A
licenseNot graded
qualityD
maintenanceEnables AI agents to investigate backend incidents by executing runbooks that gather evidence from observability and storage systems.
1 npm
9
MIT
DevContext
by sid-stack001
DevContext
DevContext 是一个 Model Context Protocol（MCP）服务器和 CLI 工具的原型，为 AI 编程助手和工程师提供运行时可观测性数据（日志、部署和健康指标），以协助进行事件排查。
概述
编程助手可以检查源代码仓库并起草修复方案，但它们往往对运行时事件（如最近的部署、错误率飙升、磁盘占满或下游 API 中断）期间实际发生的情况缺乏可见性。DevContext 是一个概念验证工具，通过命令行界面（CLI）和标准 MCP 工具调用来暴露运行时上下文。
Related MCP server: Nibble
CLI 与工具命令
DevContext 可以直接从命令行运行，也可以注册为 MCP 服务器。
1. devcontext diagnose
针对内置数据集或自定义文件/文件夹运行自动化事件排查：
# Diagnose built-in service dataset
devcontext diagnose --service order-processing
# Output raw JSON format
devcontext diagnose --service order-processing --json
# Point at custom log, deploy, and health paths (files or log directories)
devcontext diagnose --log-path /var/log/app/ --deploys-path deploys.json --health-path health.json
# Enable experimental Groq LLM extraction
devcontext diagnose --service order-processing --use-llm2. devcontext serve
启动 stdio MCP 服务器，用于连接 MCP 主机（例如 Claude Desktop、Antigravity）：
devcontext serve日志解析选项
确定性解析器（
parser.py）：使用启发式规则对日志行进行采样，并尝试进行结构匹配（JSON-lines、CSV、键值对或基本的括号/空格分隔时间戳）。限制：最适合简单的单行日志。复杂的多行堆栈跟踪或非标准自定义格式可能会回退到基本行匹配。
实验性 LLM 提取（
extraction.py）：可选择将日志块发送到 Groq 的 API（response_format={"type": "json_object"}）以提取结构化事件对象。限制：会产生 API 延迟（约 200–400 毫秒）和 token 成本；如果缺少 API 密钥或调用超时，则会回退到确定性解析器。
数据源选项
内置模拟数据：传入服务名称（例如
service_name="order-processing"）以查询随附的演示数据。自定义文件或目录路径：
log_path：指向某个日志文件或包含多个.log/.txt分片文件的目录。deploys_path：指向自定义deploys.json文件的路径。health_path：指向自定义health.json文件的路径。
评估与测试场景
该仓库包含一个评估框架（eval.py），已针对 5 个合成测试场景进行了验证：
场景 | 服务 | 场景类型 | 预期结果 | 结果 |
|
| 资源限额降低 | 定位部署 | 通过 |
|
| 磁盘已满（无近期部署） | 定位磁盘耗尽（98%） | 通过 |
|
| 内存泄漏 / OOM | 定位内存饱和（97%） | 通过 |
|
| 外部 API 中断 | 定位 SendGrid 503 错误 | 通过 |
|
| 数据库迁移失败 | 定位部署 | 通过 |
局限性及范围
测试套件较小：该评估套件包含 5 个为验证而创建的合成测试用例。它并非详尽的生成式基准测试集。
启发式匹配：
diagnose()使用简单规则（如检查首次错误发生后 10 分钟内是否发生过部署）。现实世界的基础设施事件往往更为复杂，可能涉及多个相互作用因素。
架构
┌─────────────────────────────────────────────────────────┐
│ CLI / MCP Clients │
│ (devcontext CLI / Claude Desktop / Antigravity) │
└───────────────────────────┬─────────────────────────────┘
│ CLI Args / stdio JSON-RPC
┌───────────────────────────▼─────────────────────────────┐
│ DevContext Entry Point │
│ (cli.py / server.py) │
└───────────────────────────┬─────────────────────────────┘
│
┌───────────────────────────▼─────────────────────────────┐
│ Diagnostic Core (tools.py) │
└───────┬───────────────────┬─────────────────────┬───────┘
│ │ │
┌───────▼───────────┐ ┌─────▼─────────────┐ ┌─────▼─────────────┐
│ Structure Parser │ │ Deployment Engine │ │ Health Observer │
│ (parser.py) │ │ (deploys.json) │ │ (health.json) │
└───────┬───────────┘ └───────────────────┘ └───────────────────┘
│
┌───────┴─────────────────────────────────────────┐
│ Groq API (Optional LLM log extraction) │
└─────────────────────────────────────────────────┘快速入门与设置
1. 安装
git clone https://github.com/your-username/devcontext.git
cd devcontext
pip install -e .2. 通过 CLI 诊断服务
devcontext diagnose --service order-processing3. 注册为 MCP 服务器（Claude Desktop）
将 DevContext 添加到你的 claude_desktop_config.json：
{
"mcpServers": {
"devcontext": {
"command": "devcontext",
"args": [
"serve"
]
}
}
}4. 运行评估套件
python eval.py5. 可选 API 密钥设置
如果你使用 Groq 进行实验性 LLM 日志提取，请将 .env.example 复制为 .env：
cp .env.example .env依赖项与要求
Python 3.10+
mcp（Model Context Protocol SDK）groq（可选，用于 LLM 提取）
未来扩展
可插拔适配器：直接连接 CloudWatch、Datadog、Grafana Loki 或 Prometheus API。
概率置信度分数：输出根因概率分布（例如
95% confidence: bad deploy），而不是单一的确定性字符串。自动回滚建议：与诊断结果一起生成经过验证的 git revert 提交或 Kubernetes 补丁规范。
许可证
根据 MIT License 进行分发。
This server cannot be deployed
Maintenance
ActivitySlowing
ResponsivenessNo issues
Related MCP Connectors
- SuperlogOAuthsh.superlog
Open-source agent that observes and fixes your application. Query logs, traces, metrics, incidents.
Production observability for AI agents: search runs, read evaluations, acknowledge incidents.
Data + AI observability — monitor and troubleshoot production-grade agents and the context they use.
Your team's shipping standards, org map and delivery metrics, inside your coding agent.
Related MCP Servers
- FlicenseNot gradedqualityCmaintenanceEnables AI agents to investigate production incidents by exposing service health, logs, and deployment data through MCP tools.1 npm-
- AlicenseNot gradedqualityCmaintenanceEnables AI agents to access observability and evaluation data, including run history, span traces, LLM-as-judge evaluation results, and regression reports.MIT
- AlicenseNot gradedqualityCmaintenanceExposes a live application's runtime state to coding agents, including logs, DB schema, config, and feature flags, with read-only SQL and secret redaction.MIT