@Sentry/mcp-server 今日发布

Sentry 官方 MCP 服务器——让 AI 编程助手直接在 IDE 里查询 Sentry 错误追踪、Issue 管理、Trace 分析和性能监控数据，把错误调试闭环在编码会话内，无需切换工具或登录 Sentry Dashboard。

这是什么

@Sentry/mcp-server 是 Sentry 官方推出的 Model Context Protocol（MCP）服务器，基于 Cloudflare Workers 构建远程 MCP 传输层。它充当 AI 编程助手（Claude Code、Cursor 等）与 Sentry 错误追踪平台之间的桥梁，使 LLM 能够代你执行 Sentry 的各项查询操作。目前主要面向人工参与式编码代理（human-in-the-loop coding agents），工具选择和优先级均围绕开发者调试工作流设计。

核心功能

远程 MCP 服务（推荐）：通过 HTTPS 连接到 mcp.sentry.dev，无需本地安装 Sentry CLI，配置一个 HTTP Header 即可使用。Claude Code 支持安装为 Plugin，自动创建 sentry-mcp 子代理，当用户询问 Sentry 相关问题时代理自动接管。

stdio 本地模式（自托管）：通过 npx @sentry/mcp-server 直接连接自托管 Sentry 实例，需要在 Sentry 创建 User Auth Token 并设置必要权限（org:read、project:read/write、team:read/write、event:write）。

AI 搜索工具（需配置 LLM Provider）：search_events、search_issues 等工具使用自然语言处理将你的问题转换为 Sentry 查询语法。需配置 OpenAI、Azure OpenAI、Anthropic 或 OpenRouter API Key（通过环境变量 EMBEDDED_AGENT_PROVIDER 指定）。

Issue 管理：列表、创建、更新、分配、解决 Issue 及添加评论，支持在对话中直接完成 Issue 处理流程。

Trace 探索：深入查看分布式 Trace 和 Spans 数据，配合 AI 分析快速定位性能瓶颈根因。

性能监控：查看最新性能数据Slow/hits热图等指标，帮助发现应用性能退化趋势。

可观测性工具：列出项目、获取最新发布版本、查看组织成员信息等，覆盖 Sentry 日常管理操作。

使用场景

场景一：用 Claude Code 写代码时遇到报错，直接在对话里让 AI 分析 Sentry 中的具体错误，AI 会自动查询对应 Issue 并给出修复建议。

场景二：Code Review 时让 AI 检查 Sentry 上最近的错误趋势，生成一份简要的错误报告发给团队。

场景三：性能分析时让 AI 解读 Trace 数据，用自然语言描述哪个 Span 耗时最长、最需要优化。

场景四：团队接收到 Sentry 报警后，让 AI 帮助快速分类（triage）和分配 Issue 给对应负责人。

使用要求

• Sentry 账号（免费账户可用）及 User Auth Token（需申请并配置最小权限范围）
• AI 搜索功能需要 OpenAI / Azure OpenAI / Anthropic / OpenRouter API Key
• Node.js >= 20
• 推荐 Claude Code（Plugin 模式）、Cursor 或其他支持 MCP 的 AI 编程助手

为什么值得安装

对于每天高频使用 AI 编程助手的开发者，MCP 服务器直接把错误追踪能力注入对话，无需：① 复制错误信息；② 切换到浏览器登录 Sentry；③ 手动搜索相关 Issue。整个调试流程在 IDE 内完成，AI 在提供修复建议时还能直接引用 Sentry 的上下文数据，诊断质量更高。

官方背书

来自 Sentry 官方工程团队维护，Sentry 是业界最主流的错误追踪和应用性能监控平台之一，全球数百万开发者信赖使用。