← 返回目录

Sentry MCP Server

官方

Sentry 官方 MCP 服务器，用于通过 LLM 与 Sentry 交互。

查看安装方法 ↓ 横向对比 GitHub 源仓库 ↗

分类: 开发工具第 121 / 438
Stars: ★ 927 非常热门
传输方式: stdio（本地进程） · Streamable HTTP
运行环境: 远程托管（无需本地环境） · Node.js
凭据: 需要 API Key / 凭据
许可证: 其他 / 未声明
最近提交: 1 天前

60FMRS · C

Sentry 官方维护的 MCP 服务器，专注于开发者调试场景，通过远程或 stdio 传输与 Sentry API 交互。需注意权限和外部 LLM 依赖。

最强项 · 文档质量 14/20 最弱项 · 可靠性 9/20

可靠性

9/20

安全与权限

14/20

维护活跃度

10/20

文档质量

14/20

安装易用性

13/20

查看各项评分依据

可靠性 9/20: README 描述了一个结构合理的架构（远程 Cloudflare 传输 + stdio），涵盖初始化、OAuth、技能到工具的映射，以及 --host、--insecure-http、--disable-skills 等可控依赖，错误路径部分可诊断。但这是静态审查：未提供 CI 工作流、测试文件或锁文件，且 README 本身是不可信证据。提供的 server manifest 只是 OpenTelemetry 语义约定属性（server.address / server.port），与服务器实际行为无关。93 个未关闭 issue，以及未配置 LLM 提供方时 AI 工具会静默不可用的说明，表明工具列表依赖环境、行为不一致风险高。由于执行未经证实，可靠性被限制在 12 以下并保守取 9。
安全与权限 14/20: 未触发红线：示例使用占位符令牌（"your-token"、"sk-..."）而非真实密钥，也没有恶意软件、凭据窃取、隐蔽外传或不可逆破坏性默认操作的证据。凭据处理较为周到——远程设计将 "Sentry-Bearer"（上游令牌，worker 不存储/验证/交换/刷新）与 "Bearer"（MCP OAuth 令牌）分离，数据流披露良好。最小权限部分落实：所需令牌 scope 已文档化（org:read、project:read、project:write、team:read、team:write、event:write），且可通过 ?skills= / ?disable-skills= 收窄暴露的技能集。扣分项：默认 scope 包含写权限（project:write、team:write、event:write），与该工具定位为调试/只读助手不符；未描述有副作用操作的确认流程；AI 搜索工具使用的第三方 LLM 提供方（OpenAI/Anthropic/OpenRouter）的具体数据边界在现有资料中未完全说明。
维护活跃度 10/20: 仓库未归档，呈现活跃开发迹象：有生产部署、命名 npm 发布渠道（@sentry/mcp-server 及 experimental 变体）、贡献者文档（CLAUDE.md/AGENTS.md）和 docs/ 目录，因此存在版本发布路径。扣分项：许可证为 NOASSERTION（无法断言任何许可证），这是严重的治理缺口；列有 93 个未关闭 issue，但无法核实 issue 响应质量或分流机制；也没有安全响应渠道或依赖更新节奏的证据。因完整评分所需的明确许可证与安全响应路径在证据中缺失，按保守原则取中间偏低值 10。
文档质量 14/20: README 分层且实用：包含 Claude 插件与 npx 安装方式、远程 header 与 stdio JSON 配置示例、SaaS 与自托管变体（--host、--insecure-http）、完整的环境变量表、令牌 scope 清单，以及明确限制（AI 工具依赖 LLM 提供方、Seer 在自托管上可能不可用、提供方自动检测已弃用）。还引用了 docs/testing/*.md 和 docs/operations/embedded-agents.md。扣分项：供应资料中没有逐工具的参数字档、速率限制和成本信息，而是推给无法核实的引用文档；故障排查（CLAUDE.md、测试剧本）仅有承诺而无证据，因此仍存在隐含假设（例如 AI 工具为何缺失、PHP 语言细节缺失）。综合取 14。
安装易用性 13/20: 安装路径简短具体，并附有可用的客户端配置示例：stdio 用带 --access-token 的一行 npx 命令，远程客户端用带自定义 header 的 JSON mcpServers 配置，以及 Claude Code 插件安装命令。自托管场景也有显式处理（--host、--insecure-http、--disable-skills）。扣分项：按静态校准规则，若无可验证的执行证据（真实 CI 与已提交测试），setup 最高不超过 15 分，而本次仅提供 README 与 manifest，未包含此类证据。此外，默认工具集静默依赖 LLM 提供方，且现在必须显式设置 EMBEDDED_AGENT_PROVIDER，要获得文档所述的完整工具列表存在隐含前置条件。因此取 13。

静态评测 · 未实际运行收录于 2026-08-07

查看 FMRS 评分方法 →

选型与风险

能访问什么访问网络修改第三方账户数据

适合谁

使用 Claude Code、Cursor 等编码代理的开发者
需要与 Sentry 交互进行调试的工作流

不适合谁

不适用于需要完整 Sentry 功能通用 MCP 服务器的场景
不适用于没有 Sentry 账号或自托管实例的用户

所需权限

需要 Sentry 用户认证 Token，需包含以下权限：org:read, project:read, project:write, team:read, team:write, event:write

风险与副作用

AI 搜索工具依赖于外部 LLM 提供商，可能泄露数据给第三方
自动代码审查工具可能产生误报，不应作为合并的阻塞条件

安装接入

准备工作

运行环境：远程托管（无需本地环境） · Node.js

SENTRY_ACCESS_TOKEN 必填密钥 Sentry 用户认证令牌，在 Sentry 设置中创建，需 org:read、project:read/write、team:read/write、event:write 等权限。

OPENAI_API_KEY 可选密钥 OpenAI API 密钥，使用 OpenAI 支持的 AI 搜索工具时需要，在 platform.openai.com 获取。

ANTHROPIC_API_KEY 可选密钥 Anthropic API 密钥，使用 Anthropic 支持的 AI 搜索工具时需要。

OPENROUTER_API_KEY 可选密钥 OpenRouter API 密钥，使用 OpenRouter 支持的 AI 搜索工具时需要。

其他可选配置项（5 个）

EMBEDDED_AGENT_PROVIDER 可选指定 LLM 提供商：openai、azure-openai、anthropic 或 openrouter；文档强烈建议显式设置。

OPENROUTER_MODEL 可选可选的 OpenRouter 模型，默认为 openai/gpt-5.6-luna。

OPENROUTER_REASONING_EFFORT 可选可选的 OpenRouter 推理力度，默认为 high。

SENTRY_HOST 可选自托管 Sentry 的主机名，如 sentry.example.com；不设则指向 Sentry SaaS。

MCP_DISABLE_SKILLS 可选逗号分隔的要禁用的技能列表，例如 seer，用于隐藏自托管不支持的iable工具。

确保已安装 Node.js。
使用 npx 运行服务器，并通过命令行参数或环境变量提供 Sentry 用户认证 Token。
对于远程使用，可配置 MCP 客户端指向 https://mcp.sentry.dev/mcp。
若要使用 AI 搜索工具，需配置 LLM 提供方（如 OpenAI）的 API 密钥。

.cursor/mcp.json

{
  "mcpServers": {
    "sentry": {
      "command": "npx",
      "args": [
        "@sentry/mcp-server"
      ],
      "env": {
        "SENTRY_ACCESS_TOKEN": "your-token",
        "EMBEDDED_AGENT_PROVIDER": "openai",
        "OPENAI_API_KEY": "sk-..."
      }
    }
  }
}

以 Cursor 为例。其他客户端的配置文件位置或字段可能不同（如 VS Code 使用 servers 字段），可用下方配置生成器转换。

.vscode/mcp.json

{
  "servers": {
    "sentry": {
      "command": "npx",
      "args": [
        "@sentry/mcp-server"
      ],
      "env": {
        "SENTRY_ACCESS_TOKEN": "your-token",
        "EMBEDDED_AGENT_PROVIDER": "openai",
        "OPENAI_API_KEY": "sk-..."
      }
    }
  }
}

写入项目的 .vscode/mcp.json（VS Code 使用 servers 字段）。

Terminal

claude mcp add sentry -e SENTRY_ACCESS_TOKEN=your-token -e EMBEDDED_AGENT_PROVIDER=openai -e OPENAI_API_KEY=sk-... -- npx @sentry/mcp-server

在终端运行；先把 <…> 占位符换成你自己的值。

生成并校验客户端配置

验证是否装好

在客户端连接后（stdio 运行 npx @sentry/mcp-server，或远程 https://mcp.sentry.dev/mcp），查看工具列表应出现 Sentry 相关工具；用 MCP Inspector 输入服务器 URL 并连接触发 OAuth 流程也可验证。

常见排障

检查 SENTRY_ACCESS_TOKEN 是否设置且有效
对于 AI 搜索工具，确认已设置 EMBEDDED_AGENT_PROVIDER 和相应 API 密钥
自托管实例时，确认 --host 参数配置正确，必要时添加 --insecure-http
使用 MCP Inspector 时，若 OAuth 流程有问题，尝试用 localhost 而非 127.0.0.1

试试这样问

连接成功后，可以直接对 AI 助手这样说：

我在 Sentry 里有哪些项目和团队？
帮我在 Sentry 中解决这个问题并标注为已分类
用自然语言查询最近的错误事件（search_events）

使用场景

调试 Sentry 错误和异常

查看和分析问题与追踪

查询事件和性能数据

支持客户端

Claude

Cursor

依据项目文档列出，未经本站实测。

详细介绍

Sentry 的 MCP 服务主要设计用于人机协同的编码代理。工具选择和优先级聚焦于开发者工作流和调试用例，而非提供通用 MCP 服务器。此远程 MCP 服务器作为上游 Sentry API 的中间件，针对 Cursor、Claude Code 等开发工具进行了优化。基于 Cloudflare 的远程 MCP 工作。