Logfire MCP Server
OfficialLogfire MCP-Server
Dieses Repository enthält einen Model Context Protocol (MCP)-Server mit Tools, die auf die OpenTelemetry-Traces und -Metriken zugreifen können, die Sie an Logfire gesendet haben.
Dieser MCP-Server ermöglicht es LLMs, die Telemetriedaten Ihrer Anwendung abzurufen, verteilte Traces zu analysieren und die Ergebnisse beliebiger SQL-Abfragen zu nutzen, die mit den Logfire-APIs ausgeführt werden.
Verfügbare Tools
find_exceptions- Abfrage der Anzahl der Ausnahmen aus nach Dateien gruppierten TracesErforderliche Argumente:
age(int): Anzahl der Minuten, die zurückgeblickt werden soll (z. B. 30 für die letzten 30 Minuten, max. 7 Tage)
find_exceptions_in_file- Erhalten Sie detaillierte Trace-Informationen zu Ausnahmen in einer bestimmten DateiErforderliche Argumente:
filepath(Zeichenfolge): Pfad zur zu analysierenden Dateiage(int): Anzahl der Minuten, die zurückgeblickt werden soll (max. 7 Tage)
arbitrary_query- Führen Sie benutzerdefinierte SQL-Abfragen für Ihre OpenTelemetry-Traces und -Metriken ausErforderliche Argumente:
query(Zeichenfolge): Auszuführende SQL-Abfrageage(int): Anzahl der Minuten, die zurückgeblickt werden soll (max. 7 Tage)
get_logfire_records_schema– Holen Sie sich das OpenTelemetry-Schema zur Unterstützung bei benutzerdefinierten AbfragenKeine erforderlichen Argumente
Related MCP server: Observe MCP Server
Aufstellen
uv installieren
Stellen Sie zunächst sicher, dass uv installiert ist, da uv zum Ausführen des MCP-Servers verwendet wird.
Installationsanweisungen finden Sie in den uv Installationsdokumenten .
Wenn Sie bereits eine ältere Version von uv installiert haben, müssen Sie diese möglicherweise mit uv self update aktualisieren.
Erhalten Sie ein Logfire-Lese-Token
Um Anfragen an die Logfire-APIs zu stellen, benötigt der Logfire-MCP-Server ein „Lese-Token“.
Sie können eines im Abschnitt „Read Tokens“ Ihrer Projekteinstellungen in Logfire erstellen: https://logfire.pydantic.dev/-/redirect/latest-project/settings/read-tokens
[!WICHTIG] Logfire-Lesetoken sind projektspezifisch. Sie müssen daher eines für das spezifische Projekt erstellen, das Sie dem Logfire-MCP-Server zur Verfügung stellen möchten.
Manuelles Ausführen des Servers
Sobald Sie uv installiert haben und über ein Logfire-Lese-Token verfügen, können Sie den MCP-Server manuell mit uvx (das von uv bereitgestellt wird) ausführen.
Sie können Ihr Lesetoken mit der Umgebungsvariable LOGFIRE_READ_TOKEN angeben:
LOGFIRE_READ_TOKEN=YOUR_READ_TOKEN uvx logfire-mcpoder mit dem Flag --read-token :
uvx logfire-mcp --read-token=YOUR_READ_TOKEN[!NOTIZ]
Wenn Sie Cursor, Claude Desktop, Cline oder andere MCP-Clients verwenden, die Ihre MCP-Server für Sie verwalten, müssen Sie den Server NICHT manuell ausführen. Der nächste Abschnitt zeigt Ihnen, wie Sie diese Clients für die Nutzung des Logfire MCP-Servers konfigurieren.
Konfiguration mit bekannten MCP-Clients
Für Cursor konfigurieren
Erstellen Sie eine .cursor/mcp.json -Datei in Ihrem Projektstamm:
{
"mcpServers": {
"logfire": {
"command": "uvx",
"args": ["logfire-mcp", "--read-token=YOUR-TOKEN"]
}
}
}Der Cursor akzeptiert das env nicht, daher müssen Sie stattdessen das Flag --read-token verwenden.
Konfigurieren für Claude Desktop
Fügen Sie zu Ihren Claude-Einstellungen hinzu:
{
"command": ["uvx"],
"args": ["logfire-mcp"],
"type": "stdio",
"env": {
"LOGFIRE_READ_TOKEN": "YOUR_TOKEN"
}
}Konfigurieren für Cline
Fügen Sie Ihren Cline-Einstellungen in cline_mcp_settings.json Folgendes hinzu:
{
"mcpServers": {
"logfire": {
"command": "uvx",
"args": ["logfire-mcp"],
"env": {
"LOGFIRE_READ_TOKEN": "YOUR_TOKEN"
},
"disabled": false,
"autoApprove": []
}
}
}Anpassung – Basis-URL
Standardmäßig verbindet sich der Server mit der Logfire-API unter https://logfire-api.pydantic.dev . Sie können dies folgendermaßen überschreiben:
Verwenden des Arguments
--base-url:
uvx logfire-mcp --base-url=https://your-logfire-instance.comFestlegen der Umgebungsvariablen:
LOGFIRE_BASE_URL=https://your-logfire-instance.com uvx logfire-mcpBeispielinteraktionen
Suchen Sie alle Ausnahmen in den Spuren der letzten Stunde:
{
"name": "find_exceptions",
"arguments": {
"age": 60
}
}Antwort:
[
{
"filepath": "app/api.py",
"count": 12
},
{
"filepath": "app/models.py",
"count": 5
}
]Erhalten Sie Details zu Ausnahmen von Ablaufverfolgungen in einer bestimmten Datei:
{
"name": "find_exceptions_in_file",
"arguments": {
"filepath": "app/api.py",
"age": 1440
}
}Antwort:
[
{
"created_at": "2024-03-20T10:30:00Z",
"message": "Failed to process request",
"exception_type": "ValueError",
"exception_message": "Invalid input format",
"function_name": "process_request",
"line_number": "42",
"attributes": {
"service.name": "api-service",
"code.filepath": "app/api.py"
},
"trace_id": "1234567890abcdef"
}
]Führen Sie eine benutzerdefinierte Abfrage für Spuren aus:
{
"name": "arbitrary_query",
"arguments": {
"query": "SELECT trace_id, message, created_at, attributes->>'service.name' as service FROM records WHERE severity_text = 'ERROR' ORDER BY created_at DESC LIMIT 10",
"age": 1440
}
}Beispiele für Fragen an Claude
„Welche Ausnahmen sind in den Traces der letzten Stunde über alle Dienste hinweg aufgetreten?“
„Zeigen Sie mir die letzten Fehler in der Datei ‚app/api.py‘ mit ihrem Trace-Kontext.“
„Wie viele Fehler gab es in den letzten 24 Stunden pro Dienst?“
„Was sind die häufigsten Ausnahmetypen in meinen Traces, gruppiert nach Dienstnamen?“
„Holen Sie mir das OpenTelemetry-Schema für Traces und Metriken.“
"Finde alle Fehler von gestern und zeige ihre Trace-Kontexte an"
Erste Schritte
Besorgen Sie sich zunächst ein Logfire-Lese-Token von: https://logfire.pydantic.dev/-/redirect/latest-project/settings/read-tokens
Führen Sie den MCP-Server aus:
uvx logfire-mcp --read-token=YOUR_TOKENKonfigurieren Sie Ihren bevorzugten Client (Cursor, Claude Desktop oder Cline) anhand der obigen Konfigurationsbeispiele
Beginnen Sie mit der Verwendung des MCP-Servers zur Analyse Ihrer OpenTelemetry-Traces und -Metriken!
Beitragen
Wir freuen uns über Beiträge zur Verbesserung des Logfire MCP-Servers. Egal, ob Sie neue Trace-Analyse-Tools hinzufügen, die Metrikabfragefunktion verbessern oder die Dokumentation verbessern möchten – Ihr Input ist wertvoll.
Beispiele für andere MCP-Server und Implementierungsmuster finden Sie im Repository der Model Context Protocol-Server .
Lizenz
Logfire MCP ist unter der MIT-Lizenz lizenziert. Das bedeutet, dass Sie die Software unter den Bedingungen der MIT-Lizenz frei verwenden, ändern und verbreiten können.
Available Tools
4 toolsarbitrary_queryB
Run an arbitrary query on the Pydantic Logfire database.
The SQL reference is available via the `sql_reference` tool.
Inputs: query (required), age (required). Returns: result
find_exceptions_in_fileA
Get the details about the 10 most recent exceptions on the file.
Inputs: filepath (required), age (required). Returns: result
logfire_linkA
Creates a link to help the user to view the trace in the Logfire UI.
Inputs: trace_id (required). Returns: result
schema_referenceA
The database schema for the Logfire DataFusion database.
This includes all tables, columns, and their types as well as descriptions.
For example:
```sql
-- The records table contains spans and logs.
CREATE TABLE records (
message TEXT, -- The message of the record
span_name TEXT, -- The name of the span, message is usually templated from this
trace_id TEXT, -- The trace ID, identifies a group of spans in a trace
exception_type TEXT, -- The type of the exception
exception_message TEXT, -- The message of the exception
-- other columns...
);
```
The SQL syntax is similar to Postgres, although the query engine is actually Apache DataFusion.
To access nested JSON fields e.g. in the `attributes` column use the `->` and `->>` operators.
You may need to cast the result of these operators e.g. `(attributes->'cost')::float + 10`.
You should apply as much filtering as reasonable to reduce the amount of data queried.
Filters on `start_timestamp`, `service_name`, `span_name`, `metric_name`, `trace_id` are efficient.
Inputs: no named parameters. Returns: result
Tool Schema Changelog
Recent tool additions, removals, and schema changes observed during successful MCP inspections.
Loading tool schema changelog…
TDQS
Scored across 4 tools
Each tool serves a unique purpose: querying, exception viewing, link generation, and schema reference. No overlap or ambiguity.
All tools use consistent snake_case naming with clear verbs (arbitrary_query, find_exceptions_in_file, logfire_link, schema_reference).
With 4 tools, the set is concise and well-scoped for querying and debugging Logfire databases, covering key workflows without bloat.
The set covers querying, schema exploration, exception analysis, and UI linking. Missing explicit write operations, but that may be by design.
Maintenance
Related MCP Connectors
Enable secure connectivity between Sentry issues and debugging data, and LLM clients, using a Model Context Protocol (MCP) server.
Query application logs, traces, and metrics from your AI coding assistant via Foam's MCP server.
A comprehensive Model Context Protocol (MCP) server that enables AI assistants to interact with yo…
A Model Context Protocol server for Wix AI tools
Related MCP Servers
- AlicenseBqualityNot gradedmaintenanceA Model Context Protocol server that enables AI assistants to interact with Datadog's observability platform through natural language.72MIT
- AlicenseNot gradedqualityNot gradedmaintenanceA Model Context Protocol server that provides access to Observe API functionality, enabling LLMs to execute OPAL queries, manage datasets/monitors, and leverage vector search for documentation and troubleshooting runbooks.1-
- AlicenseBqualityDmaintenanceModel Context Protocol server for Langfuse observability. Query traces, analyze accuracy, detect failures, track costs, debug latency, manage prompts and datasets.582MIT
- AlicenseAqualityCmaintenanceA Model Context Protocol server that enables LLMs to interact with MLflow tracking servers, allowing users to query experiments, analyze runs, compare metrics, manage the model registry, and promote models through natural language.40338 PyPI15MIT