Análisis de registros con SQLite MCP Server

Este proyecto proporciona herramientas para crear una base de datos SQLite a partir de archivos de registro comprimidos e interactuar con ella mediante el servidor SQLite del Protocolo de contexto de modelo (MCP).

Instrucciones de instalación

python3 -m venv venv
source venv/bin/activate
pip3 install -r requirements.txt

Coloque los archivos de registro en la carpeta como archivos .gz y luego ejecute:

python3 create_log_db.py 

Related MCP server: SQLite MCP Server

Servidor SQLite MCP

Para configurar el servidor MCP SQLite en Cursor-

• Configuración del cursor

• MCP

• Agregar nuevo servidor MCP

• Nombre SQLlite

• Establezca el tipo en command

• Coloque esto en el cuadro de comando

npx -y @smithery/cli@latest run mcp-server-sqlite-npx --config "{\"databasePath\":\"/path/to/thedatbase/logs.db\"}"

Contenido

• create_log_db.py : script para extraer y analizar archivos de registro en una base de datos SQLite

• query_logs.py : Script para consultar directamente la base de datos SQLite

• logs.db : base de datos SQLite que contiene datos de registro analizados

Estructura de la base de datos

La base de datos contiene las siguientes tablas:

Tabla logs

• id : Identificador único para cada entrada de registro

• timestamp : Marca de tiempo de la entrada del registro

• thread : Hilo que generó el registro

• level : Nivel de registro (INFO, WARN, ERROR, DEBUG)

• module : Módulo que generó el registro

• message : Contenido del mensaje de registro

• source_file : Archivo de registro de origen

• raw_log : Entrada de registro sin procesar

Tabla stack_traces

• id : Identificador único para cada seguimiento de pila

• log_id : Referencia a la entrada de registro a la que pertenece este seguimiento de pila

• stack_trace : Texto de seguimiento de pila completo

Tabla de parsing_errors

• id : Identificador único para cada error de análisis

• line : La línea que no se pudo analizar

• source_file : Archivo de registro de origen

• error_message : Mensaje de error que explica por qué falló el análisis

• timestamp : cuándo ocurrió el error de análisis

Puede consultar la base de datos directamente utilizando el script query_logs.py :