Sentry MCP
Officialsentry-mcp
El servicio MCP de Sentry está diseñado principalmente para agentes de codificación con intervención humana (human-in-the-loop). Nuestra selección de herramientas y prioridades se centran en los flujos de trabajo de los desarrolladores y en casos de uso de depuración, en lugar de proporcionar un servidor MCP de propósito general para toda la funcionalidad de Sentry.
Este servidor MCP remoto actúa como middleware para la API de Sentry, optimizado para asistentes de codificación como Cursor, Claude Code y herramientas de desarrollo similares. Se basa en el trabajo de Cloudflare hacia MCPs remotos.
Introducción
Encontrarás todo lo que necesitas saber visitando el servicio desplegado en producción:
Si buscas contribuir, aprender cómo funciona o ejecutar esto para una instancia de Sentry autohospedada, continúa leyendo.
Plugin de Claude Code
Instálalo como un plugin de Claude Code para la delegación automática de subagentes:
claude plugin marketplace add getsentry/sentry-mcp
claude plugin install sentry-mcp@sentry-mcpEsto proporciona un subagente sentry-mcp al que Claude delega automáticamente cuando preguntas sobre errores, problemas, trazas o rendimiento de Sentry.
Para variantes de herramientas y características futuras:
claude plugin install sentry-mcp@sentry-mcp-experimentalStdio vs Remoto
Aunque este repositorio se centra en actuar como un servicio MCP, también admitimos un transporte stdio. Esto sigue siendo un trabajo en progreso, pero es la forma más fácil de adaptar y ejecutar el MCP contra una instalación de Sentry autohospedada.
Nota: Las herramientas de búsqueda impulsadas por IA (search_events, search_issues, etc.) requieren un proveedor de LLM (OpenAI o Anthropic). Estas herramientas utilizan procesamiento de lenguaje natural para traducir consultas a la sintaxis de búsqueda de Sentry. Sin un proveedor configurado, estas herramientas específicas no estarán disponibles, pero todas las demás funcionarán normalmente.
Para utilizar el transporte stdio, necesitarás crear un Token de Autenticación de Usuario en Sentry con los alcances necesarios. Al momento de escribir esto, es:
org:read
project:read
project:write
team:read
team:write
event:writeLanza el transporte:
npx @sentry/mcp-server@latest --access-token=sentry-user-token¿Necesitas conectarte a un despliegue autohospedado? Añade --host (solo el nombre de host, p. ej., --host=sentry.example.com) cuando ejecutes el comando.
Algunas características (como Seer) pueden no estar disponibles en instancias autohospedadas. Puedes desactivar habilidades específicas para evitar que se expongan herramientas no compatibles:
npx @sentry/mcp-server@latest --access-token=TOKEN --host=sentry.example.com --disable-skills=seerVariables de entorno
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')Importante: Configura siempre EMBEDDED_AGENT_PROVIDER para especificar explícitamente tu proveedor de LLM. La detección automática basada solo en claves API está obsoleta y se eliminará en una futura versión. Consulta docs/embedded-agents.md para ver opciones de configuración detalladas.
Ejemplo de configuración de MCP
{
"mcpServers": {
"sentry": {
"command": "npx",
"args": ["@sentry/mcp-server"],
"env": {
"SENTRY_ACCESS_TOKEN": "your-token",
"EMBEDDED_AGENT_PROVIDER": "openai",
"OPENAI_API_KEY": "sk-..."
}
}
}
}Si dejas la variable host sin configurar, la CLI apunta automáticamente al servicio SaaS de Sentry. Solo establece la anulación cuando operes un Sentry autohospedado.
Para instancias autohospedadas que no admiten Seer:
{
"mcpServers": {
"sentry": {
"command": "npx",
"args": ["@sentry/mcp-server"],
"env": {
"SENTRY_ACCESS_TOKEN": "your-token",
"SENTRY_HOST": "sentry.example.com",
"MCP_DISABLE_SKILLS": "seer"
}
}
}
}Inspector MCP
MCP incluye un Inspector para probar fácilmente el servicio:
pnpm inspectorIntroduce la URL del servidor MCP (http://localhost:5173) y pulsa conectar. Esto debería activar el flujo de autenticación para ti.
Nota: Si tienes problemas con tu flujo OAuth al acceder al inspector en 127.0.0.1, intenta usar localhost visitando http://localhost:6274.
Related MCP server: Sentry MCP Server
Desarrollo local
Para contribuir con cambios, necesitarás configurar tu entorno local:
Configurar el entorno y las habilidades del agente:
make setup-env # Creates .env files and installs shared agent skillsEsto también ejecuta
npx @sentry/dotagents installpara instalar habilidades compartidas desde getsentry/skills en.agents/skills/(vinculadas simbólicamente en.claude/skillsy.cursor/skills). Si necesitas actualizar las habilidades más tarde, ejecútalo directamente:npx @sentry/dotagents installCrear una aplicación OAuth en Sentry (Configuración => API => Aplicaciones):
URL de inicio:
http://localhost:5173URIs de redirección autorizadas:
http://localhost:5173/oauth/callbackAnota tu ID de cliente y genera un secreto de cliente
Configurar tus credenciales:
Edita
.enven el directorio raíz y añade tuOPENAI_API_KEYEdita
packages/mcp-cloudflare/.envy añade:SENTRY_CLIENT_ID=tu_id_de_cliente_sentry_de_desarrolloSENTRY_CLIENT_SECRET=tu_secreto_de_cliente_sentry_de_desarrolloCOOKIE_SECRET=mi-super-secreto-cookie
Iniciar el servidor de desarrollo:
pnpm dev
Verificar
Ejecuta el servidor localmente para que esté disponible en http://localhost:5173
pnpm devPara probar el servidor local, introduce http://localhost:5173/mcp en el Inspector y pulsa conectar. Una vez que sigas las instrucciones, podrás "Listar herramientas".
Pruebas
Se incluyen tres conjuntos de pruebas: pruebas unitarias, evaluaciones y pruebas manuales.
Las pruebas unitarias se pueden ejecutar usando:
pnpm testLas evaluaciones requieren un archivo .env en la raíz del proyecto con algo de configuración:
# .env (in project root)
OPENAI_API_KEY= # Also required for AI-powered search tools in productionNota: El archivo .env raíz proporciona valores predeterminados para todos los paquetes. Los paquetes individuales pueden tener sus propios archivos .env para anular estos valores durante el desarrollo.
Una vez hecho esto, puedes ejecutarlas usando:
pnpm evalPruebas manuales (preferidas para probar cambios en MCP):
# 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"Nota: La CLI utiliza http://localhost:5173 por defecto. Anula con --mcp-host o establece la variable de entorno MCP_URL.
Guías de pruebas integrales:
Pruebas Stdio: Consulta
docs/testing-stdio.mdpara obtener una guía completa sobre cómo construir, ejecutar y probar la implementación stdio (IDEs, Inspector MCP)Pruebas remotas: Consulta
docs/testing-remote.mdpara obtener una guía completa sobre cómo probar el servidor remoto (OAuth, interfaz web, cliente CLI)
Notas de desarrollo
Revisión de código automatizada
Este repositorio utiliza herramientas de revisión de código automatizadas (como Cursor BugBot) para ayudar a identificar posibles problemas en las solicitudes de extracción (pull requests). Estas herramientas proporcionan comentarios y sugerencias útiles, pero no recomendamos hacer que estas comprobaciones sean obligatorias, ya que la precisión aún está evolucionando y puede producir falsos positivos.
Las revisiones automatizadas deben tratarse como:
✅ Sugerencias útiles a considerar durante la revisión del código
✅ Puntos de partida para la discusión y mejora
❌ No son requisitos bloqueantes para fusionar PRs
❌ No son reemplazos para la revisión de código humana
Al abordar los comentarios automatizados, céntrate en las preocupaciones subyacentes en lugar de seguir estrictamente cada sugerencia.
Documentación para colaboradores
¿Buscas contribuir o explorar el mapa completo de documentación? Consulta CLAUDE.md (también disponible como AGENTS.md) para conocer los flujos de trabajo de los colaboradores y el índice completo de documentos. La carpeta docs/ contiene las guías por tema y los archivos .md integrados en las herramientas.
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