Sentry MCP
Officialsentry-mcp
Der MCP-Dienst von Sentry ist in erster Linie für Coding-Agenten mit menschlicher Beteiligung (Human-in-the-loop) konzipiert. Unsere Werkzeugauswahl und Prioritäten konzentrieren sich auf Entwickler-Workflows und Debugging-Anwendungsfälle, anstatt einen universellen MCP-Server für alle Sentry-Funktionen bereitzustellen.
Dieser Remote-MCP-Server fungiert als Middleware für die vorgelagerte Sentry-API und ist für Coding-Assistenten wie Cursor, Claude Code und ähnliche Entwicklungstools optimiert. Er basiert auf Cloudflares Arbeit an Remote-MCPs.
Erste Schritte
Alles, was Sie wissen müssen, finden Sie auf dem bereitgestellten Dienst in der Produktion:
Wenn Sie einen Beitrag leisten, erfahren möchten, wie es funktioniert, oder dies für eine selbst gehostete Sentry-Instanz ausführen möchten, lesen Sie unten weiter.
Claude Code Plugin
Installieren Sie es als Claude Code-Plugin für die automatische Delegation an Unteragenten:
claude plugin marketplace add getsentry/sentry-mcp
claude plugin install sentry-mcp@sentry-mcpDies stellt einen sentry-mcp-Unteragenten bereit, an den Claude automatisch delegiert, wenn Sie nach Sentry-Fehlern, Issues, Traces oder Performance fragen.
Für zukunftsorientierte Tool-Varianten und Funktionen:
claude plugin install sentry-mcp@sentry-mcp-experimentalStdio vs. Remote
Obwohl sich dieses Repository darauf konzentriert, als MCP-Dienst zu fungieren, unterstützen wir auch einen stdio-Transport. Dies ist noch in Arbeit, ist aber der einfachste Weg, das MCP für eine selbst gehostete Sentry-Installation anzupassen.
Hinweis: Die KI-gestützten Suchwerkzeuge (search_events, search_issues usw.) erfordern einen LLM-Anbieter (OpenAI oder Anthropic). Diese Werkzeuge verwenden natürliche Sprachverarbeitung, um Abfragen in die Sentry-Abfragesyntax zu übersetzen. Ohne einen konfigurierten Anbieter sind diese spezifischen Werkzeuge nicht verfügbar, aber alle anderen Werkzeuge funktionieren normal.
Um den stdio-Transport zu nutzen, müssen Sie in Sentry ein Benutzer-Authentifizierungs-Token mit den erforderlichen Scopes erstellen. Zum Zeitpunkt der Erstellung dieses Dokuments ist dies:
org:read
project:read
project:write
team:read
team:write
event:writeStarten Sie den Transport:
npx @sentry/mcp-server@latest --access-token=sentry-user-tokenMüssen Sie eine Verbindung zu einer selbst gehosteten Bereitstellung herstellen? Fügen Sie --host (nur Hostname, z. B. --host=sentry.example.com) hinzu, wenn Sie den Befehl ausführen.
Einige Funktionen (wie Seer) sind auf selbst gehosteten Instanzen möglicherweise nicht verfügbar. Sie können bestimmte Fähigkeiten deaktivieren, um zu verhindern, dass nicht unterstützte Werkzeuge bereitgestellt werden:
npx @sentry/mcp-server@latest --access-token=TOKEN --host=sentry.example.com --disable-skills=seerUmgebungsvariablen
SENTRY_ACCESS_TOKEN= # Required: Your Sentry auth token
# LLM Provider Configuration (required for AI-powered search tools)
EMBEDDED_AGENT_PROVIDER= # Required: 'openai' or 'anthropic'
OPENAI_API_KEY= # Required if using OpenAI
ANTHROPIC_API_KEY= # Required if using Anthropic
# Optional overrides
SENTRY_HOST= # For self-hosted deployments
MCP_DISABLE_SKILLS= # Disable specific skills (comma-separated, e.g. 'seer')Wichtig: Setzen Sie immer EMBEDDED_AGENT_PROVIDER, um Ihren LLM-Anbieter explizit anzugeben. Die automatische Erkennung allein auf Basis von API-Schlüsseln ist veraltet und wird in einer zukünftigen Version entfernt. Siehe docs/embedded-agents.md für detaillierte Konfigurationsoptionen.
Beispiel-MCP-Konfiguration
{
"mcpServers": {
"sentry": {
"command": "npx",
"args": ["@sentry/mcp-server"],
"env": {
"SENTRY_ACCESS_TOKEN": "your-token",
"EMBEDDED_AGENT_PROVIDER": "openai",
"OPENAI_API_KEY": "sk-..."
}
}
}
}Wenn Sie die Host-Variable nicht setzen, zielt die CLI automatisch auf den Sentry SaaS-Dienst ab. Setzen Sie die Überschreibung nur, wenn Sie Sentry selbst hosten.
Für selbst gehostete Instanzen, die Seer nicht unterstützen:
{
"mcpServers": {
"sentry": {
"command": "npx",
"args": ["@sentry/mcp-server"],
"env": {
"SENTRY_ACCESS_TOKEN": "your-token",
"SENTRY_HOST": "sentry.example.com",
"MCP_DISABLE_SKILLS": "seer"
}
}
}
}MCP Inspector
MCP enthält einen Inspector, um den Dienst einfach zu testen:
pnpm inspectorGeben Sie die MCP-Server-URL (http://localhost:5173) ein und klicken Sie auf Verbinden. Dies sollte den Authentifizierungsablauf für Sie auslösen.
Hinweis: Wenn Sie Probleme mit Ihrem OAuth-Ablauf beim Zugriff auf den Inspector unter 127.0.0.1 haben, versuchen Sie es stattdessen mit localhost, indem Sie http://localhost:6274 aufrufen.
Related MCP server: Sentry MCP Server
Lokale Entwicklung
Um Änderungen beizusteuern, müssen Sie Ihre lokale Umgebung einrichten:
Umgebung und Agenten-Fähigkeiten einrichten:
make setup-env # Creates .env files and installs shared agent skillsDies führt auch
npx @sentry/dotagents installaus, um freigegebene Fähigkeiten von getsentry/skills in.agents/skills/zu installieren (symbolisch verknüpft mit.claude/skillsund.cursor/skills). Wenn Sie Fähigkeiten später aktualisieren müssen, führen Sie dies direkt aus:npx @sentry/dotagents installErstellen Sie eine OAuth-App in Sentry (Einstellungen => API => Anwendungen):
Homepage-URL:
http://localhost:5173Autorisierte Redirect-URIs:
http://localhost:5173/oauth/callbackNotieren Sie Ihre Client-ID und generieren Sie ein Client-Secret
Konfigurieren Sie Ihre Anmeldedaten:
Bearbeiten Sie
.envim Stammverzeichnis und fügen Sie IhrenOPENAI_API_KEYhinzuBearbeiten Sie
packages/mcp-cloudflare/.envund fügen Sie hinzu:SENTRY_CLIENT_ID=your_development_sentry_client_idSENTRY_CLIENT_SECRET=your_development_sentry_client_secretCOOKIE_SECRET=my-super-secret-cookie
Starten Sie den Entwicklungsserver:
pnpm dev
Überprüfen
Führen Sie den Server lokal aus, um ihn unter http://localhost:5173 verfügbar zu machen
pnpm devUm den lokalen Server zu testen, geben Sie http://localhost:5173/mcp in den Inspector ein und klicken Sie auf Verbinden. Sobald Sie den Anweisungen folgen, können Sie "List Tools" auswählen.
Tests
Es sind drei Testsuiten enthalten: Unit-Tests, Evaluierungen und manuelle Tests.
Unit-Tests können wie folgt ausgeführt werden:
pnpm testEvaluierungen erfordern eine .env-Datei im Projektstammverzeichnis mit etwas Konfiguration:
# .env (in project root)
OPENAI_API_KEY= # Also required for AI-powered search tools in productionHinweis: Die .env-Datei im Stammverzeichnis bietet Standardwerte für alle Pakete. Einzelne Pakete können ihre eigenen .env-Dateien haben, um diese Standardwerte während der Entwicklung zu überschreiben.
Sobald dies erledigt ist, können Sie sie wie folgt ausführen:
pnpm evalManuelle Tests (bevorzugt für das Testen von MCP-Änderungen):
# Test with local dev server (default: http://localhost:5173)
pnpm -w run cli "who am I?"
# Test agent mode (use_sentry tool only)
pnpm -w run cli --agent "who am I?"
# Test against production
pnpm -w run cli --mcp-host=https://mcp.sentry.dev "query"
# Test with local stdio mode (requires SENTRY_ACCESS_TOKEN)
pnpm -w run cli --access-token=TOKEN "query"Hinweis: Die CLI verwendet standardmäßig http://localhost:5173. Überschreiben Sie dies mit --mcp-host oder setzen Sie die Umgebungsvariable MCP_URL.
Umfassende Test-Playbooks:
Stdio-Tests: Siehe
docs/testing-stdio.mdfür eine vollständige Anleitung zum Erstellen, Ausführen und Testen der Stdio-Implementierung (IDEs, MCP Inspector)Remote-Tests: Siehe
docs/testing-remote.mdfür eine vollständige Anleitung zum Testen des Remote-Servers (OAuth, Web-UI, CLI-Client)
Entwicklungshinweise
Automatisierte Code-Überprüfung
Dieses Repository verwendet automatisierte Code-Überprüfungstools (wie Cursor BugBot), um potenzielle Probleme in Pull Requests zu identifizieren. Diese Tools bieten hilfreiches Feedback und Vorschläge, aber wir empfehlen nicht, diese Prüfungen als erforderlich festzulegen, da die Genauigkeit sich noch entwickelt und zu falsch-positiven Ergebnissen führen kann.
Die automatisierten Überprüfungen sollten wie folgt behandelt werden:
✅ Hilfreiche Vorschläge, die während der Code-Überprüfung berücksichtigt werden sollten
✅ Ausgangspunkte für Diskussionen und Verbesserungen
❌ Keine blockierenden Anforderungen für das Zusammenführen von PRs
❌ Kein Ersatz für menschliche Code-Überprüfung
Konzentrieren Sie sich bei der Bearbeitung von automatisiertem Feedback auf die zugrunde liegenden Bedenken, anstatt jeden Vorschlag strikt zu befolgen.
Mitwirkenden-Dokumentation
Möchten Sie einen Beitrag leisten oder die vollständige Dokumentationsübersicht erkunden? Siehe CLAUDE.md (auch verfügbar als AGENTS.md) für Workflows für Mitwirkende und den vollständigen Dokumentationsindex. Der Ordner docs/ enthält die themenspezifischen Anleitungen und die in Werkzeuge integrierten .md-Dateien.
Available Tools
7 toolscreate_projectBInspect
Create a new project in Sentry, giving you access to a new SENTRY_DSN.
Use this tool when you need to:
Create a new project in a Sentry organization
Inputs: name (required), teamSlug (required), organizationSlug, platform.
create_teamBInspect
Create a new team in Sentry.
Use this tool when you need to:
Create a new team in a Sentry organization
Inputs: name (required), organizationSlug.
get_error_detailsAInspect
Retrieve error details from Sentry for a specific Issue ID, including the stacktrace and error message. Either issueId or issueUrl MUST be provided.
Use this tool when you need to:
Investigate a specific production error
Access detailed error information and stacktraces from Sentry
Inputs: issueId, issueUrl, organizationSlug.
list_organizationsBInspect
List all organizations that the user has access to in Sentry.
Use this tool when you need to:
View all organizations in Sentry
Inputs: no named parameters.
list_projectsBInspect
Retrieve a list of projects in Sentry.
Use this tool when you need to:
View all projects in a Sentry organization
Inputs: organizationSlug.
list_teamsAInspect
List all teams in an organization in Sentry.
Use this tool when you need to:
View all teams in a Sentry organization
Inputs: organizationSlug.
search_errors_in_fileAInspect
Search for errors recently occurring in a specific file. This is a suffix based search, so only using the filename or the direct parent folder of the file. The parent folder is preferred when the filename is in a subfolder or a common filename.
Use this tool when you need to:
Search for production errors in a specific file
Analyze error patterns and frequencies
Find recent or frequently occurring errors.
Inputs: filename (required), organizationSlug, sortBy.
Tool Schema Changelog
Recent tool additions, removals, and schema changes observed during successful MCP inspections.
Loading tool schema changelog…
TDQS
Scored across 7 tools
Most tools have distinct purposes, such as create_project vs. list_projects, but get_error_details and search_errors_in_file could potentially overlap in error investigation scenarios, which might cause slight confusion. Overall, the boundaries are clear with only minor ambiguity.
All tools follow a consistent verb_noun naming pattern using snake_case, such as create_project, list_organizations, and search_errors_in_file. This uniformity makes the tool set predictable and easy to understand.
With 7 tools, the count is reasonable for a Sentry-focused server, covering core operations like project, team, and error management. However, it feels slightly thin as it lacks update or delete operations, which are common in such domains.
The tool set covers creation and listing for projects, teams, and organizations, plus error retrieval and search, but it has notable gaps. Missing update/delete tools for projects and teams, and no error resolution or comment features, limit full lifecycle coverage for Sentry's domain.
Maintenance
Related MCP Connectors
A comprehensive Model Context Protocol (MCP) server that enables AI assistants to interact with yo…
The Telnyx MCP server is an official implementation of the Model Context Protocol that enables AI clients (like Claude Desktop, Cursor, and OpenAI Agents) to interact with Telnyx's telephony, messaging, and AI assistant APIs. It provides comprehensive capabilities including making and managing phone calls, sending SMS/MMS messages, purchasing and configuring phone numbers, creating AI assistants with custom instructions, managing cloud storage buckets, scraping and embedding website content, and handling integration secrets. The server exists as both a local implementation and a remotely hosted version, allowing developers to integrate real-world communication infrastructure directly into AI applications.
A Model Context Protocol server for Wix AI tools
Talk to your public-facing AI from any MCP client — Claude, ChatGPT, Cursor, Cline, Windsurf.
Related MCP Servers
- FlicenseBqualityDmaintenanceA Model Context Protocol server that retrieves and analyzes Sentry.io issues, allowing users to inspect error reports, stacktraces, and debugging information from their Sentry account.223-
- AlicenseBqualityFmaintenanceA Model Context Protocol server that enables AI assistants to interact with Sentry for error tracking and monitoring, allowing retrieval and analysis of error data, project management, and performance monitoring through the Sentry API.1121ISC
- AlicenseNot gradedqualityDmaintenanceA TypeScript implementation of a Model Context Protocol server that connects to Sentry error tracking service, allowing AI models to query and analyze error reports and events.17 npmMIT
- AlicenseNot gradedqualityDmaintenanceA TypeScript server that allows AI agents to access, retrieve, and analyze Sentry error data through the Modern Context Protocol.34 npm2MIT