AI导哈

AI代理查询服务器

Spyglass AI MCP服务器为LLM提供了一个简单的接口，用于查询Spyglass AI代理，该代理分析您的遥测数据并提供关于应用程序性能、错误和瓶颈的智能见解。

  • by Spyglass-AI
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 Spyglass-AI/spyglass-mcp

使用说明

Spyglass AI MCP 服务器

Spyglass AI MCP服务器为大型语言模型（LLMs）提供了一个简单的接口，用于查询Spyglass AI代理。该代理会分析您的遥测数据，并提供有关应用程序性能、错误和瓶颈的智能见解。

要安装Cursor的MCP服务器，请点击下面的按钮。它应该会打开Cursor并提示您添加您的API密钥。

或者，在您的（内容/程序等）中添加以下内容： ~/.cursor/mcp.json 文件（如需创建）并替换为您的Spyglass API密钥。然后重启Cursor以应用更改。

{
  "mcpServers": {
    "spyglass-ai": {
      "command": "uvx",
      "args": ["spyglass-mcp"],
      "env": {
        "SPYGLASS_API_KEY": "your-key-here"
      }
    }
  }
}

请注意，您需要拥有 uv 先安装，详见相关文档 这里

可用工具

call_spyglass_agent

使用自然语言查询您的遥测数据，调用Spyglass AI代理。

参数：

  • query （字符串，必填）：关于您应用程序遥测数据的自然语言查询

示例查询：

  • “过去一小时中，哪些终端点（或服务端点）响应最慢？”
  • “显示结账服务中的所有错误”
  • “哪些服务的错误率最高？”
  • “我的API为何会出现高延迟？”
  • “我的应用在过去一天里收到了多少请求？”

返回值：

  • 遥测数据的自然语言分析

配置

环境变量

变量 必需 默认值 描述
SPYGLASS_API_KEY 是的 不适用 用于与Spyglass代理进行身份验证的API密钥
SPYGLASS_AGENT_ENDPOINT 不（编号） https://agent.spyglass-ai.com 代理端点URL（用于本地测试）

命令行参数

参数 必需 默认值 描述
--endpoint 编号 https://agent.spyglass-ai.com Spyglass 代理终端 URL
--transport 编号 stdio 传输类型（stdio 或 http）
--port 不 8000 用于HTTP传输的端口

示例：与MCP客户端一起使用

import asyncio
from fastmcp import Client

client = Client("http://localhost:8000/mcp")

async def analyze():
    async with client:
        result = await client.call_tool("call_spyglass_agent", {
            "query": "What are the slowest endpoints?"
        })
        print(result)

asyncio.run(analyze())

记录（日志）

MCP 服务器将日志同时记录到标准错误输出（由 Cursor 捕获）和一个文件中，以便调试：

日志文件位置：

~/.spyglass/logs/mcp-server-YYYYMMDD.log

实时查看日志：

tail -f ~/.spyglass/logs/mcp-server-$(date +%Y%m%d).log

日志包括：

  • 服务器启动与配置
  • 传入的查询和响应
  • API调用详情（为安全起见，已截断部分令牌）
  • 错误消息和堆栈跟踪

发展

先决条件

  • Python 3.11或更高版本
  • 紫外线 包管理器

设置

  1. 克隆仓库并导航到项目目录：
cd spyglass-mcp
  1. 安装依赖项：
uv sync

这将创建一个虚拟环境并安装所有必需的依赖项。

  1. 复制示例环境文件并配置您的API密钥：
cp env.example .env
# Edit .env and add your SPYGLASS_API_KEY

本地运行

以标准输入输出模式（默认）运行MCP服务器：

uv run spyglass-mcp

使用自定义终端节点运行（对于测试本地代理非常有用）：

uv run spyglass-mcp --endpoint http://localhost:8080

以HTTP传输模式运行：

uv run spyglass-mcp --transport http --port 8000

运行测试

运行所有测试：

uv run pytest

运行带有详细输出的测试：

uv run pytest -v

运行特定的测试文件：

uv run pytest tests/test_mcp_server.py

运行带覆盖率的测试：

uv run pytest --cov=spyglass_mcp --cov-report=term-missing

建筑

构建分发包：

uv build

这将在（当前目录/指定位置）生成wheel包和源代码分发文件 dist/ 目录。

项目结构

spyglass-mcp/
├── .github/
│   └── workflows/
│       └── publish.yaml
├── src/
│   └── spyglass_mcp/
│       ├── __init__.py
│       └── main.py
├── tests/
│   ├── __init__.py
│   ├── conftest.py
│   └── test_mcp_server.py
├── CHANGELOG.md
├── env.example
├── LICENSE
├── pyproject.toml
├── README.md
└── uv.lock

相关 MCP