Logfire MCP Server
OfficialСервер Logfire MCP
Этот репозиторий содержит сервер Model Context Protocol (MCP) с инструментами, которые могут получить доступ к трассировкам и метрикам OpenTelemetry, отправленным вами в Logfire.
Этот сервер MCP позволяет LLM извлекать данные телеметрии вашего приложения, анализировать распределенные трассировки и использовать результаты произвольных SQL-запросов, выполненных с использованием API Logfire.
Доступные инструменты
find_exceptions— Получить количество исключений из трассировок, сгруппированных по файлуТребуемые аргументы:
age(int): Количество минут для просмотра (например, 30 для последних 30 минут, максимум 7 дней)
find_exceptions_in_file— получение подробной информации о трассировке исключений в определенном файлеТребуемые аргументы:
filepath(строка): Путь к файлу для анализа.age(int): Количество минут, на которые нужно оглянуться назад (макс. 7 дней)
arbitrary_query— выполнение пользовательских SQL-запросов по вашим трассировкам и метрикам OpenTelemetryТребуемые аргументы:
query(строка): SQL-запрос для выполненияage(int): Количество минут, на которые нужно оглянуться назад (макс. 7 дней)
get_logfire_records_schema— получить схему OpenTelemetry для помощи с пользовательскими запросамиНет требуемых аргументов
Related MCP server: Observe MCP Server
Настраивать
Установить uv
Первое, что нужно сделать, это убедиться, что установлен uv , так как uv используется для запуска сервера MCP.
Инструкции по установке см. в документации по установке uv .
Если у вас уже установлена старая версия uv , вам может потребоваться обновить ее с помощью uv self update .
Получите токен чтения Logfire
Для выполнения запросов к API Logfire серверу Logfire MCP требуется «токен чтения».
Вы можете создать его в разделе «Read Tokens» настроек вашего проекта в Logfire: https://logfire.pydantic.dev/-/redirect/latest-project/settings/read-tokens
[!ВАЖНО] Токены чтения Logfire специфичны для проекта, поэтому вам необходимо создать один для конкретного проекта, который вы хотите предоставить серверу Logfire MCP.
Запустите сервер вручную
После установки uv и получения токена чтения Logfire вы можете вручную запустить сервер MCP с помощью uvx (который предоставляется uv ).
Вы можете указать свой токен чтения с помощью переменной среды LOGFIRE_READ_TOKEN :
LOGFIRE_READ_TOKEN=YOUR_READ_TOKEN uvx logfire-mcpили с использованием флага --read-token :
uvx logfire-mcp --read-token=YOUR_READ_TOKEN[!ПРИМЕЧАНИЕ]
Если вы используете Cursor, Claude Desktop, Cline или другие клиенты MCP, которые управляют вашими серверами MCP для вас, вам НЕ нужно вручную запускать сервер самостоятельно. В следующем разделе будет показано, как настроить эти клиенты для использования сервера Logfire MCP.
Конфигурация с известными клиентами MCP
Настроить для курсора
Создайте файл .cursor/mcp.json в корневом каталоге вашего проекта:
{
"mcpServers": {
"logfire": {
"command": "uvx",
"args": ["logfire-mcp", "--read-token=YOUR-TOKEN"]
}
}
}Курсор не принимает поле env , поэтому вместо него необходимо использовать флаг --read-token .
Настройка для Claude Desktop
Добавьте в настройки Клода:
{
"command": ["uvx"],
"args": ["logfire-mcp"],
"type": "stdio",
"env": {
"LOGFIRE_READ_TOKEN": "YOUR_TOKEN"
}
}Настроить для Клайна
Добавьте к настройкам Cline в cline_mcp_settings.json :
{
"mcpServers": {
"logfire": {
"command": "uvx",
"args": ["logfire-mcp"],
"env": {
"LOGFIRE_READ_TOKEN": "YOUR_TOKEN"
},
"disabled": false,
"autoApprove": []
}
}
}Настройка - Базовый URL
По умолчанию сервер подключается к Logfire API по адресу https://logfire-api.pydantic.dev . Вы можете переопределить это следующим образом:
Использование аргумента
--base-url:
uvx logfire-mcp --base-url=https://your-logfire-instance.comУстановка переменной среды:
LOGFIRE_BASE_URL=https://your-logfire-instance.com uvx logfire-mcpПримеры взаимодействий
Найти все исключения в трассировках за последний час:
{
"name": "find_exceptions",
"arguments": {
"age": 60
}
}Ответ:
[
{
"filepath": "app/api.py",
"count": 12
},
{
"filepath": "app/models.py",
"count": 5
}
]Получите подробную информацию об исключениях из трассировок в определенном файле:
{
"name": "find_exceptions_in_file",
"arguments": {
"filepath": "app/api.py",
"age": 1440
}
}Ответ:
[
{
"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"
}
]Запустите пользовательский запрос по трассировкам:
{
"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
}
}Примеры вопросов для Клода
«Какие исключения произошли в трассировках за последний час по всем службам?»
«Покажите мне последние ошибки в файле 'app/api.py' с контекстом их трассировки»
«Сколько ошибок было за последние 24 часа в каждой службе?»
«Каковы наиболее распространенные типы исключений в моих трассировках, сгруппированные по имени службы?»
«Дайте мне схему OpenTelemetry для трассировок и метрик»
«Найти все ошибки за вчерашний день и показать их контексты трассировки»
Начиная
Сначала получите токен чтения Logfire по ссылке: https://logfire.pydantic.dev/-/redirect/latest-project/settings/read-tokens
Запустите сервер MCP:
uvx logfire-mcp --read-token=YOUR_TOKENНастройте предпочитаемый вами клиент (Cursor, Claude Desktop или Cline), используя примеры конфигурации выше.
Начните использовать сервер MCP для анализа трассировок и метрик OpenTelemetry!
Внося вклад
Мы приветствуем вклады, которые помогут улучшить сервер Logfire MCP. Хотите ли вы добавить новые инструменты анализа трассировки, улучшить функциональность запросов метрик или улучшить документацию, ваш вклад будет ценным.
Примеры других серверов MCP и шаблонов реализации см. в репозитории серверов Model Context Protocol .
Лицензия
Logfire MCP лицензирован по лицензии MIT. Это означает, что вы можете свободно использовать, изменять и распространять программное обеспечение в соответствии с условиями лицензии MIT.
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