Logfire MCP-server

Hva gjør “Logfire” MCP-server?

Logfire MCP-server er en Model Context Protocol (MCP)-server som lar AI-assistenter og LLM-er få tilgang til, hente ut og analysere telemetridata sendt til Logfire via OpenTelemetry-standarden. Ved å koble ditt Logfire-prosjekt gjør denne serveren det mulig for AI-drevne verktøy og agenter å forespørre distribuerte spor, inspisere unntaksmønstre og kjøre egendefinerte SQL-spørringer over applikasjonens målings- og sporingsdata via Logfire API-er. Denne integrasjonen muliggjør rask feilsøking, observability og automatisering av vanlige telemetrianalysoppgaver, og gir utviklere forbedrede arbeidsflyter for feilsøking, overvåking og innsiktsgenerering direkte fra utviklingsmiljøet eller AI-assistenter.

Liste over prompt-maler

Ingen eksplisitte prompt-maler er dokumentert i depotet.

Liste over ressurser

Ingen eksplisitte ressurser (som MCP-ressurser) er dokumentert i depotet.

Liste over verktøy

• find_exceptions
  Henter antall unntak fra spor, gruppert etter fil, innenfor et spesifisert tidsvindu.

• find_exceptions_in_file
  Gir detaljert sporingsinformasjon om unntak som oppstår i en bestemt fil over et gitt tidsrom.

• arbitrary_query
  Utfører egendefinerte SQL-spørringer på OpenTelemetry-spor og -målinger, og gir fleksibel datautforskning.

• get_logfire_records_schema
  Returnerer OpenTelemetry-skjemaet, slik at brukere kan lage mer presise egendefinerte spørringer.

Bruksområder for denne MCP-serveren

• Unntaksovervåking og analyse
  Utviklere kan raskt finne ut hvilke filer som genererer flest unntak, identifisere trender og fokusere feilsøkingen.

• Rotårsaksanalyse
  Ved å dykke ned i unntaksdetaljer i en bestemt fil kan teamet raskere identifisere og løse kritiske problemer.

• Egendefinert telemetrirapportering
  Muligheten til å kjøre vilkårlige SQL-spørringer gir teamet mulighet til å lage skreddersydde målingsrapporter og dashbord etter behov.

• Skjemautforskning
  Med tilgang til OpenTelemetry-skjemaet kan utviklere bedre forstå tilgjengelige datafelt for å optimalisere egendefinerte spørringer og integrasjoner.

Hvordan sette det opp

Windsurf

Ingen oppsettinstruksjoner gitt for Windsurf.

Claude

1. Åpne Claude Desktop-innstillinger.
2. Legg til en ny MCP-serverkonfigurasjon med følgende JSON:

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

3. Bytt ut "YOUR_TOKEN" med din faktiske Logfire-read token.
4. Lagre innstillingene og start Claude på nytt.
5. Verifiser at MCP-serveren er koblet til ved å forsøke en forespørsel.

Sikring av API-nøkler:
Lagre tokenet i env-seksjonen som over for å holde det borte fra argumenter og kildekontroll.

Cursor

1. Forsikre deg om at du har uv installert.
2. Opprett en .cursor/mcp.json-fil i prosjektets rotmappe.
3. Legg til følgende konfigurasjon:

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

4. Bytt ut "YOUR-TOKEN" med din faktiske Logfire-read token.
5. Lagre filen og start Cursor på nytt.

Merk: Cursor støtter ikke env-feltet; bruk --read-token-argumentet i stedet.

Cline

1. Åpne eller opprett cline_mcp_settings.json.
2. Legg til følgende:

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

3. Bytt ut "YOUR_TOKEN" med din Logfire-read token.
4. Lagre filen og start Cline på nytt.
5. Bekreft at MCP-serveren er aktiv.

Sikring av API-nøkler:
Tokens holdes sikre via env-feltet i konfigurasjonen.

Windsurf

Ingen oppsettinstruksjoner gitt for Windsurf.

Hvordan bruke denne MCP-en i flows

Bruk av MCP i FlowHunt

For å integrere MCP-servere i din FlowHunt-arbeidsflyt, start med å legge til MCP-komponenten i flowet ditt og koble den til AI-agenten din:

Klikk på MCP-komponenten for å åpne konfigurasjonspanelet. I systemets MCP-konfigurasjonsseksjon, legg inn detaljene til MCP-serveren din med dette JSON-formatet:

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

Når den er konfigurert, vil AI-agenten kunne benytte denne MCP-en som et verktøy med tilgang til alle dens funksjoner og muligheter. Husk å endre "logfire" til det faktiske navnet på din MCP-server og bytt ut URL-en med din egen MCP-server-URL.

Oversikt

Roots-støtte: ⛔ (Ikke dokumentert)

Sampling-støtte: ⛔ (Ikke dokumentert)

Basert på ovenstående er Logfire MCP-server en fokusert, produksjonsklar MCP-server for observability, men mangler dokumentasjon for prompt-maler, ressurser, roots eller sampling-støtte. Den utmerker seg ved å eksponere et lite utvalg av høyt verdsatte verktøy for telemetri og feilsøking. Sluttvurdering: 6/10 — utmerket for sitt bruksområde, men ikke en fullverdig MCP-referanseimplementasjon.

MCP-score