用 MCP 擴展 Cursor 能力：解鎖 Sentry 服務數據新玩法
作者：狐友張乙龍
本文對 MCP? 進行了簡要介紹。MCP?是一種高效且通用的協議，它能讓AI?安全、高效地訪問本地數據。我們以 Sentry?接入MCP?為例，成功實現了Sentry?監控服務與cursor?助手的集成，達成了應用崩潰率的智能分析以及crash?問題的詳細查詢，助力大家更好地理解 MCP 的工作模式。
1.MCP 簡介
MCP（Model Context Protocol，模型上下文協議）是由 Anthropic 推出的一種開放標準，旨在統一大型語言模型（LLM）與外部數據源和工具之間的通信協議。
使用模型上下文協議（MCP）可以構建服務器，向LLM應用程序公開數據和功能。MCP 服務器可以完成的功能如下：
- 通過資源（Resources）暴露數據（類似 GET 請求的執行接口；它們用于將信息加載到 LLM 的上下文中）；
- 通過工具（Tools）提供功能（類似 POST 請求的執行接口；它們用于執行代碼或者產生其他附帶影響）；
- 通過提示（Prompts）定義交互模式（類似一個服務列表；可以用來查詢服務器提供哪些服務，需要哪些參數等）。
MCP 的主要目的在于解決當前 AI模型因數據孤島限制而無法充分發揮潛力的難題。通過 MCP，AI應用能夠安全地訪問和操作本地及遠程數據，為 AI 應用提供了連接萬物的接口。
在當前 AI應用開發中，我們經常需要讓 AI模型與現有的業務系統進行交互。例如，查詢數據庫、調用監控系統 API 、分析日志等。MCP 提供了一種標準化的方式來構建這種交互，使 AI 模型能夠"看見"外部世界的數據。
2.MCP 的核心優勢
- 能力擴展：使 AI 模型能夠超越其訓練數據的限制，獲取實時外部信息；
- 標準化接口：提供統一的接口規范，簡化服務集成過程；
- 安全可控：通過明確的權限管理和訪問控制，保障數據安全；
- 低代碼集成：減少編寫膠水代碼的需求，降低開發成本；
- 實時數據訪問：讓 AI能夠基于最新數據做出決策和回復。
3.MCP可以實現的功能舉例
以下服務是官方提供或者第三方通過MCP協議實現的一些服務工具。由TypeScript或者 Python SDK實現，詳細說明以及更多例子可以參見官方文檔：官方文檔(https://github.com/modelcontextprotocol/servers)
- AWS 知識庫檢索 - 使用 Bedrock Agent Runtime 從 AWS 知識庫中檢索信息；
- Brave 搜索 - 使用 Brave 的搜索 API進行網絡和本地搜索；
- EverArt - 使用各種模型進行 AI圖像生成；
- Everything - 參考/測試服務器，包含提示、資源和工具；
- Fetch - 網絡內容獲取和轉換，提高 LLM 使用效率；
- 文件系統 - 具有可配置訪問控制的安全文件操作；
- Git- 用于讀取、搜索和操作 Git 倉庫的工具；
- GitHub - 倉庫管理、文件操作和 GitHub API集成；
- GitLab - GitLab API，支持項目管理；
- Google Drive - Google Drive 文件訪問和搜索功能；
- Google 地圖 - 位置服務、路線指引和地點詳情；
- 記憶系統 - 基于知識圖譜的持久化記憶系統；
- PostgreSQL - 具有架構檢查功能的只讀數據庫訪問；
- Puppeteer - 瀏覽器自動化和網頁抓取；
- Redis - 與 Redis 鍵值存儲交互；
- Sentry - 從 Sentry.io 檢索和分析問題；
- Sequential Thinking - 通過思維序列進行動態和反思性問題解決；
- Slack - 頻道管理和消息發送功能；
- SQLite - 數據庫交互和商業智能功能。
4.以 Sentry 服務為例的 MCP 實踐
4.1 背景與實現的功能
在我們的項目中，我們使用Sentry 作為 bug上報平臺。數據可以通過接口獲取，其與 MCP服務結合，能夠便捷地將數據接入 AI，可以更方便地分析 crash原因和查詢崩潰率等數據。官方提供的 demo 程序，更是為我們進一步擴展 Sentry工具功能提供了很好的參考示例。 借助 Sentry接入 MCP協議，我們可以只將 bug ID或問題鏈接提交給 cursor，便能迅速獲取詳細的 bug 信息以及可能的解決方案，這可以顯著提升問題排查與解決的效率。
同時，我們把 Sentry統計信息也接入系統，賦予了 cursor訪問各版本崩潰率數據以及全版本綜合崩潰率數據的權限。AI能夠據此輸出直觀的對比圖表或者數據。
不僅如此，為進一步豐富 Sentry MCP 工具的功能，我們還將后端應用性能監控（APM）數據整合至該服務中。如此一來，cursor可直接查詢到更為全面、豐富的應用信息，全方位提升了數據的可獲取性與利用價值。
4.2 Sentry MCP服務組件功能結構
Sentry MCP服務組件功能結構圖如下：
- 程序流程 - 程序入口：通過main函數啟動程序，接收Sentry和SNS身份驗證令牌；- 服務器創建：serve函數創建MCP服務器并注冊各種處理程序；- 請求處理：當 AI助手發起工具調用請求時，handle_call_tool函數依據工具名稱進行請求的路由分發；- 數據獲取：專門的處理函數通過外部API獲取數據，并將其封裝在相應的數據類中；- 響應生成：數據類提供方法將數據轉換為所需的格式，返回給AI助手。
- 主要組件數據類：- SentryIssueData：存儲Sentry錯誤和crash信息，包括標題、ID、狀態和堆棧跟蹤；- SentrySessionStatsData：存儲Sentry會話統計數據，如崩潰率、用戶數等；- ApkHistoryData：存儲APK檢測歷史數據，包括版本、大小和各組件信息。處理函數：- handle_sentry_issue：獲取特定Sentry問題詳情；- handle_session_stats：獲取會話統計數據，如崩潰率和穩定性指標；- handle_apk_history：獲取APK歷史數據，包括大小和組件分析。服務器配置：- serve：配置MCP服務器，注冊工具、提示和處理程序；- handle_call_tool：分發工具調用請求到相應的處理函數。
4.3 功能實現
MCP協議有Python、Java、Kotlin等語言的SDK，由于Python使用最為普遍，我們這里使用PythonSDK來實現。
4.3.1 安裝MCP
pip install mcp4.3.2 功能入口
創建server.py文件作為服務程序的代碼文件，以下所列代碼都是在這個代碼文件中。下面main函數是程序入口函數：
#server.py
def main(auth_token: str, sns_token: str = None):
async def _run():
async with mcp.server.stdio.stdio_server() as (read_stream, write_stream):
server = await serve(auth_token, sns_token)
await server.run(
read_stream,
write_stream,
InitializationOptions(
server_name="sentry",
server_versinotallow="0.4.1",
capabilities=server.get_capabilities(
notification_optinotallow=NotificationOptions(),
experimental_capabilities={},
),
),
)
asyncio.run(_run())
if __name__ == "__main__":
# 直接調用main函數
main()main函數的功能如下：
- 創建基于stdio的服務器通信通道；
- serve函數初始化MCP服務器實例；
- 配置服務器初始化選項；
- 啟動服務器運行循環。
4.3.3 服務器實例創建
下面是簡化版的serve函數：
#server.py
async def serve(auth_token: str, sns_token: str = None) -> Server:
server = Server("sentry")
http_client = httpx.AsyncClient(base_url=SENTRY_API_BASE)
apk_http_client = httpx.AsyncClient(base_url=APK_API_BASE)
@server.list_prompts()
async def handle_list_prompts() -> list[types.Prompt]:
prompts = [
types.Prompt(
name="sentry-issue",
descriptinotallow="通過ID或URL獲取Sentry問題詳情",
arguments=[
],
),
types.Prompt(
name="session-stats",
descriptinotallow="獲取Sentry會話統計數據和崩潰率",
arguments=[
],
),
types.Prompt(
name="apk-history",
descriptinotallow="獲取APK檢測歷史數據",
arguments=[]
)
]
return prompts
@server.get_prompt()
async def handle_get_prompt(
name: str, arguments: dict[str, str] | None
) -> types.GetPromptResult:
if name == "sentry-issue":
...
return issue_data.to_prompt_result()
elif name == "session-stats":
...
return stats_data.to_prompt_result()
elif name == "apk-history":
...
return history_data.to_prompt_result()
else:
raise ValueError(f"Unknown prompt: {name}")
@server.list_tools()
async def handle_list_tools() -> list[types.Tool]:
tools = [
types.Tool(
name="get_sentry_issue",
),
types.Tool(
name="get_sentry_session_stats",
) ,
types.Tool(
name="get_apk_history",
)
]
return tools
@server.call_tool()
async def handle_call_tool(
name: str, arguments: dict | None
) -> list[types.TextContent | types.ImageContent | types.EmbeddedResource]:
if name == "get_sentry_issue":
return issue_data.to_tool_result()
elif name == "get_sentry_session_stats":
return stats_data.to_tool_result()
elif name == "get_apk_history":
return history_data.to_tool_result()
else:
raise ValueError(f"Unknown tool: {name}")
return serverserve函數是這個MCP Sentry服務的核心組件，負責創建、配置和返回一個完整的MCP服務器實例。它通過四個主要組件構建了完整服務：
- 提示列表：定義可用的查詢服務（問題詳情、崩潰率統計、APK歷史）；
- 提示處理器：執行查詢邏輯并返回結果；
- 工具列表：注冊可調用的工具集合；
- 工具調用處理器：處理具體工具調用并獲取數據 整體功能是將Sentry和APK監控系統的復雜API調用封裝成結構化接口，方便AI助手獲取崩潰報告、穩定性數據和APK分析信息。
4.4 三個查詢功能的實現
4.4.1 Sentry問題詳情獲取功能實現
handle_sentry_issue函數是MCP Sentry服務的核心組件之一，它通過問題ID或URL獲取Sentry問題的詳細信息，包括問題標題、狀態、級別、首次和最后出現時間、事件數量，以及最關鍵的堆棧跟蹤信息。下面的問題詳情的獲取主函數功能：
#server.py
asyncdef handle_sentry_issue(
http_client: httpx.AsyncClient, auth_token: str, issue_id_or_url: str
) -> SentryIssueData:
try:
# 提取問題ID
issue_id = extract_issue_id(issue_id_or_url)
# 獲取問題詳情
response = await http_client.get(
f"organizations/xxx/issues/{issue_id}/",
headers={"Authorization": f"Bearer {auth_token}"}
)
if response.status_code == 401:
raise McpError(
"Error: Unauthorized. Please check your MCP_SENTRY_AUTH_TOKEN token."
)
response.raise_for_status()
issue_data = response.json()
# 獲取問題哈希值
hashes_response = await http_client.get(
f"organizations/xxx/issues/{issue_id}/hashes/",
headers={"Authorization": f"Bearer {auth_token}"},
)
hashes_response.raise_for_status()
hashes = hashes_response.json()
ifnot hashes:
raise McpError("No Sentry events found for this issue")
# 獲取最新事件并生成堆棧跟蹤
latest_event = hashes[0]["latestEvent"]
stacktrace = create_stacktrace(latest_event)
# 返回格式化的問題數據
return SentryIssueData(
title=issue_data["title"],
issue_id=issue_id,
status=issue_data["status"],
level=issue_data["level"],
first_seen=issue_data["firstSeen"],
last_seen=issue_data["lastSeen"],
count=issue_data["count"],
stacktrace=stacktrace
)
except SentryError as e:
raise McpError(str(e))
except httpx.HTTPStatusError as e:
raise McpError(f"Error fetching Sentry issue: {str(e)}")
except Exception as e:
raise McpError(f"An error occurred: {str(e)}")為了簡化使用并確保數據一致性，我們在最新版本中對環境和項目做了固定配置：
- 環境（environment）：固定為 ["flavorsOnline_arm64"]
- 項目 ID（project）：固定為 [6]
這樣用戶在查詢時不需要每次都指定這些參數。
4.4.2 Sentry會話統計數據獲取功能實現
handle_session_stats函數是Sentry MCP服務的另一個核心組件，專門用于獲取應用的會話統計數據，包括崩潰率、用戶數量、會話持續時間等關鍵指標。這些數據對于監控應用穩定性、分析版本質量和追蹤用戶體驗至關重要。
#server.py
asyncdef handle_session_stats(
http_client: httpx.AsyncClient,
auth_token: str,
organization: str,
field: list[str],
start: str = None,
end: str = None,
environment: list[str] = None,
stats_period: str = None,
project: list[int] = None,
per_page: int = None,
interval: str = None,
group_by: list[str] = None,
order_by: str = None,
include_totals: int = 1,
include_series: int = 1,
query: str = None
) -> SentrySessionStatsData:
try:
# 構建查詢參數
params = {"field": field}
if start:
params["start"] = start
if end:
params["end"] = end
if environment:
params["environment"] = environment
if stats_period:
params["statsPeriod"] = stats_period
if project:
params["project"] = project
if per_page:
params["per_page"] = per_page
if interval:
params["interval"] = interval
if group_by:
params["groupBy"] = group_by
if order_by:
params["orderBy"] = order_by
if include_totals isnotNone:
params["includeTotals"] = include_totals
if include_series isnotNone:
params["includeSeries"] = include_series
if query:
params["query"] = query
# 發送請求
response = await http_client.get(
f"organizations/{organization}/sessions/",
headers={"Authorization": f"Bearer {auth_token}"},
params=params
)
if response.status_code == 401:
raise McpError(
"Error: Unauthorized. Please check your MCP_SENTRY_AUTH_TOKEN token."
)
response.raise_for_status()
data = response.json()
stats_data = SentrySessionStatsData(
organizatinotallow=organization,
start_time=data.get("start", ""),
end_time=data.get("end", ""),
intervals=data.get("intervals", []),
groups=data.get("groups", []),
query=data.get("query", "")
)
report_file_path = generate_crash_rate_html_report(
data=stats_data,
params=params
)
stats_data.report_file_path = report_file_path
return stats_data
except httpx.HTTPStatusError as e:
raise McpError(f"Error fetching Sentry session statistics: {str(e)}")
except Exception as e:
raise McpError(f"An error occurred: {str(e)}")- 功能亮點 - 靈活的查詢參數：支持多種篩選條件，如時間范圍、環境、項目ID、查詢表達式等；- 豐富的統計指標：提供多種會話相關指標，如： 會話總數 ( sum(session))獨立用戶數 (count_unique(user))平均會話時長 (avg(session.duration))會話時長分位數 (p50/p75/p90/p95/p99/max(session.duration))用戶崩潰率 (crash_rate(user))會話崩潰率 (crash_rate(session))用戶崩潰免除率 (crash_free_rate(user))會話崩潰免除率 (crash_free_rate(session))- 數據系列和匯總：同時支持時間序列數據和匯總數據，生成html文件，便于趨勢分析和整體評估；- 分組和排序：支持對數據進行分組和排序，便于比較分析不同維度的數據。
通過這一功能，使用cursor能夠幫助我們監控和分析應用的穩定性表現，及時發現潛在問題，提供數據支持以優化用戶體驗和應用質量。
4.4.3 APK檢測歷史數據獲取功能實現
handle_apk_history函數是Sentry MCP服務中專門用于獲取和分析APK檢測歷史數據的組件。它能夠追蹤應用各版本的體積變化、組件大小分布和版本迭代情況。
#server.py
asyncdef handle_apk_history(
http_client: httpx.AsyncClient,
sns_token: str
) -> ApkHistoryData:
try:
response = await http_client.get(
"getHistory/0",
headers={"sns_token": sns_token}
)
if response.status_code == 401:
raise McpError(
"Error: Unauthorized. Please check your SNS token."
)
response.raise_for_status()
data = response.json()
# 從新的API響應結構中獲取數據
apkData = ApkHistoryData(
apk_list=data.get("data", {}).get("apkList", []),
total_count=data.get("data", {}).get("totalCount", 0)
)
report_file_path = generate_apk_history_html_report(
data=apkData
)
apkData.report_file_path = report_file_path
return apkData
except httpx.HTTPStatusError as e:
raise McpError(f"Error fetching APK history data: {str(e)}")
except Exception as e:
raise McpError(f"An error occurred: {str(e)}")這些信息源自我們內部 應用性能監控（APM）接口，它詳細呈現了 APK的相關內容，具體涵蓋：
- 基本信息：APK 的版本、版本號以及名稱；
- 大小詳情：APK的總大小，以及實際下載大小；
- 組件分析：對 APK 各組件，即Assets、Dex、Lib以及資源部分的大小進行剖析；
- 元數據：包含時間戳、文件路徑、備注信息，以及特性描述等。 此外，這些數據以結構化形式整合，輸出到html文件中，將復雜信息有序組織，方便后續進行深入分析與直觀展示。
4.4.4 在cursor中集成
在cursor的設置中添加MCP服務，Type選擇command，然后在Command中輸入python執行程序，保存后，可以在cursor對話框中使用，添加的界面如圖所示：
選擇Type時，還有另一種Type是sse，sse是服務器發送事件（Server-Sent Events，SSE）它是一種允許服務器向客戶端實時推送數據的 Web API。SSE建立了一個單向的HTTP連接，服務器可以在有新數據時隨時向客戶端發送消息，而客戶端只需監聽服務器的推送。我們Sentry MCP這里只使用了主動獲取數據的方式，因此這里選擇了command命令行的方式。command完整的命令如下所示：
python3 /Users/xxx/server.py --auth-token xxx sns-token xxx其中xxx是我們sentry平臺和應用性能監控（APM）的接口token
4.5 效果展示
4.5.1 查詢崩潰率數據
使用handle_session_stats函數可以輕松獲取應用的崩潰率數據，例如在cursor中輸入：幫我查詢6.6.0版本和6.5.0版本最近14天的崩潰率詳情，輸出html結果如下：
4.5.2 查詢bug詳情
在cursor中輸入：幫我查詢這個bug的詳細信息644，請求cursor結果如下：
Sentry問題分析報告
我已經查詢到關于您提供的Sentry問題的詳細信息。這是一個發生在flavorsOnline_arm64環境中的項目6的錯誤：
錯誤概覽
錯誤類型：RemoteServiceException$CannotDeliverBroadcastException
錯誤描述：can't deliver broadcast
問題ID：644
狀態：未解決
嚴重級別：致命(fatal)
首次出現：2024-10-03 04:36:33
最近出現：2025-03-21 10:44:02
事件計數：18次
堆棧跟蹤
錯誤發生在Android系統的廣播傳遞機制中，堆棧跟蹤顯示：
ZygoteInit.java:954 in main
RuntimeInit.java:559 in run
Method.java:None in invoke
ActivityThread.java:8395 in main
Looper.java:300 in loop
Looper.java:211 in loopOnce
Handler.java:106 in dispatchMessage
ActivityThread.java:2349 in handleMessage
None:0 in -$$Nest$mthrowRemoteServiceException
ActivityThread.java:2087 in throwRemoteServiceException
崩潰率分析
根據過去7天的會話統計：
崩潰率：約0.0001 (0.01%)
無崩潰率：約0.9999 (99.99%)
總會話數：1,239,555
雖然崩潰率較低，但由于這是一個致命錯誤，且在近期(3月21日)仍有發生，應該引起關注。
問題分析
錯誤性質：這是一個與Android廣播機制相關的RemoteServiceException，表明應用嘗試發送一個廣播，但系統無法傳遞。
可能原因：
廣播接收器不存在或已被卸載
目標組件權限問題
系統資源限制導致廣播傳遞失敗
特定于arm64架構的問題
影響范圍：
錯誤發生在flavorsOnline_arm64環境
相對較低的崩潰率(0.01%)表明這可能是特定設備或特定條件下才會觸發的問題
建議解決方案
防御性編程：
在發送廣播前檢查接收器是否存在
使用try-catch塊包裝廣播發送代碼
錯誤位置定位：
檢查ActivityThread.java:2087處的throwRemoteServiceException方法調用點
找出應用中哪些地方發送了可能觸發此異常的廣播
設備/版本針對性修復：
由于這個問題僅在arm64架構出現，可以考慮為該架構添加特定的兼容性代碼
監控計劃：
雖然崩潰率低，但應繼續監控，特別是在新版本發布后
由于這個錯誤是與Android系統廣播機制相關的，建議查看應用中所有發送廣播的代碼，尤其是在6.6.0版本中新增或修改的部分，確保它們都有適當的錯誤處理機制。
需要我進一步分析這個問題的特定方面嗎？4.5.3 查詢應用性能監控（APM）中數據
在cursor中輸入：幫我查詢6.6.0的性能數據，并和6.5.0版本對比。請求cursor后生成的html結果如下：
通過結果，我們可以看出，通過 MCP協議，本地數據得以充分供給給 AI，成功賦予了AI訪問本地數據的能力。這使得 AI能夠深度挖掘并高效利用這些數據。
5.總結
本文對 MCP 進行了簡要介紹。MCP是一種高效且通用的協議，它能讓AI安全、高效地訪問本地數據。我們以 Sentry接入MCP為例，成功實現了Sentry監控服務與cursor助手的集成，達成了應用崩潰率的智能分析以及crash問題的詳細查詢，助力大家更好地理解 MCP 的工作模式。
希望本文能幫助讀者更好地認識 MCP 協議，熟練掌握將本地數據接入AI的方法。期待這篇技術分享能對您了解和運用 MCP有所助益。
責任編輯：武曉燕
來源：
搜狐技術產品
