Sentry MCP：让 AI 直接查线上报错

把线上报错的堆栈、面包屑、影响版本直接拉进编辑器，不用在两个窗口间来回切。

线上报错的标准流程是：监控里看到异常，点进去看堆栈，回编辑器找对应文件，猜是哪次改动引入的。四步里有两步是纯手工搬运。Sentry 官方提供的 MCP 服务把这层搬运拆了：AI 可以直接列出未解决issue、读完整堆栈与面包屑、查影响版本和发生频率，然后在代码里给出修改建议。它的定位很明确——服务「人在环路里」的调试场景，而不是把所有 Sentry 功能都封装一遍。

配置示例

{
  "mcpServers": {
    "sentry": {
      "url": "https://mcp.sentry.dev/mcp"
    }
  }
}

客户端不支持远程 MCP 时，用桥接方式：npx -y mcp-remote@latest https://mcp.sentry.dev/mcp。自建 Sentry 走本地模式：npx @sentry/mcp-server@latest --access-token=你的token --host=sentry.example.com。

按项目列出未解决异常

最常用的第一个动作：让它报出某个项目里频率最高的几条未解决issue，附上标题、发生次数、首次与最近出现时间。以前这个动作要在浏览器里点三四层，现在一句「看下 web 项目今天新增的错误」就给。对值班的人来说，这能把「出事了吗」的初步判断压缩到几秒钟。

堆栈与面包屑直接给到模型

它能把单条issue的完整堆栈、请求信息、用户操作路径（breadcrumbs）一起返回。这比只丢一句错误信息有用得多：模型能看到错误发生在哪个函数、调用链是什么、出错前用户点了什么。实陖上，很多「无法复现」的 bug 靠面包屑就能定位到入口页面。

关联版本与提交，回答「哪次改动引入的」

返回内容里包含受影响版本、发布记录、以及可以关联到的提交信息。于是问「这个错误是不是上次发版后才开始涨的」变得可答：它会比对版本与时间分布，给出判断依据。这类问题以前得开两个后台对照看，现在一句话就能得到一个带证据的结论。

可选接入 Seer 做根因分析

Sentry 自家的 AI 调试代理 Seer 可以在支持的计划上通过 MCP 触发：不只是读错误，还会分析日志、提交、轨迹，给出修改建议与补丁。注意边界：Seer 依赖具体套餐，自建实例上可能不可用；本地模式可用 --disable-skills=seer 把不支持的工具屏蔽掉，避免模型反复调用失败。

使用上手：四步接入

1. 选路径。SaaS 用户直接用托管端点；自建 Sentry 走本地 stdio 模式。
2. 托管接入。Claude Code 执行 claude mcp add --transport http sentry https://mcp.sentry.dev/mcp，随后按提示在浏览器完成 OAuth。
3. 本地接入（备选）。在 Sentry 后台建 User Auth Token，权限至少包含 org:read、project:read、project:write、team:read、team:write、event:write，再配 SENTRY_ACCESS_TOKEN 与 SENTRY_HOST。
4. 验证并固定用法。先问「列出我项目里最近的 5 条未解决错误」，能返回真实issue即接通；日常把「查错误→提修改建议」写成固定句式，减少来回。

优点与不足

优点：官方维护，与 Sentry 自己的issue模型对得上，不是第三方逆向；托管版 OAuth 无需存 token，权限跟账号一致；能同时拉堆栈、面包屑、版本三类上下文，这正是修 bug 需要的。

不足：一，它不替代人工判断，模型给出的修复建议仍需你改代码验证；二，远程端点要求客户端支持 Streamable HTTP，老客户端得靠 mcp-remote 桥接，多一层进程；三，AI 搜索类工具（自然语言转查询语法）需要额外配 LLM provider，不配则只有部分工具可用；四，堆栈里可能带敏感数据，接入前要想清楚谁能用。

适合谁

• 有线上服务的后端与全栈工程师：值班时快速定位，比翻后台快。
• 刚接手老项目的开发者：让 AI 把高频错误整理成一份问题清单，比乱猜快。
• 自建 Sentry 的团队：stdio 模式可以指向自己的实例，数据不出内网。

下载与访问

• 官方文档：https://docs.sentry.io/product/sentry-mcp/
• 仓库：https://github.com/getsentry/sentry-mcp
• 托管端点：https://mcp.sentry.dev/mcp

许可证与获取

本文属于「连接器」分类的 AI 资源专栏，更多评测见分类页。