Skip to main content
Glama
Sentry MCP

Sentry MCP

Official
by getsentry

sentry-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:

https://mcp.sentry.dev

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-mcp

Dies 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-experimental

Stdio 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:write

Starten Sie den Transport:

npx @sentry/mcp-server@latest --access-token=sentry-user-token

Müssen 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=seer

Umgebungsvariablen

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 inspector

Geben 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:

  1. Umgebung und Agenten-Fähigkeiten einrichten:

    make setup-env  # Creates .env files and installs shared agent skills

    Dies führt auch npx @sentry/dotagents install aus, um freigegebene Fähigkeiten von getsentry/skills in .agents/skills/ zu installieren (symbolisch verknüpft mit .claude/skills und .cursor/skills). Wenn Sie Fähigkeiten später aktualisieren müssen, führen Sie dies direkt aus:

    npx @sentry/dotagents install
  2. Erstellen Sie eine OAuth-App in Sentry (Einstellungen => API => Anwendungen):

    • Homepage-URL: http://localhost:5173

    • Autorisierte Redirect-URIs: http://localhost:5173/oauth/callback

    • Notieren Sie Ihre Client-ID und generieren Sie ein Client-Secret

  3. Konfigurieren Sie Ihre Anmeldedaten:

    • Bearbeiten Sie .env im Stammverzeichnis und fügen Sie Ihren OPENAI_API_KEY hinzu

    • Bearbeiten Sie packages/mcp-cloudflare/.env und fügen Sie hinzu:

      • SENTRY_CLIENT_ID=your_development_sentry_client_id

      • SENTRY_CLIENT_SECRET=your_development_sentry_client_secret

      • COOKIE_SECRET=my-super-secret-cookie

  4. Starten Sie den Entwicklungsserver:

    pnpm dev

Überprüfen

Führen Sie den Server lokal aus, um ihn unter http://localhost:5173 verfügbar zu machen

pnpm dev

Um 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 test

Evaluierungen erfordern eine .env-Datei im Projektstammverzeichnis mit etwas Konfiguration:

# .env (in project root)
OPENAI_API_KEY=  # Also required for AI-powered search tools in production

Hinweis: 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 eval

Manuelle 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.md für eine vollständige Anleitung zum Erstellen, Ausführen und Testen der Stdio-Implementierung (IDEs, MCP Inspector)

  • Remote-Tests: Siehe docs/testing-remote.md für 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 tools
create_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

    A3.5/5.0

    Scored across 7 tools

    Disambiguation4/5

    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.

    Naming Consistency5/5

    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.

    Tool Count4/5

    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.

    Completeness3/5

    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

    ActivityActive
    ResponsivenessSyncing

    Related MCP Connectors

    Related MCP Servers

    • F
      license
      B
      quality
      D
      maintenance
      A 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.
      2
      23
      -
    • A
      license
      B
      quality
      F
      maintenance
      A 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.
      11
      21
      ISC
    • A
      license
      Not graded
      quality
      D
      maintenance
      A 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 npm
      MIT