 데이터에 접근, 조회, 분석할 수 있도록 합니다. Logfire 프로젝트를 연결하면, 이 서버를 통해 AI 기반 도구나 에이전트가 분산 트레이스 쿼리, 예외 패턴 분석, 커스텀 SQL 쿼리를 Logfire API를 이용해 앱의 메트릭 및 트레이스 데이터에 실행할 수 있습니다. 이 통합으로 개발자는 개발 환경이나 AI 에이전트에서 직접 디버깅, 모니터링, 인사이트 생성 등 텔레메트리 분석 작업을 자동화하고, 워크플로우를 강화할 수 있습니다.

프롬프트 목록

저장소에 명시적인 프롬프트 템플릿이 문서화되어 있지 않습니다.

리소스 목록

저장소에 명시적인 리소스(MCP 리소스)가 문서화되어 있지 않습니다.

도구 목록

• find_exceptions
  지정한 시간 범위 내에서 파일별로 트레이스에서 예외 발생 횟수를 조회합니다.

• find_exceptions_in_file
  특정 파일에서 발생한 예외에 대해 상세 트레이스 정보를 지정한 기간 동안 제공합니다.

• arbitrary_query
  OpenTelemetry 트레이스 및 메트릭에 대해 커스텀 SQL 쿼리를 실행하여 유연한 데이터 탐색이 가능합니다.

• get_logfire_records_schema
  OpenTelemetry 스키마를 반환하여, 보다 정밀한 커스텀 쿼리 작성이 가능하게 합니다.

이 MCP 서버의 활용 사례

• 예외 모니터링 및 분석
  어떤 파일에서 예외가 가장 많이 발생하는지 빠르게 파악하고, 트렌드를 식별하여 디버깅에 집중할 수 있습니다.

• 근본 원인 분석
  특정 파일 내 예외 상세 내역을 추적하여 팀이 중요한 문제를 신속하게 찾아내고 해결할 수 있습니다.

• 커스텀 텔레메트리 리포팅
  임의의 SQL 쿼리를 실행하여 팀 고유의 메트릭 리포트와 대시보드를 제작할 수 있습니다.

• 스키마 탐색
  OpenTelemetry 스키마에 접근하여, 개발자가 사용 가능한 데이터 필드를 이해하고 커스텀 쿼리 및 연동 최적화에 활용할 수 있습니다.

설정 방법

Windsurf

Windsurf에 대한 설정 안내가 제공되지 않았습니다.

Claude

1. Claude Desktop 설정을 엽니다.
2. 다음 JSON으로 새 MCP 서버 설정을 추가합니다:

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

3. "YOUR_TOKEN"을 본인의 Logfire 읽기 토큰으로 교체하세요.
4. 설정을 저장하고 Claude를 재시작하세요.
5. 쿼리를 시도하여 MCP 서버가 연결되었는지 확인합니다.

API 키 보안:
위와 같이 env 섹션에 토큰을 저장하여 인자나 소스 제어에서 노출되지 않도록 하세요.

Cursor

1. uv가 설치되어 있는지 확인하세요.
2. 프로젝트 루트에 .cursor/mcp.json 파일을 생성하세요.
3. 다음 설정을 추가합니다:

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

4. "YOUR-TOKEN"을 실제 Logfire 읽기 토큰으로 교체하세요.
5. 파일을 저장하고 Cursor를 재시작하세요.

참고: Cursor는 env 필드를 지원하지 않으므로 --read-token 인자를 사용하세요.

Cline

1. cline_mcp_settings.json 파일을 열거나 새로 만드세요.
2. 다음 내용을 추가합니다:

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

3. "YOUR_TOKEN"을 본인의 Logfire 읽기 토큰으로 교체하세요.
4. 파일을 저장하고 Cline을 재시작하세요.
5. MCP 서버가 활성 상태인지 확인하세요.

API 키 보안:
설정의 env 필드를 통해 토큰이 안전하게 보관됩니다.

Windsurf

Windsurf에 대한 설정 안내가 제공되지 않았습니다.

플로우 내 MCP 사용 방법

FlowHunt에서 MCP 사용하기

FlowHunt 워크플로우에 MCP 서버를 통합하려면, 플로우에 MCP 컴포넌트를 추가하고 AI 에이전트와 연결하세요:

MCP 컴포넌트를 클릭해 설정 패널을 열고, 시스템 MCP 설정 섹션에서 다음 JSON 형식으로 MCP 서버 정보를 입력하세요:

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

설정이 완료되면 AI 에이전트가 이 MCP의 모든 기능과 도구를 활용할 수 있습니다. "logfire"를 실제 MCP 서버 이름으로, URL을 본인 MCP 서버 주소로 바꾸는 것을 잊지 마세요.

개요

Roots 지원: ⛔ (문서화되지 않음)

샘플링 지원: ⛔ (문서화되지 않음)

위 내용을 종합하면, Logfire MCP 서버는 가시성을 위한 집중적이고 프로덕션급 MCP 서버이지만 프롬프트 템플릿, 리소스, roots, 샘플링 지원 문서가 부족합니다. 텔레메트리 및 디버깅을 위한 소수의 핵심 도구 제공에 강점을 보입니다. 최종 평점: 6/10 — 특정 용도에는 탁월하지만, 풀-스펙 MCP 참조 구현은 아닙니다.

MCP 점수