Logfire MCP Server

Cosa fa il server “Logfire” MCP?

Il server Logfire MCP è un server Model Context Protocol (MCP) che consente agli assistenti AI e agli LLM di accedere, recuperare e analizzare i dati di telemetria inviati a Logfire tramite lo standard OpenTelemetry. Collegando il tuo progetto Logfire, questo server permette a strumenti e agenti guidati dall’AI di interrogare tracce distribuite, ispezionare pattern di eccezioni ed eseguire query SQL personalizzate su metriche e dati di tracing della tua applicazione tramite le API Logfire. Questa integrazione abilita troubleshooting rapido, osservabilità e automazione di comuni attività di analisi della telemetria, fornendo agli sviluppatori workflow potenziati per debug, monitoraggio e generazione di insight direttamente dai loro ambienti di sviluppo o agenti assistiti dall’AI.

Elenco dei Prompt

Nessun template di prompt esplicito è documentato nel repository.

Elenco delle Risorse

Nessuna risorsa esplicita (come risorsa MCP) è documentata nel repository.

Elenco degli Strumenti

• find_exceptions
  Recupera il conteggio delle eccezioni dalle tracce, raggruppate per file, in una finestra temporale specificata.

• find_exceptions_in_file
  Fornisce informazioni dettagliate sulle tracce riguardanti eccezioni che si verificano in un file specifico in un determinato intervallo di tempo.

• arbitrary_query
  Esegue query SQL personalizzate su tracce e metriche OpenTelemetry, permettendo un’esplorazione flessibile dei dati.

• get_logfire_records_schema
  Restituisce lo schema OpenTelemetry, consentendo agli utenti di scrivere query personalizzate più precise.

Casi d’Uso di questo MCP Server

• Monitoraggio e Analisi delle Eccezioni
  Gli sviluppatori possono rapidamente individuare quali file generano più eccezioni, identificare trend e concentrare gli sforzi di debug.

• Analisi della Causa Radice
  Approfondendo i dettagli delle eccezioni in un file specifico, i team possono accelerare l’identificazione e la risoluzione dei problemi critici.

• Reportistica Personalizzata di Telemetria
  La possibilità di eseguire query SQL arbitrarie consente di generare report metrici e dashboard su misura per le proprie esigenze.

• Esplorazione dello Schema
  Con accesso allo schema OpenTelemetry, gli sviluppatori possono comprendere meglio i campi dati disponibili per ottimizzare query e integrazioni personalizzate.

Come configurarlo

Windsurf

Nessuna istruzione di configurazione fornita per Windsurf.

Claude

1. Apri le impostazioni di Claude Desktop.
2. Aggiungi una nuova configurazione MCP server con il seguente JSON:

   {
     "command": ["uvx"],
     "args": ["logfire-mcp"],
     "type": "stdio",
     "env": {
       "LOGFIRE_READ_TOKEN": "YOUR_TOKEN"
     }
   }
   

3. Sostituisci "YOUR_TOKEN" con il tuo token di lettura Logfire.
4. Salva le impostazioni e riavvia Claude.
5. Verifica che il server MCP sia connesso tentando una query.

Protezione delle chiavi API:
Conserva il token nella sezione env come sopra per tenerlo fuori dagli argomenti e dal controllo versione.

Cursor

1. Assicurati di avere uv installato.
2. Crea un file .cursor/mcp.json nella root del tuo progetto.
3. Aggiungi la seguente configurazione:

   {
     "mcpServers": {
       "logfire": {
         "command": "uvx",
         "args": ["logfire-mcp", "--read-token=YOUR-TOKEN"]
       }
     }
   }
   

4. Sostituisci "YOUR-TOKEN" con il tuo token di lettura Logfire.
5. Salva il file e riavvia Cursor.

Nota: Cursor non supporta il campo env; usa invece l’argomento --read-token.

Cline

1. Apri o crea cline_mcp_settings.json.
2. Aggiungi quanto segue:

   {
     "mcpServers": {
       "logfire": {
         "command": "uvx",
         "args": ["logfire-mcp"],
         "env": {
           "LOGFIRE_READ_TOKEN": "YOUR_TOKEN"
         },
         "disabled": false,
         "autoApprove": []
       }
     }
   }
   

3. Sostituisci "YOUR_TOKEN" con il tuo token di lettura Logfire.
4. Salva il file e riavvia Cline.
5. Conferma che il server MCP sia attivo.

Protezione delle chiavi API:
I token sono mantenuti sicuri tramite il campo env della tua configurazione.

Windsurf

Nessuna istruzione di configurazione fornita per Windsurf.

Come usare questo MCP nei flow

Utilizzo di MCP in FlowHunt

Per integrare server MCP nel tuo workflow FlowHunt, inizia aggiungendo il componente MCP al tuo flow e collegandolo al tuo agente AI:

Clicca sul componente MCP per aprire il pannello di configurazione. Nella sezione di configurazione MCP di sistema, inserisci i dettagli del tuo server MCP usando questo formato JSON:

{
  "logfire": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

Una volta configurato, l’agente AI potrà utilizzare questo MCP come strumento con accesso a tutte le sue funzioni e capacità. Ricorda di cambiare "logfire" con il nome effettivo del tuo server MCP e di sostituire l’URL con quello del tuo server MCP.

Panoramica

Supporto Roots: ⛔ (Non documentato)

Supporto Sampling: ⛔ (Non documentato)

In base a quanto sopra, Logfire MCP Server è un MCP server focalizzato e di qualità production per l’osservabilità, ma manca di documentazione per template di prompt, risorse, roots o supporto sampling. Eccelle nell’esporre un piccolo set di strumenti ad alto valore per telemetria e debugging. Valutazione finale: 6/10 — eccellente per il suo use case, ma non una reference MCP completa.

MCP Score